[发明专利]一种基于混合网格变换模型的图像形变估计方法

说明书

一种基于混合网格变换模型的图像形变估计方法，它属于计算机视觉及图像处理领域。本发明解决了采用现有估计方法获得的图像间变换模型不能有效解决非连续形变的问题。本发明方法首先对图像进行特征点提取和匹配；再对特征点对进行初步分类和筛选；最后估计混合网格变换模型。采用本发明方法可以准确估计混合网格变换模型和混合网格变换模型的分量个数，估计出的混合网格变换模型可以有效解决非连续形变的问题。本发明可以用于对图像形变进行估计。

技术领域

本发明属于计算机视觉及图像处理领域，具体涉及一种基于混合网格变换模型的图像形变估计方法。

背景技术

图像配准是计算机视觉和图像处理领域中常见的问题，可以应用于图像拼接、目标定位以及三维重建等场合。在拍摄现实场景图像时，由于不同物体的位置与相机的距离不同，所以在不同视点拍摄的图像中会存在物体位移不连续性，那么就需要对不同视点所拍摄的图像进行图像配准操作，但是通过现有估计方法所获得的图像间变换模型并不能有效解决非连续形变的问题。

发明内容

本发明的目的是为解决采用现有估计方法获得的图像间变换模型不能有效解决非连续形变的问题，而提出了一种基于混合网格变换模型的图像形变估计方法。

本发明为解决上述技术问题所采取的技术方案是：一种基于混合网格变换模型的图像形变估计方法，所述方法具体包括以下步骤：

步骤一、分别提取在不同视角下拍摄的相同场景的参考图像I₀和目标图像I₁的SIFT特征点，并对参考图像I₀的SIFT特征点与目标图像I₁的SIFT特征点进行匹配，得到初始特征点对集合S₀，其中，为初始特征点对，为参考图像I₀中的特征点坐标，为目标图像I₁中的特征点坐标，N₀为集合S₀中初始特征点对的个数；

步骤二、对步骤一中得到的初始特征点对进行分类和筛选，经过筛选所得到的特征点对的集合为S，(x_i,y_i)为经过筛选所得到的特征点对，x_i为参考图像I₀中的特征点坐标，y_i为目标图像I₁中的特征点坐标，N为集合S中特征点对的个数，并得到集合S中每个特征点对的类别，将集合S中包含的特征点对的类别总数表示为K，第i个特征点对的类别表示为c_i，c_i＝1,...,K；

步骤三、对参考图像I₀进行网格划分，每个网格的宽度均为w，高度均为h；将K个网格变换模型组成的混合网格变换模型作为参考图像I₀和目标图像I₁间的几何变换模型，每个网格变换模型构成混合网格变换模型的一个分量；

其中，每个分量的待求解的网格形变参数为w_k，k＝1,2,…,K，w_k的初始协方差矩阵为为矩阵Λ₀的逆矩阵；

步骤四、分别计算出每个特征点x_i所对应的中间变量矩阵φ_i；

步骤五、初始化责任矩阵R，R的大小为N×K，责任矩阵R中第i行第k列元素为r_i,k，若k＝c_i，则r_i,k＝1，否则r_i,k＝0；并初始化迭代次数n＝0；

步骤六、对于每个分量，均利用φ_i和R计算w_k的后验概率分布的均值m_k、协方差矩阵以及参数α_k；