[发明专利]一种基于改进RANSAC算法的多图像协同拼接方法

说明书

本发明公开一种基于改进RANSAC算法的多图像协同拼接方法，步骤包括：1)获取待拼接图像的特征点；2)利用KNN算法进行特征点匹配；3)利用改进RANSAC算法对待拼接图像进行协同优化，并每个图像对应的单应性矩阵H；4)利用奇异值分解求解单应性矩阵H；5)根据解算后的单应性矩阵H对待拼接图像进行投影映射，完成多图像协同拼接。本发明实现了多图像协同拼接，可以显著地降低多图像拼接中的累积误差，提高多图像拼接的效果。

技术领域

本发明涉及图像处理领域，具体是一种基于改进RANSAC算法的多图像协同拼接方法。

背景技术

全景图因其可以展现更大的视野备受欢迎，因而广泛存在于智能手机的相机中。然而当前的全景图拼接往往是沿同一方向进行拼接，如从上往下或从左往右，不能完全满足人们日常全景图像拼接的需求。在传统的沿同一方向的全景图像拼接中，相邻两张图片的重叠特征点一般不会与第三张图片的特征点再次重叠。但是，在多方向全景图拼接任务中，四周相邻图片的特征点之间存在不同程度的重叠，只有协同拼接方能有效降低整体拼接误差，达到良好的拼接效果。

在全景图像拼接步骤中，特征点选择是影响单应性矩阵的决定因素，直接影响图像拼接的质量。基于RANSAC算法的特征点选择是当前全景图拼接的主流方法，它在图像的众多特征点中随机选择四个特征点，使得类内的特征点的个数最多，消除离群点的负面影响。现有的基于RANSAC算法的全景图拼接存在的主要问题是：(1)多数情况下只能沿某一方向进行拼接，在多方向同时拼接时效果很差；(2)多幅图像拼接存在严重的误差累计问题，待拼接图像越多，误差越大，拼接效果越差；(3)基于RANSAC算法选定的特征点只能优化单张图像，不能兼顾多幅图像实现全局优化。

发明内容

本发明的目的是提供一种基于改进RANSAC算法的多图像协同拼接方法，包括以下步骤：

1)获取待拼接图像的特征点。

获取待拼接图像的特征点的步骤包括：

1.1)利用SIFT算法检测待拼接图像的所有特征点。

1.2)计算每个特征点周围的梯度方向。

1.3)获取每一特征点m维的特征向量。

2)利用KNN算法进行特征点匹配。

利用KNN算法进行特征点匹配的步骤包括：

2.1)选择所有待拼接图像中的两幅图像，分别记为图片M和图片N。

2.2)计算图片M中第i个特征点到图片N中所有特征点的距离，并写入距离集合中。i初始值为1。

2.3)记录所述距离集合中数值最小的两个元素，并计算这两个元素的差值Δd。若差值Δd≤ε，则删除图片M中第i个特征点，令i＝i+1，返回步骤2.2)，直至图片M中每个特征点到图片N中所有特征点的距离均计算完毕，记录图片M和图片N特征点的对应关系，否则，直接令i＝i+1，并返回步骤2.2)。ε为特征点距离阈值。

2.3)返回步骤2.1)，直至所有待拼接图像两两匹配完毕。

3)利用改进RANSAC算法对待拼接图像进行协同优化，并每个图像对应的单应性矩阵H。

利用改进RANSAC算法对待拼接图像进行协同优化的步骤包括：

3.1)从待拼接的图像中选择相邻两张图片，分别记为图片A和图片B。

3.2)计算图片A和图片B之间类内特征点数。

计算图片A和图片B之间类内特征点数的步骤包括：

3.2.1)从图片B的特征点中随机选取n个特征点，作为初始值，记为源值s。从图片A中选取与图片B源值s相对应的特征点构建特征对。