[发明专利]一种基于稳定线性结构和缝合线估计图像拼接方法及装置

权利要求书

1.一种基于稳定线性结构和缝合线估计图像拼接方法，其特征在于，包括：

S1：获取两幅具有重叠区域的图像，利用SIFT匹配两幅图像的特征点后利用RANSAC算法剔除伪特征以获取点特征，并利用LSD算法检测和匹配线特征；

S2：将两幅图像中的目标图像的进行分割以获取网格，并结合点特征以及线特征采用APAP算法估计源图像以及目标图像之间的单应性变换矩阵H；

S3：基于单应性变换矩阵H，获取源图像以及目标图像之间的斜率关系与获取十字特征；

S4：结合点特征、线特征以及十字特征获取网格的表达式，同时获取两幅图像之间的缝合线；

S5：判断缝合线是否为一条稳定的缝合线，

若是，则量源图像与目标图像进行拼接。

2.根据权利要求1所述的方法，其特征在于，包括：所述并利用LSD算法检测和匹配线特征的步骤包括：

将源图像以及目标图标图像按照预设比例进行缩小，并获取每个点的梯度值；

基于每个点的梯度值对目标图像进行伪排序，设定梯度阈值，并按照梯度值等分为N个bin，获取每个bin中最大的梯度值，并按照每个bin中最大的梯度值将所有的bin进行排序；

获取梯度值最大的bin，并从梯度值最大的bin中选取种子点，并判定所述种子点的θ_l和区域角度的差值是否小于预设值；

若是，则将所述种子点加入区域更新集，并重新执行所述从梯度值最大的bin中选取种子点，并判定所述种子点的θ_l和区域角度的差值是否小于预设值的步骤；

将所述区域更新集拟合为矩形，并判定所述矩形内的点的数量是否大于点数阈值；

若满足，则将所述矩形拟合成直线。

3.根据权利要求1所述的方法，其特征在于，所述获取两幅具有重叠区域的图像，利用SIFT匹配两幅图像的特征点后利用RANSAC算法剔除伪特征以获取点特征，并利用LSD算法检测和匹配线特征的步骤包括：

S101:获取两幅具有重叠区域的图像的尺度空间，生成高斯差分金字塔；

S102：基于所述高斯差分金字塔，计算空间极值点以获取特征点；

S103：获取特征点幅值、位置以及方向，描述并利用KNN算法匹配所述特征点。

4.根据权利要求1所述的方法，其特征在于，所述将两幅图像中的目标图像的进行分割以获取网格，并结合点特征以及线特征采用APAP算法估计源图像以及目标图像之间的单应性变换矩阵H的步骤包括：

建立内点集库I’；

随机抽取4个样本特征点，以获取变换矩阵H，计算其余特征点与所述样本特征点的投影误差，若投影误差小于投影阈值，则将特征点记为内点集I；

获取内点集I的数量，若内点集I的数量大于内点集库I’中特征点的数量，则将内点集库I’更新为内点集I，记录此时的变换矩阵H，并执行所述随机抽取4个样本特征点，以获取变换矩阵H，计算其余特征点与所述样本特征点的投影误差，若投影误差小于投影阈值，则将特征点记为内点集I的步骤。

5.根据权利要求3所述的方法，其特征在于，所述将两幅图像中的目标图像的进行分割以获取网格，并结合点特征以及线特征采用APAP算法估计源图像以及目标图像之间的单应性变换矩阵H的步骤还包括

利用APAP矩阵对变换矩阵H进行优化：

所述利用APAP矩阵对变换矩阵H进行优化的步骤包括：

齐次化目标图像和源图像的特征点，并标准化目标图像和源图像的坐标；

将标准化坐标的目标图像划分为网格，计算每个网格中所有特征点的高斯权重，并进行奇异值分解以获取优化后的变换矩阵H。

6.根据权利要求4所述的方法，其特征在于，所述基于单应性变换矩阵H，获取源图像以及目标图像之间的斜率关系与获取十字特征的步骤包括：

获取目标图像所述单应性变换前后的矩阵的斜率；

基于目标图像的单应性变换前后的矩阵的斜率获取目标图像和源图像重叠区域以及非重叠区域的分割线。