[发明专利]一种基于高斯二阶差分特征检测算子的图像拼接方法

摘要

本发明针对存在一定程度的视点、旋转、比例和光照变化等情形的序列图像进行拼接。采用高斯二阶差分（D²oG）金字塔的过零点检测替代原有的高斯差分（DoG）金字塔的极值点检测提取尺度不变特征点，有效的简化了高斯金字塔的结构。首先，利用改进的SIFT算法提取图像特征点；然后，将提取出来的特征点通过BBF算法进行寻找粗匹配点对，并采用RANSAC算法对特征点匹配对进行提纯从而计算不变换矩阵H；最后，采用渐进渐出平滑算法完成图像的无缝拼接。实验结果表明，该方法提高了图像拼接的精确性和实时性，能较好的解决图像间存在光照、旋转、尺度变换、仿射等问题，实现无人工干预的自动拼接。

主权项

1.一种基于高斯二阶差分特征检测算子的图像拼接方法，其特征在于，包括以下步骤： 101、分别获取待拼接图像A和参考图像B的像素矩阵函数I(x,y)，并将待拼接图像A和B的像素矩阵函数I(x,y)在高斯尺度空间下高斯尺度差分化生成高斯一阶差分金字塔，高斯一阶差分金字塔表达式为 式(1)中尺度可变高斯函数即低通滤波器，符号*表示卷积，尺度系数k决定了尺度组的大小，(x,y)为空间坐标，σ为尺度坐标；102、将步骤101得到的高斯一阶差分金字塔高斯尺度差分化得到高斯二阶差分金字塔，表达式为D²(x,y,σ)=D(x,y,kσ)-D(x,y,σ)，并设置零点检测阈值T1，当D²(x,y,σ)=D(x,y,kσ)-D(x,y,σ)≤T1时，则判定该像素点为一特征点，并记录下该特征点D(v)的位置和尺度(x_i,y_i,σ_i)； 103、根据步骤102得到的特征点D(v)=(x_i,y_i,σ_i)，设置D(v)的阈值T2，根据泰勒展开式求得特征点亚像素及亚尺度的坐标，并设定D(v)≤T2； 104、根据步骤103中得到的特征点亚像素及亚尺度构造特征点周围高斯差分图像的Hessian矩阵M对边缘特征点进行筛除； 105、根据步骤104中得到经过筛除边缘特征点后的特征点，确定特征点的主方向作为法方向，并形成128维的特征点描述符；返回步骤101，得到待拼接图像A和参考图像B的特征点及特征点描述符； 106、将步骤105得到的待拼接图像A的特征点与参考图像B的特征点采用BBF算法确定最近的特征点与次近特征点进行第一次匹配；将第一次匹配后的结果采用RANSAC算法进行第二次匹配，并将特征匹配点计算出透视变换矩阵，将 待拼接图像A的特征点变换到参考图像B的坐标系下； 107、根据图像渐进检出融合法将待拼接图像A与参考图像B进行融合实现图像拼接。