[发明专利]一种红外双目相机自适应极线校正方法

摘要

本发明公开了一种红外双目相机自适应极线校正方法，仅需两幅红外图像作为输入，首先对红外双目图像进行预处理以实现对比度增强；对两幅红外图像分别提取SIFT特征点，并匹配得到匹配点；在处理误匹配时，采用改进的基于近邻度的离群点检测思想去除误匹配点；利用引入混沌优化思想和遗传算法中杂交思想的改进粒子群算法，进行全局寻优，得到两个变换矩阵；对两幅红外图像分别根据对应的变换矩阵进行像素映射，即可得到校正后的双目图像。实验证明，该方法能适应绝大多数场景，具有很高的校正精度和自适应性。

主权项

一种红外双目相机自适应极线校正方法，其特征在于，包括以下步骤：步骤一，根据Gluckman的极线校正模型，计算投影变换矩阵的具体形式；步骤二，对采集得到的红外双目图像，分别进行直方图均衡化预处理操作，预处理得到的红外双目图像分别为I1、I2；步骤三，对图像I1、I2分别提取SIFT特征点，并进行特征点匹配，匹配时采用最短欧式距离匹配法，其距离比例阈值取th；步骤四，针对匹配过程中产生的误匹配点，利用改进的基于近邻度的离群点检测思想去除误匹配点，去除误匹配后得到M对匹配点为(m1i,m2i)，i＝1,…,M；利用改进的基于近邻度的离群点检测思想去除误匹配点的具体方法为：对图像I1、I2进行SIFT特征点匹配得到N对初始匹配点为(n1i,n2i)，i＝1,…,N，其中采用Δy＝|(n1)y‑(n2)y|计算每一对匹配点的垂直视差，记所有匹配点的垂直视差集合为ΔY＝{Δy1,…,ΔyN}；对ΔY中每个点，计算该点的k近邻平均距离，记为该点的近邻度，近邻度越大的点是误匹配点的可能性越大；把所有点按照近邻度由小到大排序，近邻度过大的点直接抛弃，只保留近邻度较小的部分，保留比例为P，保留下来的部分都是正确匹配点；k的取值为6‑8，P的取值为80％；步骤五，根据校正后双目图像的极线方程，利用引入混沌优化思想和遗传算法中杂交思想的改进粒子群算法，进行全局寻优，计算两个变换矩阵的值；得到变换矩阵后，分别对两幅图像进行像素位置映射，即可得到极线校正后的红外双目图像。