[发明专利]一种基于改进加权融合的运动场景图像拼接方法

摘要

本发明公开了一种基于改进加权融合的运动场景图像拼接方法，主要通过利用尺度不变特征变换算法对源图像进行图像配准，然后基于灰度差和边缘检测的改进加权融合算法检测运动物体并进行图像融合。本发明能够有效地克服光照、鬼影等客观因素的干扰，具有拼接效果优、计算简洁、参数设置简便等优点。

主权项

一种基于改进加权融合的运动场景图像拼接方法，其特征在于，包括如下步骤：步骤10：采集含有重叠区域的两幅或者多幅图像数据；步骤20：对步骤10得到的图像数据进行中值滤波，得到高斯金字塔；步骤30：将步骤20得到的高斯金字塔与图像数据结合卷积，获得步骤10得到的图像的尺度空间；步骤40：对步骤30得到的尺度空间进行极值点检测，得到极大极小空间的极值点；步骤50：对步骤40得到的极值点去除对比度小于0.03的关键点和不稳定的边缘响应点，得到确定关键点的位置和尺度；步骤60：利用步骤50中关键点的位置和尺度，确定邻域像素的梯度方向，得到关键点方向参数；步骤70：将步骤60中得到的关键点方向参数和步骤50中关键点位置和尺度，在每4×4的小块上计算8个方向的梯度方向直方图，绘制每个梯度方向的累加值，形成一个种子点；一个关键点由2×2共四个种子点组成，每个种子点有8个方向向量信息；得到多组相互匹配的特征点描述子；步骤80：将步骤70中得到的多组相互匹配的特征点描述子，使用随机抽样，并对多组相互匹配的特征点描述子进行精炼得到两幅图像或多幅图像中相互匹配的特征点描述子；步骤90：利用步骤80中得到的相互匹配的特征点描述子，使用改进加权融合算法得到图像拼接的最终拼接结果；步骤90中，所述改进加权融合算法的方法为：步骤901：利用Sobel边缘检测算法提取各输入图像物体边缘，由此得到重合区域的边缘差异；步骤902：计算输入图像重叠区域的所有匹配特征点f1(xi,yi)和f2(xi,yi)的灰度差，并将之平均化：D(x‾,y‾)=Σ(f1(xi,yi)-f2(xi,yi))Knum]]>其中，为两幅输入图像重叠区域的平均灰度差值，f1(xi,yi)、f2(xi,yi)分别为两幅图像重叠区域对应匹配点的灰度值，xi,yi分别表示第i个匹配点的横、纵坐标；Knum为重叠区域内匹配特征点的对数；步骤903：对步骤901得到的两幅图像重叠区域的物体边缘进行比较，得到互不重合的边缘；步骤904：计算输入图像f1自有的不重合边缘两侧像素点的灰度值，分别与输入图像f2中对应位置的像素点灰度值作差，得到的每一个差值都与步骤902中的平均灰度差比较；若不相等，则证明该像素点为输入图像f1或输入图像f2中运动物体的构成像素点；依次处理其余像素点，直到其他边缘或重合区域边界为止；步骤905：计算输入图像f2自有的不重合边缘两侧像素点的灰度值，输入图像f1中对应位置的像素点灰度值与此灰度值作差，得到的每一个差值都与步骤902中的平均灰度差比较；若不相等，则证明该像素点为输入图像中运动物体的构成像素点；此时加权融合公式与公式相同，f(xi,yi)为融合后的像素点，k为灰度差值加权系数；步骤906：通过传统加权平均公式、计算融合图像的其他像素点灰度值，最终得到融合图像。