[发明专利]一种基于改进的SURF算法的实时视频拼接方法

摘要

本发明公开了一种实时视频拼接方法，属于视频图像处理技术领域。本发明的实时视频拼接方法利用相位相关法计算待拼接视频帧图像的重叠区域。对SURF(Speeded UP Robust Features)算法进行了改进，简化了SURF算法中特征点描述子的生成过程并降低了描述子维数，利用改进的SURF算法提取视频帧重叠区域的特征点；提出一种基于特征分块匹配的图像配准方法，对特征点进行匹配，减少了计算量，提高了计算效率，并利用特征分块匹配快速求取图像变换模型；最后提出一种基于相关系数的投影矩阵更新方法，用于更新投影矩阵，防止出现错误的拼接结果。最后对视频帧图像进行融合，从而实现实时视频拼接。

主权项

1.一种基于改进的SURF算法的实时视频拼接方法，其特征在于，包括以下步骤：步骤1、获取两个摄像头首帧图像，利用相位相关系数确定摄像头重叠范围；步骤2、提取相邻帧间重叠区域内的SURF特征点，并建立32维特征描述子；步骤3、将特征点进行分块匹配，使用RANSAC算法对特征点对提纯，根据投影变换模型，利用提纯后得到的两幅图像间的映射点集，求得投影矩阵；步骤4、利用相关系数更新投影矩阵步骤5、采用渐入渐出融合法对帧图像融合，实现视频拼接；步骤2具体包括以下步骤：步骤201、计算以特征点为中心，以6δ为半径的圆形邻域内像素对Haar小波的响应值，并对各响应值进行高斯加权，其中，δ为特征点所在空间的尺度值，Haar小波的大小为2δ×2δ；步骤202、用45°的扇形滑动窗口滑动遍历该圆形邻域，滑动步长为0.25π弧度，每滑动一次，就对该窗口内元素的Haar小波响应值累加，得到一个特征子矢量[∑dx、∑|dx|、∑dy、∑|dy|]和矢量(m_ω，θ_ω)，其中步骤203、扇形滑动窗口遍历完整个圆形邻域后，共得到8个特征子矢量和8个Haar小波响应累加值m_ω，比较m_ω，最大的m_ω所对应的方向即为特征点的主方向，即θ＝θ_ω|max{m_ω}；步骤204、从主方向对应的特征子矢量开始，按Haar响应累加值递减的顺序依次取各个特征子矢量，得到4×8＝32维的特征描述子；步骤3具体包括以下步骤：步骤301、对待配准图像上半部分的特征点匹配时，只搜索配准图像上半部分的特征点；步骤302、对待配准图像下半部分的特征点匹配时，只搜索配准图像下半部分的特征点。