[发明专利]一种基于改进SIFT特征点匹配算法的图像叠加方法

摘要

本发明公开了一种基于改进SIFT特征点匹配算法的图像叠加方法，包括以下步骤：步骤1、图像采集。步骤2、柱面投影变换。步骤3、使用SIFT算法进行特征点匹配；首先使用大小为N*N的滑动窗口寻找对应的预测特征点搜索域；对于第K‑1张图像上的特征点P，在第K张图像上可能的匹配点的位置R行特征点匹配，通过设定阈值来剔除伪匹配的特征点对。步骤4、转换矩阵计算。步骤5、对转换矩阵估计后的图像进行图像融合。

主权项

1.一种基于改进SIFT特征点匹配算法的图像叠加方法，其特征在于复用相邻图像中提取的特征点的空间信息，基于前一次匹配结果缩小后一次匹配时的对应特征点搜索空间的大小提高特征点匹配的效率；包括以下步骤：Step1 图像采集在光照情况良好的条件下，使用普通单反相机对场景进行实景图像采集；采集的照片之间要存在重叠部分；Step2 柱面投影变换圆柱面全景模型是一种将外部景物投影到以视点为中心、具有一定高度的圆柱表面的全景模型，具有单幅图像获取方式相对简单和兼容传统图像处理算法的优点；对于高度和宽度分别为和的原始图像，设图像获取时的焦距为；对于原始图像中任意的像素点，在相机坐标系下对应坐标为；将投影到圆柱体的圆柱面时，对应投影坐标点的计算方法如公式（1）和（2）所示；  （1）  （2）在图像的柱面投影过程中，焦距的计算方法如公式（3）所示；  （3）V表示相机的水平视角参数，直接影响拍照场景的范围；V的计算方法如公式（4）所示；  （4）其中，将相机在水平方向旋转360度，n表示所拍摄的工程场景下的实景图像张数；Step3 特征点匹配Step3‑1 特征点相似度计算使用SIFT算法进行特征点提取获取描述该特征点的一组特征向量，每个特征点的待匹配点为其特征向量欧式距离最短的点，具体的距离M的计算方法如公式（5）；  （5）其中，为特征点的SIFT特征向量，为待匹配点的SIFT特征向量；Step3‑2特征点搜索空间确定首先使用大小为N*N的滑动窗口遍历第K张图像，当滑动窗口的中心点接近特征点P时，保证该特征点对应预测匹配点处于N*N的滑动窗口范围内；记录中心点的坐标位置为，则对于相邻的第K‑1张图像中特征点搜索空间的大小计算方法如公式（6）所示：   (6)其中，通过四维向量描述第K‑1张图像中的特征点搜索空间，和分别表示搜索空间的长和宽，表示向量相邻的第K张图像中滑动窗口中心点的坐标，N表示滑动窗口的尺寸；则对于图像K上的每一个特点存在的特征点，通过上述方法均能够快速的在相邻图像K‑1中找到对应的预测特征点搜索域，在该点对应的搜索域中再进行特征点匹配Step3‑3特征点匹配对于第K‑1张图像上的特征点P，与其相邻的第K张图像上可能的匹配点的位置R的计算方法如公式（7）：  （7）其中，表示第K‑1张图像的透视变换矩阵；和分别表示特征点在图像上的位置点坐标；实际应用中，每一个特征点可能与不止一个特征点出现匹配成功；针对特征匹配时可能出现的伪匹配点，通过设定阈值来剔除伪匹配的特征点对；计算方法如公式（8）所示；  （8）其中，表示特征点与最近邻域特征点的欧式距离，表示特征点与次近邻域特征点的欧式距离，表示阈值；如果比例小于阈值则认为是正确的特征点对，否则认为是错误的匹配对；这里，阈值默认为0.5；Step4 转换矩阵计算根据上述Step3获得的特征点对，利用特征点对之间的关系计算转换矩阵，转换矩阵的计算方法如公式（9）所示；  （9）其中，（）表示某像素点的原始坐标，（）表示经过柱面投影后的坐标，（）为两个坐标系下的控制转换参数；对于一对匹配点B()和C()，控制转换参数的计算方法如公式（10）和（11）所示；  （10）=   （11）Step5 图像融合对于Step4实现了转换矩阵估计后的图像进行图像融合；为了实现图像在重叠区域的平滑过渡，对待拼接图像的重合部分和进行加权计算获得融合后的图像，计算方法如公式（12）所示；   （12）其中，和表示加权计算的权值，并且满足。