一种矿井监控图像自动快速拼接方法技术

本发明专利技术公开了一种矿井监控图像自动快速拼接方法，包含以下步骤：首先利用Harris算法初步得到单一尺度下的特征点，再采用SIFT算法对特征点进行精确定位，在此基础上结合SIFT描述符信息，从而稳定、快速地提取到图像特征点；利用位置敏感散列算法(LSH，Locality-Sensitive Hashing)进行特征匹配查找，解决基于Kd树查找算法在高维数据集上的时间效率并不高的问题；再采用改进的RANSAC算法筛选匹配点并计算变换矩阵,提高筛选匹配点的精确度；最后通过图像融合算法进行拼接。实验结果表明，该方法能够应用于煤矿井下视频监控图像的自动拼接，对其他复杂环境下的图像拼接亦具有科学的参考价值。

【技术实现步骤摘要】
【专利摘要】本专利技术公开了，包含以下步骤：首先利用Harris算法初步得到单一尺度下的特征点，再采用SIFT算法对特征点进行精确定位，在此基础上结合SIFT描述符信息，从而稳定、快速地提取到图像特征点；利用位置敏感散列算法(LSH，Locality-Sensitive?Hashing)进行特征匹配查找，解决基于Kd树查找算法在高维数据集上的时间效率并不高的问题；再采用改进的RANSAC算法筛选匹配点并计算变换矩阵,提高筛选匹配点的精确度；最后通过图像融合算法进行拼接。实验结果表明，该方法能够应用于煤矿井下视频监控图像的自动拼接，对其他复杂环境下的图像拼接亦具有科学的参考价值。【专利说明】
本专利技术涉及图像拼接
，特别是涉及一种矿井监控图像自动快速拼接方 法。
技术介绍
图像拼接的核心问题在于准确找到待拼接图像的重叠区域位置和范围，即图像配 准。目前提出的图像配准算法大多可分为两类：基于灰度配准的方法和基于特征配准的 方法。基于灰度的配准方法计算量较大，不能符合实时性的需求，而且容易受到图像旋转、 形变及遮挡的影响，而基于特征配准的方法可以克服这些缺点，提高匹配的精确程度，因此 在图像配准方面有着广泛的应用，如Harris算法、SIFT算法等。国内外许多学者对图像 拼接技术进行了大量的研究工作，针对不同的应用领域，提出了不同的图像配准方法，如： D. Glowe总结了现有的特征提取方法，提出了基于尺度不变特征的图像拼接技术；Glocker B等人基于离散马尔可夫随机场提出了一种新的图像拼接的方法；Jain D K等人基于随机 角点法，利用单应性矩阵，匹配角点对，提出了将多幅有交叠的图像拼接成全景图的方法； 高健等提出了基于Harris角点和高斯差分的特征点提取算法；周文兵等人针对数字图像 篡改的常用手法图像拼接，提出了一种基于多特征融合的被动盲取证算法来检测图像拼 接。 虽然上述的各种方法都是面向一定范围的应用领域，也具有各自的特点，但大致 上来讲，能够应用于煤矿井下复杂环境的图像拼接算法并不是很多，由于矿井下获取图像 环境的复杂性及算法本身的限制，很多的图像序列并不能成功的被拼接起来，因此需要研 究一种成功率较高的图像拼接算法；另外，由于图像拼接技术能够普遍应用于煤矿井下的 视频监控系统，因此其实时性问题也是研究中的一个关键问题；再者，受到煤矿井下照度 低、光照不均匀的以及井下煤尘的影响，很大程度上引起监控图像退化，导致图像质量不 佳，很多监控图像序列并不能成功的被拼接起来，对监控图像的后期处理和评判带来诸多 不便，难以满足煤矿安全生产自由监控场景的需求。
技术实现思路
为了克服上述现有技术的不足，本专利技术提供了一种矿井监控图像自动快速拼接方 法。 本专利技术所采用的技术方案包含以下步骤： -种矿井监控图像自动快速拼接方法，其特征在于，包括以下步骤： S1、利用Harris算法得到两幅或者多幅待拼接图像的特征点，再采用SIFT算法对 特征点进行定位，且结合SIFT描述符信息，提取到图像特征点； S2、针对S1中提取到的图像特征点，利用位置敏感散列算法进行特征匹配点查 找； S3、采用改进的RANSAC算法筛选特征匹配点并计算变换矩阵； S4、通过图像融合算法进行拼接。 【权利要求】1. ，其特征在于，包括以下步骤： 51、 利用Harris算法得到两幅或者多幅待拼接图像的特征点，再采用SIFT算法对特征 点进行定位，且结合SIFT描述符信息，提取到图像特征点； 52、 针对S1中提取到的图像特征点，利用位置敏感散列算法进行特征匹配点查找； 53、 采用改进的RANSAC算法筛选特征匹配点并计算变换矩阵； 54、 通过图像融合算法进行拼接。2. 根据权利要求1所述的，其特征在于，所述步 骤S1中的Harris算法得到待拼接图像特征点，处理过程表示如下：R = det (M) -k^tr2 (Μ) k = 0. 04 ?0. 06 式中：gx为X方向上的梯度，gy为y方向上的梯度，G⑷为高斯模板，det为矩阵的行 列式，tr为矩阵的迹，k为常数，R表示待拼接图中相应像素点的兴趣值。3. 根据权利要求1所述的，其特征在于，所述的 采用SIFT算法对特征点进行定位，且结合SIFT描述符信息，提取到图像特征点；在Harris 算法初步获得图像中特征点的基础上，采用SIFT算法获得图像特征点的尺度信息，根据特 征点领域内的梯度方向为每个特征点建立一个描述符，确定特征点的主方向，保证其旋转 不变性；计算位置（x，y)处梯度幅度大小和方向公式分别以下两式：其中L所用的尺度为每个特征点各自所在的尺度。4. 根据权利要求1所述的，其特征在于，所述步 骤S2中利用位置敏感散列算法进行特征匹配点查找，该算法包括以下步骤： T1、将特征匹配点集转化为海明空间中的二进制串，对于任意一特征匹配点p e P，P为 d维空间，设P = {x^ x2,…xd},将空间P映射到维海明空间Τ?"，映射方法如下：其中UnaryJxD表示转化后的二进制串，C表示空间P中任意点p坐标的最大值； T2、经过了步骤T1中点集到二进制串的映射后，需要对集合中的每个点进行哈希操作 使其散列到哈希表中；在族函数H = IX，. . .，hj中独立随机选取hxl, hx2,，. . .，hxt，g (p)是 一个长度为k的向量，表不如下： g (p) = (hxl (p), hx2 (p),. . . , hxt (p)) t = 1, 2, ···, k 对每一个点P计算函数gj(p), j = 1，. . .，L，并将值存入哈希表的哈希桶中； T3、对于给定的q，计算gjq)，g2(q)，…，gjq)，取出gjq)对应哈希桶中所有的点作 为候选集，最后在候选集中顺序排序，得到检索结果。5. 根据权利要求1所述的，其特征在于，所述步 骤S3中采用改进的RANSAC算法筛选特征匹配点并计算变换矩阵，包含以下步骤： (1) 设置当前特征匹配点的最佳估计数目S = 0 ; (2) 将图像按32X32类型的方法进行分割，形成1024个子块，采用随机抽样的方法抽 取其中4个子块，并随机地在每一个子块中选择一个点，初始化4个特征匹配点对； (3) 根据步骤（2)中抽中的特征匹配点对，采用最小平方法计算变换矩阵Μ中的8个参 数，然后根据给定的距离阈值Τ，统计该变换矩阵Μ的匹配点数目； ⑷设当前内点数目为Ν，将Ν与S进行比较，如果Ν > S，则将Μ作为当前最佳估计， 并更新N = S，同时动态评估剩余所需迭代次数Κ，Κ的值正比于l/log(p)，其中Ρ为当前错 误概率，如果当前迭代次数达到K，则转入步骤（5);否则转向步骤（2); (5)算法结束，退出。6. 根据权利要求1所述的一种矿井监控图像自动快速拼接技术，其特征在于，所述步 骤S4中通过图像融合算法进行拼接，包含以下步骤： 采用加权平均的方法来实现图像的无缝拼接，假设待拼接的图像为和f2，采用加权 平均法融合后的图像f可表示为：式中屯、d2表示加权系数，它们的关系满足：屯+士 = 1。【文档编号】本文档来自技高网...

【技术保护点】
一种矿井监控图像自动快速拼接方法，其特征在于，包括以下步骤：S1、利用Harris算法得到两幅或者多幅待拼接图像的特征点，再采用SIFT算法对特征点进行定位，且结合SIFT描述符信息，提取到图像特征点；S2、针对S1中提取到的图像特征点，利用位置敏感散列算法进行特征匹配点查找；S3、采用改进的RANSAC算法筛选特征匹配点并计算变换矩阵；S4、通过图像融合算法进行拼接。

【技术特征摘要】

【专利技术属性】
技术研发人员：姜代红，戴磊，王永星，
申请(专利权)人：徐州工程学院，
类型：发明
国别省市：江苏;32