The invention belongs to the image processing method, in order to improve the different single stress transformation for different plane regions. The technical scheme adopted by the invention is based on the image alignment method of multi model geometric fitting and layered single stress transformation, and classifying the extracted feature points by using the method of multi model geometric fitting and after classification. The image has the base layer and the transition layer, and the dynamic direct linear transformation is used in the basic layer. The hierarchical single stress estimation is used in the transition layer to improve the accuracy of the single stress transformation. The invention is mainly applied to the situation of image processing. One
【技术实现步骤摘要】
基于多模型几何拟合和分层单应变换的图像对齐方法
本专利技术属于图像处理方法,关于图像对齐的问题,本专利技术介绍了一种通过多模型拟合和分层单应变换来处理图像对齐的新方法,能够对于多平面、复杂的图像达到很好的对齐效果,避免重影和模糊。
技术介绍
随着科学技术的发展,图像对齐在点云编码、视频稳定以及计算机视觉占据重要地位。图像对齐的基本过程是通过至少两张不同角度拍摄的图像,构造成一个无缝、高清晰和具有更大视野的图像。图像对齐的核心和关键问题是图像配准问题,而图像配准的性能又取决于估计的单应变换的精确性。因此,图像的单应变换是多年来图像对齐技术研究的重点和难点。对于图像对齐的研究,国内外研究人员也提出了很多的对齐算法。Hartley等提出了一种基于全局单应变换的方法,可是这种方法要求视差较小而且由于全局变换的局限性(单应矩阵单一),这种方法导致了严重的重影和图像变形。Zaragoza等提出了一种局部单应变换的方法,基于动态直接线性变换让多单应矩阵尽可能相似来处理图像对齐的问题。Xiang等提出了线性约束和局部变换相结合的方法,这种方法保证了图像对齐的连续性。图像对齐的算法日益成熟,然而,由于在图像重叠区域直接选取两幅图像其中一个进行变形,这种方法容易在重叠区域产生明显的缝隙。如何对多幅图像进行无缝对齐,仍然是一个具有挑战性的问题。
技术实现思路
由于图像对齐主要依赖于单应变换的准确性,因此,对于单应变换的研究就成为了对齐问题的处理关键。为了更好的针对不同的平面区域进行不同的单应变换,本专利技术采取的技术方案是,基于多模型几何拟合和分层单应变换的图像对齐方法,利用多模型 ...
【技术保护点】
1.一种基于多模型几何拟合和分层单应变换的图像对齐方法,其特征是,利用多模型
【技术特征摘要】
1.一种基于多模型几何拟合和分层单应变换的图像对齐方法,其特征是,利用多模型几何拟合的方法将提取的特征匹配点分类,分类之后,图像就有了基础层和过渡层,在基础层采用动态直接线性变换方法,在过渡层采用分层单应估计来提高单应变换的精确度。2.如权利要求1所述的基于多模型几何拟合和分层单应变换的图像对齐方法,其特征是,具体步骤是,1)针对输入源图像I和目标图像I′,利用度不变特征转换方法,获得一系列的特征匹配点—Ω={xi}和Ω′={xi′},xi和xi′分别是I和I′的第i个特征匹配点,将Ω和特征匹配点分类并且每个类的单应变换最小化xi和到相应的匹配点xi的距离,目标函数为:其中,λ>0是衡量数据项和平滑项的权重系数;数据项的作用是最小化x和它对应的匹配点x′的距离,Hi是3×3的单应变换矩阵,是xi的齐次坐标,φ(·)代表齐次坐标到非齐次坐标的变换,距离优化函数和D(Hi,xi,xi′)衡量的是xi的变换点到它对应的匹配点xi′的距离;平滑项主要约束相邻的像素点,使之有相同的单应矩阵,N(xi)是三角网格定义的像素点xi的邻域特征点和邻域关系,如果Hi=Hj,则惩罚项S(Hi,Hj)为1,其他情况为0;2)利用多模型几何拟合使得源图像的每一个匹配点都被标记了标签,相同的标签作为一类,这样,就将所有的匹配点分类到了几个不同的区域,每个区域的边界划分公式如下:其中,Ωm是第m个区...
【专利技术属性】
技术研发人员:杨敬钰,焦月,李坤,岳焕景,
申请(专利权)人:天津大学,
类型:发明
国别省市:天津,12
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。