本发明专利技术公开了一种基于改进型SURF算法的图像快速拼接方法，改进了现有的角点提取方法以及角点的特征描述方法，再去除提取出角点的误匹配，实现多幅图像的快速拼接。首先，采用改进的FAST算法提高提取角点，FAST算法提取角点运算速度较快，改进后，稳定性也更好；其次，对角点特征的描述采用SURF描述与LBP描述相结合，这样也能够提高角点匹配的速度；然后，采用RANSAC方法去除误匹配，提高准确度，得到较为准确的变换矩阵从而进行快速拼接；最后，根据得到的匹配点对，计算出待拼接图像到参考图像的变换参数，采用渐入渐出法，完成图像拼接。
【技术实现步骤摘要】
-种基于改进型SURF算法的图像快速拼接方法
本专利技术涉及一种基于改进型SURF(SpeedUpRobustFeature,加速鲁棒特征）算 法的图像快速拼接方法，适用于遥感图像处理、医学图像分析、绘图学、大场景视频监控和 超分辨率重构等领域。
技术介绍
图像拼接技术是数字图像处理研究的热门方向之一，在军事和民用方面都有广泛 的应用。在人们的实际生活应用中，所需要的场景往往超过数码相机、监控摄像机等的视角 范围。为了得到高分辨率，同时大视角的图像，人们不得不采用各种昂贵的镜头和相机，这 样会导致成本的大大提高。所谓图像拼接技术，就是将数张有重叠部分的图像（可能是不 同时间、不同视角或者不同传感器获得的）拼接成一幅大型的无缝高分辨率图像的技术。 图像拼接的过程主要包括图像获取、图像预处理、图像配准和图像融合。其中，图 像配准是图像拼接的关键技术。近年来，随着人们对于图像的分析和理解更加深入，图像配 准所利用的图像特征也从图像的低级特征发展到利用高级特征。 目前，图像拼接的主要问题在于，无法找到一种能够很好兼顾速度和拼接质量 的算法。RichardSzeliksi提出了基于运动的全景图像拼接模型，模型利用L-M算法 (Levenberg-Marquardt算法，非线性最小二乘算法）求出图像之间的几何变换关系进行配 准，成为图像拼接的经典算法。此后，有各种特征描述符被不断提出，如LBP(LocalBinary Patterns，局部二值模式）算法、SIFT(Scale-invariantfeaturetransform，尺度不变特 征转换）算法、SURF(SpeedUpRobustFeature，加速鲁棒特征）算法、HOG(Histogramof OrientedGradient,方向梯度直方图）算法等，这些特征描述符在用于图像配准时，各有优 势和不足。
技术实现思路
专利技术目的：本专利技术所要解决的技术问题是针对现有技术的不足，提供一种基于改 进型SURF算法的图像快速拼接方法。 本专利技术公开了一种基于改进型SURF算法的图像快速拼接方法，包括以下步骤： 步骤1，检测参考图像和待拼接图像两幅图像中的角点； 步骤2,对两幅图像检测的角点进行特征描述，然后进行特征点匹配； 步骤3,对匹配得出的特征点对，去除误匹配，得到优化后的特征点对； 步骤4,计算变换矩阵； 步骤5,对两幅图像进行融合。 采用改进的FAST算法进行角点检测，包括：在图像中选取一个像素点P，判断像素 点P是否是兴趣点的像素；判断像素点P是否为兴趣点的方法为：令选取的像素点灰度值 为Ip，图像灰度阈值T，在像素点P周围，以4个像素为半径画圆，在该圆圆周上得到16个像 素点；如果在16个像素点中存在N个连续的点，它们的灰度值大于Ip+T或者小于Ip-T时， 则判定该像素点P为兴趣点，N为大于等于12的自然数； 先将选中像素的上下左右四个点的像素值与Ip进行比较，如果至少存在三个像素 值不大于Ip+T或者不小于Ip-T时，得判断该点不是兴趣点，否则检查所有16个像素并判断 N个连续像素是否符合标准； 采用史托马斯算法得到每个角点的分数，令λ，Ρλ2为角点结构张量矩阵A的 两个最大特征值，计算最小值min(λλ2)，以此作为分数，令（X，y)为偏移量，I为图像灰 度，Ix和Iy为图像灰度I的偏导数，角点位置的协方差矩阵为A'在得到每个角点的评分 后按照的得分高低顺序对角点序列进行排序，排序完成后按顺序循环比较两个角点之间的 距离，如果两个角点的距离小于期望的角点间距离，则保留Shi-Tomasi得分高的角点，期 望的距离不小于10像素； 获取最终的改进FAST角点。 步骤2中，采用改进的SURF算法对两幅图像进行特征描述，包括以下步骤： 创建一个以兴趣点为中心的矩形区域，矩形的方向为兴趣点的方向，将每个区域 划分为两个以上的3X3的子区域，对于每个子区域，用5X5间隔采样计算Haar小波响应， 令dx为Haar小波在X方向上响应，dy为该响应在y方向上的响应，对响应的dx和dy采用 高斯加权，得出每个子区域中小波响应dx和dy的和组成第一组特征向量，同时把强度响应 绝对值的总和添加进特征描述； 得到每个子分解区域的四个描述，用矢量V表示为V= (Σ4,Edy，Σ|dx|，Σ|dy|)，所有3X3的区域描述子的个数为36,即36维的描述。 步骤2中，采用改进的LBP算法对两幅图像进行特征描述，包括以下步骤： 采用检测窗口检测，对于图像单元中的每一个像素点，取其相邻的连续16个点作 为采样点，对于单个像素点而言，当中心点的像素大于一个邻近点的像素值，则将该临近点 值设为〇,反之可以设为1，从而得到了一个16位的二进制数；对所有像素位置加权求和获 取该检测窗口的LBP编码值；将这16位数据依次进行循环左移操作，每次左移对应产生16 个新的数据，在其中找到最大一个，作为最终的编码数据。 步骤2中，先判断LBP纹理特征是否符合要求，然后通过计算欧式距离和比较最佳 匹配次最佳匹配来查找匹配点，通过两级匹配，保留180?220个角点，包括以下步骤： 设定一个欧式距离最大值MAX，分别从参考图像和待拼接图像中选择一个角点，采 用LBP纹理特征分别对两个角点计算每个位的差异，选取一个阈值为2,若位差异大于阈值 2,则重新再从参考图像中选取角点计算每个位差异，当在参考图像中选取的角点与待匹配 图像每个位差异不大于阈值2时，计算这两个角点描述的欧式距离平方和，若欧式距离平 方和小于当前已得出的最佳匹配，则令小于当前最佳欧式距离平方和的点作为当前最佳匹 配，当前最佳匹配初始值MX;不然，则令大于当前最佳欧式距离平方和但小于第二最小欧 式距离平方和的点设为第二最佳匹配点，第二最佳匹配点初始值为MAX;如此将参考图像 中的每一个特征点与待拼接图像中的特征点进行比较，分别得出最佳和第二佳匹配点；若 得到的最佳和第二佳欧式距离平方和之比小于阈值，则该点对为匹配点对，否则判定该点 对不是匹配点对。 步骤3中，设定采样次数N，每次采样随机抽取两个匹配点对共4个点，其中在参考 图像上选取两个特征点，在待匹配图像上选取对应的两个特征点；如果同一图像中选取的 两个点不相关，则重新选取，如果相关，则根据选取的两个匹配点对计算单应性矩阵；然后 计算满足单应性矩阵匹配点的个数，若满足单应性矩阵的匹配点数量不为最大，则重新选 取匹配点对；若为最大，则通过计算匹配点超距离，判断内点和外点，设定外点是误匹配，并 去除；设定内点被认为是正确匹配，予以保留，剩下的角点，用来融合参考图像和待拼接图 像。 步骤4中，根据由步骤3得到的4对匹配点对，利用已有的OpenCV函数库，求得透 视变换所需的单应性矩阵。 有Γi=HXi,其中Γi= (X，iy，i1)T，Xi =(Xiyi 1)τ 是两对齐次坐标， 通过4对匹配点对，求得变换矩阵H。 在角点提取时米用改进的FAST算法（FeaturesfromAcceleratedSegment Test，加速分割检测特征）提高提取速度，实验本文档来自技高网...
【技术保护点】
一种基于改进型SURF算法的图像快速拼接方法，其特征在于，包括以下步骤：步骤1，检测参考图像和待拼接图像两幅图像中的角点；步骤2，对两幅图像检测的角点进行特征描述，然后进行特征点匹配；步骤3，对匹配得出的特征点对，去除误匹配，得到优化后的特征点对；步骤4，计算变换矩阵；步骤5，对两幅图像进行融合。
【技术特征摘要】
1. 一种基于改进型SURF算法的图像快速拼接方法，其特征在于，包括以下步骤： 步骤1，检测参考图像和待拼接图像两幅图像中的角点； 步骤2,对两幅图像检测的角点进行特征描述，然后进行特征点匹配； 步骤3,对匹配得出的特征点对，去除误匹配，得到优化后的特征点对； 步骤4,计算变换矩阵； 步骤5,对两幅图像进行融合。2. 根据权利要求1所述的方法，其特征在于：采用改进的FAST算法进行角点检测，包 括：在图像中选取一个像素点P，判断像素点P是否是兴趣点的像素；判断像素点P是否为 兴趣点的方法为：令选取的像素点灰度值为IP，图像灰度阈值T,在像素点P周围，以4个像 素为半径画圆，在该圆圆周上得到16个像素点；如果在16个像素点中存在N个连续的点， 它们的灰度值大于IP+T或者小于IP-T时，则判定该像素点P为兴趣点，N为大于等于12的 自然数； 先将选中像素的上下左右四个点的像素值与IP进行比较，如果至少存在三个像素值不 大于IP+T或者不小于IP-T时，得判断该点不是兴趣点，否则检查所有16个像素并判断N个 连续像素是否符合标准； 采用史托马斯算法得到每个角点的分数，令^和^为角点结构张量矩阵A的两个最 大特征值，计算最小值min(入i，A2)，以此作为分数，令（x，y)为偏移量，I为图像灰度，Ix 和Iy为图像灰度I的偏导数，角点位置的协方差矩阵为A'在得到每个角点的评分后按照 的得分高低顺序对角点序列进行排序，排序完成后按顺序循环比较两个角点之间的距离， 如果两个角点的距离小于期望的角点间距离，则保留Shi-Tomasi得分高的角点，期望的距 离不小于10像素； 获取最终的改进FAST角点。3. 根据权利要求2所述的方法，其特征在于，步骤2中，采用改进的SURF算法对两幅图 像进行特征描述，包括以下步骤： 创建一个以兴趣点为中心的矩形区域，矩形的方向为兴趣点的方向，将每个区域划分 为两个以上的3X3的子区域，对于每个子区域，用5X5间隔采样计算Haar小波响应，令dx 为Haar小波在x方向上响应，dy为该响应在y方向上的响应，对响应的dx和dy采用高斯加 权，得出每个子区域中小波响应dx和dy的和组成第一组特征向量，同时把强度响应绝对值 的总和添加进特征描述； 得到每个子分解区域的四个描述，用矢量v表示为v=(Edx，Edy，E|dx|，E|dy|)， 所有3X...
【专利技术属性】
技术研发人员：董小舒，秦晅，卞志国，卢旻昊，刘超，李岚俊，
申请(专利权)人：中国电子科技集团公司第二十八研究所，
类型：发明
国别省市：江苏;32
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。