一种图像拼接方法和生成装置制造方法及图纸

本发明专利技术提出了一种图像拼接方法和生成装置，其最优缝合线的确定方法中，将图象重叠区域的差图作为搜索空间，定义了与图像高相等维数的向量作为染色体(备选缝合线)，其中，染色体的每一位基因代表了差图中每一行的最优拼接点。染色体(备选缝合线)的适应度值定义为差图上拼接点所在位置的像素值之和的倒数。同时，还将每个染色体随机分为若干段子染色体，分别优化各段子染色体，最后组合子染色体优化的结果作为最优缝合线。通过随机分组优化策略，可以处理大规模决策变量，有效提高缝合线的质量。

【技术实现步骤摘要】

本专利技术涉及图像信息处理领域，特别涉及一种图像拼接方法和生成装置。
技术介绍
图像是人类获取视觉信息的一种重要途径。全景图像(视频)因其能给人以良好的沉浸式体验，越来越受到人们的关注。广角镜头在一定程度上可以获取宽视角的图像，但是其通常具有以下缺点，如拍摄范围过大导致细节分辨率下降，图像边缘扭曲变形，镜头过于昂贵。由此，采用多镜头拼接的方法成为获取全景图的一种有效方法。全景图像拼接，具体而言就是将多幅来自同一场景的有重叠区域的小尺寸图像，经过配准和变换之后，合成为一幅高质量的、较大的全景图。该技术在计算机视觉、图像处理和计算机图形学等方面都有着重要的应用。现有技术中的图像拼接方法，其步骤如图1所示，包括图像输入、图像预处理、图像配准、图像变换、图像融合、输出全景图。图像预处理，包括数字图像处理的基本操作(如去噪、边缘提取、直方图处理等)、建立图像的匹配模板以及对图像进行某种变换(如傅里叶变换、小波变换等)等操作。图像配准，就是采用一定的匹配策略,找出待拼接图像中的模板或特征点在参考图像中对应的位置,进而确定两幅图像之间的变换关系。图像变换，就是根据模板或者图像特征之间的对应关系,计算出数学模型中的各参数值,从而建立两幅图像的数学变换模型，进而根据建立的数学转换模型,将待拼接图像转换到参考图像的坐标系中。图像融合，就是将待拼接图像的重合区域进行融合得到拼接重构的平滑无缝全景图像。在图像融合的过程中，如果图像序列的重叠区域中存在运动的物体，通常会造成同一物点在图像重叠区域中的绝对位置不同，即产生“鬼影(重影)现象”，极大地损害了融合的效果。最优缝合线法因其对输入拼接图像重叠比例限制小等优点成为为解决“鬼影现象”，提高融合的效果的首选方案。所述最优缝合线搜索即是寻找一条自图像顶端到底端的最优路径使得缝合线经过位置的差异图像像素值之和最小。差异图像一般可定义为两幅图像重叠区域的差图。换言之，即将缝合线经过位置的差异图像像素值之和定义为一个最小化目标函数，寻找使得该目标函数最小的一条缝合线，是一个典型的组合优化问题。有关最优缝合线搜索方面的研究，目前常用的方法包括传统的基于图切割、最短路径、动态规划的方法和非传统的基于智能优化算法的方法，如模拟退火、遗传算法等。传统方法最大的缺陷在于无法找到全局最优，如专利公开号为CN103489154A的专利文献，公开了一种基于目标块检测的缝合线实时调整方法，其能够实时对缝合线进行局部调整，使缝合线绕开运动目标，避免缝合线的全局跳变，但无法找到全局最优的缝合线。基于智能优化算法的方法在理论上可以找到全局最优，因此，在最优缝合线搜索方面的应用越来越广泛。一般地，为求得图像在每行上的最优拼接点，基于智能优化算法的缝合线优选方法需要定义一个与图像像素高相等维数的向量作为染色体，其中染色体的每一位基因代表每一行图像的最优拼接点。考虑到图像高度(像素个数)可能是几千甚至上万，如对于3840×1920(宽×高)的图像，为寻找最优缝合线，需要定义一个1920维的向量，一般的智能优化算法会随着搜索空间(1920个变量)的增大而性能急剧降低。
技术实现思路
本专利技术要解决的技术问题是：提供一种图像拼接方法和生成装置，其最优缝合线的确定方法能处理大规模决策变量，提高缝合线的质量，提高生成的全景图像的效果。本专利技术的解决方案第一方面是这样实现的：一种图像拼接方法，包括图像配准、图像融合和图像输出步骤，具体地，将经过图像配准的源图像，根据最优缝合线进行图像融合，生成输出全景图像，所述最优缝合线的确定方法包括以下步骤：S1、构建图像A和B的差图diffAB，设已知图像A和B重叠区域相同、大小相等且已配准，则图像A和B的差图diffAB为图像A和B的像素值归一化之后的差的绝对值，其中图像A、B和差图diffAB的宽和高分别为W和H；S2、参数设置，设进化代数为maxGen，种群规模为N，当前代数为gen，且gen＝1；初始化种群为S，是指随机生成N条备选缝合线，即N个长度为H的染色体；S3、基于差图diffAB计算N条备选缝合线的适应度，挑选出适应度值最大的染色体Smin；S4、若gen大于maxGen，则跳转到第六步；否则，将染色体的H个变量随机分为k组，即k个子染色体；S5、对分组后的变量逐组优化，每组运行T代，初始化i＝1；S5.1、基于第i组变量构建染色体种群Si，具体操作为将当前种群S的每个染色体中除第i组变量之外的所有变量的值用Smin染色体相应位置的变量值代替；此外，令t＝1；S5.2、基于差图diffAB计算种群Si中染色体的适应度值，挑选出适应度值最大的染色体Smin；S5.3、基于染色体的适应度值，使用轮赌盘策略选择出N个较好的染色体；S5.4、针对步骤S5.3中选择出的较好的染色体，使用交叉变异算子生成新的N个染色体；S5.5、令gen＝gen+1,t＝t+1,若t小于T，则跳转到S5.3；否则令i＝i+1,若i>k,则跳转到步骤S4；否则跳转到步骤S1；S6、输出经步骤S5逐组优化后的当前适应度值最大的一个染色体Smax作为最优缝合线s。本专利技术的另一技术方案在于在上述基础之上，在所述步骤S1之前，还包括图像灰度化处理步骤，具体为将彩色图像A和B转换为灰度图像。本专利技术的另一技术方案在于在上述基础之上，在所述步骤S1中图像A和B的差图diffAB具体为：diffABij＝abs(Aij-Bij)/max(Aij,Bij),其中i和j表示图像的第i行和第j列。本专利技术的另一技术方案在于在上述基础之上，在所述步骤S2中随机生成N条备选缝合线具体为：随机生成N个长度为H的向量，向量中每个变量的值为整数且在闭区间[1,W]内。本专利技术的另一技术方案在于在上述基础之上，在所述步骤S3中基于差图diffAB计算N条备选缝合线的适应度的方法具体为：设备选缝合线为Si，其适应度值为本专利技术的另一技术方案在于在上述基础之上，在所述步骤S4中将染色体的H个变量随机分为k组的具体方法为：将自然数列1到H随机打乱，选取第1个到第个变量作为第一组变量，第个到第个作为第二组变量，依次类推，将第个到第变量作为第k-1组变量，剩余变量作为第k组变量，即前k-1组每组个变量,第k组个变量。本专利技术的另一技术方案在于在上述基础之上，在所述步骤S5.3中使用轮赌盘策略选择出N个较好的染色体的方法具体为：设有个体sa,sb,sc对应的适应度分别为2，3，1，其相应的累计概率则为2/6，(2+3)/6，(2+3+1)/6，生成一个随机数为rand，若rand<2/6，选中个体sa,如果2/6<rand<(2+3)6，选中个体sb，如果(2+3)/6<rand<(2+3+1)/6，选中个体sc。本专利技术的另一技术方案在于在上述基础之上，在所述步骤S5.4中使用交叉变异算子生成新的N个染色体的方法具体为：交叉算子：首先随机从种群S中选择两个个体作为父代染色体，设为s1和s2，每个染色体即代表一条备选缝合线，且有H个基因位，每个基因位代表了一个缝合点；其次检测s1和s2是否满足交叉条件，即s1和s2中是否存在起止位置相同的基因序列且其起止位置的基因值相等，若不满足则重新选择两个个体，本文档来自技高网...

【技术保护点】
一种图像拼接方法，包括图像配准、图像融合和图像输出步骤，其特征在于，将经过图像配准的源图像，根据最优缝合线进行图像融合，生成输出全景图像，所述最优缝合线的确定方法包括以下步骤：S1、构建图像A和B的差图diffAB，设已知图像A和B重叠区域相同、大小相等且已配准，则图像A和B的差图diffAB为图像A和B的像素值归一化之后的差的绝对值，其中图像A、B和差图diffAB的宽和高分别为W和H；S2、参数设置，设进化代数为maxGen，种群规模为N，当前代数为gen，且gen＝1；初始化种群为S，是指随机生成N条备选缝合线，即N个长度为H的染色体；S3、基于差图diffAB计算N条备选缝合线的适应度，挑选出适应度值最大的染色体Smin；S4、若gen大于maxGen，则跳转到第六步；否则，将染色体的H个变量随机分为k组，即k个子染色体；S5、对分组后的变量逐组优化，每组运行T代，初始化i＝1；S5.1、基于第i组变量构建染色体种群Si，具体操作为将当前种群S的每个染色体中除第i组变量之外的所有变量的值用Smin染色体相应位置的变量值代替；此外，令t＝1；S5.2、基于差图diffAB计算种群Si中染色体的适应度值，挑选出适应度值最大的染色体Smin；S5.3、基于染色体的适应度值，使用轮赌盘策略选择出N个染色体；S5.4、针对步骤S5.3中选择出的染色体，使用交叉变异算子生成新的N个染色体；S5.5、令gen＝gen+1,t＝t+1,若t小于T，则跳转到S5.3；否则令i＝i+1,若i>k,则跳转到步骤S4；否则跳转到步骤S1；S6、输出经步骤S5逐组优化后的当前适应度值最大的一个染色体Smax作为最优缝合线s。...

【技术特征摘要】
1.一种图像拼接方法，包括图像配准、图像融合和图像输出步骤，其特征在于，将经过图像配准的源图像，根据最优缝合线进行图像融合，生成输出全景图像，所述最优缝合线的确定方法包括以下步骤：S1、构建图像A和B的差图diffAB，设已知图像A和B重叠区域相同、大小相等且已配准，则图像A和B的差图diffAB为图像A和B的像素值归一化之后的差的绝对值，其中图像A、B和差图diffAB的宽和高分别为W和H；S2、参数设置，设进化代数为maxGen，种群规模为N，当前代数为gen，且gen＝1；初始化种群为S，是指随机生成N条备选缝合线，即N个长度为H的染色体；S3、基于差图diffAB计算N条备选缝合线的适应度，挑选出适应度值最大的染色体Smin；S4、若gen大于maxGen，则跳转到第六步；否则，将染色体的H个变量随机分为k组，即k个子染色体；S5、对分组后的变量逐组优化，每组运行T代，初始化i＝1；S5.1、基于第i组变量构建染色体种群Si，具体操作为将当前种群S的每个染色体中除第i组变量之外的所有变量的值用Smin染色体相应位置的变量值代替；此外，令t＝1；S5.2、基于差图diffAB计算种群Si中染色体的适应度值，挑选出适应度值最大的染色体Smin；S5.3、基于染色体的适应度值，使用轮赌盘策略选择出N个染色体；S5.4、针对步骤S5.3中选择出的染色体，使用交叉变异算子生成新的N个染色体；S5.5、令gen＝gen+1,t＝t+1,若t小于T，则跳转到S5.3；否则令i＝i+1,若i>k,则跳转到步骤S4；否则跳转到步骤S1；S6、输出经步骤S5逐组优化后的当前适应度值最大的一个染色体Smax作为最优缝合线s。2.根据权利要求1所述的图像拼接方法，其特征在于，在所述步骤S1之前，还包括图像灰度化处理步骤，具体为将彩色图像A和B转换为灰度图像。3.根据权利要求1所述的图像拼接方法，其特征在于，在所述步骤S1中图像A和B的差图diffAB具体为：diffABij＝abs(Aij-Bij)/max(Aij,Bij),其中i和j表示图像的第i行和第j列。4.根据权利要求1所述的图像拼接方法，其特征在于，在所述步骤S2中随机生成N条备选缝合线具体为：随机生成N个长度为H的向量，向量中每个变量的值为整数且在闭区间[1,W]内。5.根据权利要求1所述的图像拼接方法，其特征在于，在所述步骤S3中基于差图diffAB计算N条备选缝合线的适应度的方法具体为：设备选缝合线为Si，其适应度值为6.根据权利要求1所述的图像拼接方法，其特征在于，在所述步骤S4中将染色体的H个变量随机分为k组的具体方法为：将自然数列1到H随机打乱，选取第1个到第个变量作为第一组变量，第个到第个作为第二组变量，依次类推，将第个到第变量作为第k-1组变量，剩余变量作为第k组变量，即前k-1组每组个变量,第k组个变量。7.根据权利要求1至6中任一项所述的图像拼接方法，其特征在于：在所述步骤S5.3中使用轮赌盘策略选择出N个染色体的方法具体为：设有个体sa,sb,sc对应的适应度分别为2，3，1，其相应的累计概率则为2/6，(2+3)/6，(2+3+1)/6，生成一个随机数为rand，若rand<2/6，选中个体sa,如果2/6<rand<(2+3)6，选中个体sb，如果(2+3)/6<rand<(2+3+1)/6，选中个体sc。8.根据权利要求7所述的图像拼接方法，其特征在于，在所述步骤S5.4中使用交叉变异算子生成新的N个染色体的方法具体为：交叉算子：首先随机从种群S中选择两个个体作为父代染色体，设为s1和s2，每个染色体即代表一条备选缝合线，且有H个基因位，每个基因位代表了一个缝合点；其次检测s1和s2是否满足交叉条件，即s1和s2中是否存在起止位置相同的基因序列且其起止位置的基因值相等，若不满足则重新选择两个个体，否则进行交叉操作，即交换s1和s2中处于该段基因序列除起止位置的基因值之外的其他基因值；变异算子：首先从交叉操作产生的新种群中随机选择一个个体，记为s3；其次，针对每一位基因(从1到H)，以概率0.9判别是否进行变异操作，即若rand<0.9，不进行变异操作，否则执行变异操作，其中rand为一个位于0...

【专利技术属性】
技术研发人员：陈捷，许治，胡湖，陈丹，荣鹏，
申请(专利权)人：湖南子午天地科技文化发展有限公司，
类型：发明
国别省市：湖南;43