一种全景拼接图像排序方法及装置制造方法及图纸

本发明专利技术涉及图像处理技术领域，尤其是一种全景拼接图像排序方法及装置。其方法为：S101.采集两幅以上待拼接的全景分区图；S102.将所得全景分区图进行图像特征提取；S103.将所得全景分区图进行图像特征匹配；S104.计算所得全景分区图图像特征匹配成功的特征点对数；S105.选取图像特征匹配成功最多的全景分区图作为基准平面，计算每幅全景分区图图像与所述基准平面图像特征匹配成功的特征点对数，按照图像特征匹配成功的特征点对数进行排序；S106.输出有序的图像。按照计算全景分区图图像特征匹配成功的特征点对数进行排序，输出有序图像，对后续进行图像拼接提供巨大的便利，也避免拼接过程出现错误。

【技术实现步骤摘要】

本专利技术涉及图像处理
，尤其是一种全景拼接图像排序方法及装置。
技术介绍
在监控系统快速发展的今天，系统规模越来越大，监控点越来越多，工作人员面对越来越多的监控图像已无暇顾及，随着监控范围的不断扩大，需要对整座桥梁、机场、很长一段公路或者高层建筑进行监控，大多数摄像机的视场达不到这样大的监控范围，因此对大视场视频监控的要求逐渐增多，逐渐形成了一种高端需求。视频全景拼接作为一种解决方案，也得到了越来越多的关注。早期的图像拼接技术基本属于手动拼接，需要指定图像顺序。现有的拼接算法不能实现对输入图像的自动拼接主要原因是图像在拍摄后移动，存储的过程中导致图像顺序混乱，算法往往按照默认顺序或者规则进行拼接，从而导致图像拼接失败。因此，尤其需要一种全景拼接图像排序方法及装置，实现图像自动排序。
技术实现思路
本专利技术所要解决的技术问题是：提供一种全景拼接图像排序方法及装置，实现图像自动排序。为了解决上述技术问题，本专利技术采用的技术方案为：一种全景拼接图像排序方法，包括：S101、采集两幅以上待拼接的全景分区图；S102、将S101所得全景分区图进行图像特征提取；S103、将S102所得全景分区图进行图像特征匹配；S104、计算S103所得全景分区图图像特征匹配成功的特征点对数；S105、选取图像特征匹配成功最多的全景分区图作为基准平面，计算每幅全景分区图图像与所述基准平面图像特征匹配成功的特征点对数，按照图像特征匹配成功的特征点对数进行排序；S106、输出有序的图像。本专利技术采用的另一技术方案为：一种全景拼接图像排序装置，包括依次连接的图像采集模块、特征提取模块、特征匹配模块、计算模块、排序模块和图像输出模块；所述图像采集模块，用于采集两幅以上待拼接的全景分区图；所述特征提取模块，用于将采集到的两幅以上待拼接的全景分区图进行图像特征提取；所述特征匹配模块，用于将特征提取过的两幅以上待拼接的全景分区图进行图像特征匹配；所述计算模块，用于计算图像特征匹配后所得全景分区图图像特征匹配成功的特征点对数；所述排序模块，用于选取图像特征匹配成功最多的全景分区图作为基准平面，计算每幅全景分区图图像与所述基准平面图像特征匹配成功的特征点对数，按照图像特征匹配成功的特征点对数进行排序；所述图像输出模块，用于输出有序的图像。本专利技术的有益效果在于：通过对采集到的所述全景分区图进行图像特征提取、图像特征匹配，计算所得全景分区图图像特征匹配成功的特征点对数，选取图像特征匹配成功最多的全景分区图作为基准平面，计算每幅全景分区图图像与所述基准平面图像特征匹配成功的特征点对数，按照图像特征匹配成功的特征点对数进行排序，输出有序的图像，对后续进行图像拼接提供了巨大的便利，也避免拼接过程出现错误现象。附图说明图1为本专利技术具体实施方式全景拼接图像排序方法的步骤图；图2为本专利技术具体实施方式中的尺度空间极值检测的示意图；图3为本专利技术具体实施方式中提取sift特征点生成本地特征描述符的示意图；图4为本专利技术具体实施方式中的灰色区域积分的示意图；图5为本专利技术具体实施方式中提取surf特征点生成本地特征描述符的示意图；图6为本专利技术具体实施方式中提取到的harris角点的示意图；图7为本专利技术具体实施方式具体排序示意图；图8为本专利技术具体实施方式全景拼接图像排序装置的结构示意图；标号说明：10、图像采集模块；20、特征提取模块；30、特征匹配模块；40、计算模块；50、排序模块；60、图像输出模块。具体实施方式为详细说明本专利技术的
技术实现思路
、所实现目的及效果，以下结合实施方式并配合附图予以说明。本专利技术最关键的构思在于：选取图像特征匹配成功最多的全景分区图作为基准平面，计算每幅全景分区图图像与所述基准平面图像特征匹配成功的特征点对数，按照图像特征匹配成功的特征点对数进行排序。请参照图1，为本专利技术具体实施方式全景拼接图像排序方法步骤图，具体如下：一种全景拼接图像排序方法，包括：S101、采集两幅以上待拼接的全景分区图；S102、将S101所得全景分区图进行图像特征提取；S103、将S102所得全景分区图进行图像特征匹配；S104、计算S103所得全景分区图图像特征匹配成功的特征点对数；S105、选取图像特征匹配成功最多的全景分区图作为基准平面，计算每幅全景分区图图像与所述基准平面图像特征匹配成功的特征点对数，按照图像特征匹配成功的特征点对数进行排序；S106、输出有序的图像。从上述描述可知，本专利技术的有益效果在于：通过对采集到的所述全景分区图进行图像特征提取、图像特征匹配，计算所得全景分区图图像特征匹配成功的特征点对数，选取图像特征匹配成功最多的全景分区图作为基准平面，计算每幅全景分区图图像与所述基准平面图像特征匹配成功的特征点对数，按照图像特征匹配成功的特征点对数进行排序，输出有序的图像，对后续进行图像拼接提供了巨大的便利，也避免拼接过程出现错误现象。进一步的，所述步骤S102中“特征提取”采用提取sift、surf或harris特征点。所述提取sift特征点步骤：1)尺度空间极值检测，初步确定关键点位置和所在尺度。通过高斯核函数与图像的卷积来实现二维图像的尺度空间。G(x,y,σ)=12πσ2e-(x2+y2)/2σ2;]]>在检测尺度空间极值时，图2中标记为叉号的像素需要跟包括同一尺度的周围邻域8个像素和相邻尺度对应位置的周围邻域9×2个像素总共26个像素进行比较，以确保在尺度空间和二维图像空间都检测到局部极值；2)精确定位特征点的位置，通过拟合三维二次函数以精确确定关键点的位置和尺度，同时去除低对比度的关键点和不稳定的边缘响应点；在关键点处用泰勒展开式得到：D(X)=D+∂DT∂XX+12XT∂2D∂X2X;]]>式中，X＝(x,y,σ)T为关键点的偏移量，D是在D(x,y,σ)关键点处的值；3)确定特征点的主方向；m(x,y)=(L(x+1,y)-L(x-1,y))2+(L(x,y+1)-L(x,y-1))2]]>θ(x,y)=atan2((L(x,y+1)-L(x,y-1))/(L(x+1,y)-L(x-1,y)));]]>4)生成本地特征描述符；首先本文档来自技高网...

【技术保护点】
一种全景拼接图像排序方法，其特征在于，包括：S101、采集两幅以上待拼接的全景分区图；S102、将S101所得全景分区图进行图像特征提取；S103、将S102所得全景分区图进行图像特征匹配；S104、计算S103所得全景分区图图像特征匹配成功的特征点对数；S105、选取图像特征匹配成功最多的全景分区图作为基准平面，计算每幅全景分区图图像与所述基准平面图像特征匹配成功的特征点对数，按照图像特征匹配成功的特征点对数进行排序；S106、输出有序的图像。

【技术特征摘要】
1.一种全景拼接图像排序方法，其特征在于，包括：
S101、采集两幅以上待拼接的全景分区图；
S102、将S101所得全景分区图进行图像特征提取；
S103、将S102所得全景分区图进行图像特征匹配；
S104、计算S103所得全景分区图图像特征匹配成功的特征点对数；
S105、选取图像特征匹配成功最多的全景分区图作为基准平面，计算每幅
全景分区图图像与所述基准平面图像特征匹配成功的特征点对数，按照图像特
征匹配成功的特征点对数进行排序；
S106、输出有序的图像。
2.根据权利要求1所述的全景拼接图像排序方法，其特征在于，所述步骤
S102中“特征提取”采用提取sift、surf或harris特征点。
3.根据权利要求1所述的全景拼接图像排序方法，其特征在于，所述步骤
S103中“特征匹配”采用欧式距离进行特征匹配。
4.根据权利要求1所述的全景拼接图像排序方法，其特征在于，所述步骤
S105具体为：
S1051、选取图像特征匹配成功最多的全景分区图作为基准平面；
S1052、计算每幅全景分区图图像与步骤S1051所得基准平面图像特征匹配
成功的特征点对数；
S1053、选择图像特征匹配成功的特征点对数大于0的图像，按照图像特征
匹配成功的特征点对数由多到少进行排序；
S1054、选择所述基准平面的下一幅图像作为基准平面，计算未排序的全景
分区图图像与所述基准平面图像特征匹配成功的特征点对数，返回步骤S1053，
直至所有全景分区图图像完...

【专利技术属性】
技术研发人员：魏园波，
申请(专利权)人：深圳英飞拓科技股份有限公司，
类型：发明
国别省市：广东;44