一种快速图像融合方法技术

本发明专利技术公开了一种快速图像融合方法，涉及鱼眼图像拼接技术领域，包括：取出图像融合区；找出最优融合中心线；计算线性映射查找表；根据所述线性映射查找表进行图像融合。找出最优融合中心线步骤包括：计算融合区的边缘特征；计算边缘特征与绝对灰度差值的和；寻找最小累加差值及其路径从而得到最优融合中心线。本方法综合计算了融合区内图像的灰度差异和边缘特征，规划路径避开图像中内容丰富区域，再利用动态迭代方法进行最优融合中心线搜索，解决了融合区图像模糊问题，图像真实清晰，大大提高图像拼接结果的效果。同时极大降低了计算的复杂度，降低了对系统资源的需求。

A fast image fusion method

The invention discloses a fast image fusion method, which relates to the technical field, including: remove the fisheye image mosaic image fusion area; to find out the optimal fusion center line; calculation of linear mapping lookup table; according to the linear mapping lookup table for image fusion. The steps of finding the optimal fusion centerline include calculating the edge feature of the fusion area, calculating the sum of the edge feature and the absolute gray value, searching for the minimum accumulated difference and its path, thus obtaining the optimal fusion centerline. The calculation method of comprehensive gray difference between the fusion zone and the image edge feature of image planning path avoiding rich region, using dynamic iterative method for optimal fusion center line search to solve the problem of fuzzy image fusion area, the image is true and clear, greatly improve the effect of image mosaic effect. At the same time, it greatly reduces the computational complexity and reduces the demand for system resources.

【技术实现步骤摘要】
一种快速图像融合方法
本专利技术涉及图像通信
，尤其是涉及鱼眼图像拼接

技术介绍
鱼眼图像拼接是一种利用实景图像组成全景空间的技术，目前的鱼眼图像拼接技术主要有两种方案：第一种方案是用一个常规镜头的投影变换和多项式畸变校正技术用校正模板图像对镜头畸变参数进行畸变校正，生成一组中间校正后的2D图像，然后采用2D图像配准技术对校正后的图像元进行2D配准，最后对配准的两幅图像进行融合。第二种方案是把鱼眼图像的径向畸变校正参数和图像元的位姿参数作为一体，整体用最优化技术进行参数估计，最后调用参数映射表对镜头单元图像进行图像拼接。这些方法在图像融合过程中如果采用直接融合的方法(例如：平均值法、加权平均法、中值滤波法)，会导致生成的全景图像因为重叠区域的细节差异而出现明显的拼接缝。为了解决拼接缝这个技术问题，目前常用的方法是采用动态规划和graph-cut的方法来查找最优融合中心线，具体来说就是利用两幅图像重叠区域内像素之间的灰度差异和颜色差异，在重叠区域中找到一条灰度和颜色差异最小的线，这条线就被称为最优融合中心线。在中国专利公布号CN105957007A中介绍了一种基于最优融合线的加权融合方法，它采用graph-cut的最优缝合线算法来找出重合区域中差异最小的划分线，然后利用加权平均法在最优缝合线L周围对待拼接的图像像素值进行融合，该最优缝合线算法基于像素级寻找差异最小的划分线，在对重叠区域中内容丰富的地方进行加权平均融合时，会产生较大的模糊现象。在中国专利公布号CN103856727A中介绍了一种结合颜色和结构差异最小的最优缝合线算法，利用人工智能中的启发式A*搜索算法计算平均累计误差值最小的线作为最优缝合线，该方法计算复杂，运算量大，占用系统资源多。采用现有技术中的方法生成的全景图像，容易出现模糊、拼接错位等现象，生成的全景图像效果不佳，同时占用大量的系统资源，对硬件配置的要求极高。
技术实现思路
本专利技术为克服图像拼接后模糊的问题，旨在提供一种寻找最优融合中心线融合后得到清晰鱼眼图像的方法。一种快速图像融合方法，所述方法包括：获取同一时刻鱼眼镜头采集的多幅鱼眼图像，从中取出融合区；在所述融合区内找出最优融合中心线；利用所述最优融合中心线计算线性映射查找表；根据所述线性映射查找表进行图像融合；在所述融合区内找出最优融合中心线的步骤包括：计算融合区的边缘特征；计算边缘特征与绝对灰度差值的和；寻找最小累加差值及其路径从而得到最优融合中心线；所述计算融合区的边缘特征的具体步骤如下：利用Canny边缘检测算子提取所述融合区中相互重叠的区域I1和I2的边缘特征，其中第一步：利用高斯滤波模板平滑I1和I2：首先生成方差σ＝1.4的高斯滤波模板h(x，y，σ)，然后对I1和I2进行高斯平滑处理，得到去除噪声后的相互重叠区域g1(x，y)和g2(x，y)，I1和I2内(x,y)处灰度化后灰度值分别用I1(x,y)和I2(x,y)表示，所用公式如下所示：第二步：利用一阶偏导的有限差分进行计算梯度的幅值和方向：已经平滑滤波后的相互重叠区域g1(x，y)和g2(x，y)的梯度可以用2*2的一阶有限差分近似式来计算x和y方向上的偏导数；以g1(x，y)为例，g1(x，y)在x和y方向上的偏导数分别为Gx(x，y)和Gy(x，y)表示：根据x与y方向的梯度可以计算g1(x，y)像素点的梯度幅值G(x，y)与角度θ(x，y)：第三步：对梯度幅值进行非极大值抑制；将梯度角离散为圆周的四个扇区之一，然后用3*3的模板作抑制运算；对于每个像素点，邻域的中心像素梯度值G(x，y)与沿着梯度线的两个像素的梯度值相比，如果G(x，y)不比沿梯度线的两个相邻像素梯度值大，则令G(x，y)＝0；第四步：用双阈值算法检测和连接边缘：对非极大值抑制后的g1(x，y)用低阈值t1和高阈值t2进行判断，其中t1＝0.4×t2；把任意边缘像素梯度值小于t1的像素丢弃，把任意边缘像素梯度值大于t2的像素保留，把任意边缘像素梯度值在t1与t2之间的，如能通过边缘连接到一个像素大于t2而且边缘所有像素大于最小阈值t1的则保留，否则丢弃；对一个融合区，利用双阈值算法检测得到融合区的边缘特征G1(x，y)和G2(x，y)；所述计算边缘特征与绝对灰度差值的和的具体步骤如下：计算对准之后重叠区域中像素对的绝对灰度差值imgdiff，像素对的绝对灰度差值计算方法如下：将边缘特征G1(x，y)和G2(x，y)叠加到绝对灰度差值imgdiff(x，y)中；所述寻找最小累加差值及其路径从而得到最优融合中心线的具体步骤如下：选取32个起始点，并将其初始位置保存在path中；在极小邻域内计算每个起始点走过一行的最小累加误差及其最小路径；获取最小累加差值及其路径；寻找最小累加差值及其路径从而得到最优融合中心线：选取32个起始点，并将其初始位置保存在path中；在极小邻域内计算每个起始点走过一行的最小累加误差及其最小路径；获取最小累加差值及其路径；所述选取32个起始点并将其初始位置保存在path中的具体步骤如下：获取边缘特征与绝对灰度差值的和Imgdiff(x，y)，将其第一行中间的32个像素作为生长起始点，并将这32个起始点在Imgdiff(x，y)中的位置保存在path(x，y)中，这32个起始点的像素值作为第一行的最小累加差值保存在acc_error(cur，y)中，同时将其赋值给acc_error(pre，y)，其中i∈1......32。所述在极小邻域内计算每个起始点走过一行的最小累加误差及其最小路径的具体步骤如下：对于acc_error(pre，y)中的每一元素，我们限定它在Imgdiff(x，y)的所有路径在一个极小的邻域w中，其中3≤w≤5。获取每一路径点在融合区内当前行的位置信息，找出与这些位置相对应的Imgdiff(x，y)的邻域，然后在这一邻域内计算所有元素的最小值，将它与acc_error(pre，y)进行叠加，就可以得到acc_error(cur，y)，同时将邻域内取得最小值的位置保存在path(x，y)中；最小累加差值的计算公式如下：acc_error_min＝min(Imgdiff(x，path(x-1，y))，Imgdiff(x，path(x-1，y)+1)，Imgdiff(x，path(x-1，y)-1))所述获取最小累加差值及其路径的具体步骤如下：逐行从上至下遍历整个融合区，得到从所有路径起始点开始走过整个融合区的最小累加差值以及与之对应的最小路径线。在最后一行的acc_error(cur，y)中选取最小的那个元素所在的位置，找到这个位置在path(x，y)矩阵中对应的那一列，即找出的最优融合中心线的位置。所述利用最优融合中心线计算线性映射查找表的具体步骤如下：其中blend_w表示进行实际线性融合宽度；作为一个优选的实施例，所述计算融合区的边缘特征的步骤与计算边缘特征与绝对灰度差值的和的步骤之间还包括如下步骤：计算边缘特征的差异性同时利用这个差异性使相互重叠的区域对准；该步骤包括如下子步骤：计算边缘特征G1(x，y)和G2(x，y)的绝对误差值dg(x，y)：对绝对误差值按列求和得到累加误差值向量Dg(y)：移动重叠区域使计算的边本文档来自技高网...

【技术保护点】
一种快速图像融合方法，其特征在于，所述方法包括：获取同一时刻鱼眼镜头采集的多幅鱼眼图像，从中取出融合区；在所述融合区内找出最优融合中心线；利用所述最优融合中心线计算线性映射查找表；根据所述线性映射查找表进行图像融合；在所述融合区内找出最优融合中心线的步骤包括：计算融合区的边缘特征；计算边缘特征与绝对灰度差值的和；寻找最小累加差值及其路径从而得到最优融合中心线；所述计算融合区的边缘特征的具体步骤如下：利用Canny边缘检测算子提取所述融合区中相互重叠的区域I

【技术特征摘要】
1.一种快速图像融合方法，其特征在于，所述方法包括：获取同一时刻鱼眼镜头采集的多幅鱼眼图像，从中取出融合区；在所述融合区内找出最优融合中心线；利用所述最优融合中心线计算线性映射查找表；根据所述线性映射查找表进行图像融合；在所述融合区内找出最优融合中心线的步骤包括：计算融合区的边缘特征；计算边缘特征与绝对灰度差值的和；寻找最小累加差值及其路径从而得到最优融合中心线；所述计算融合区的边缘特征的具体步骤如下：利用Canny边缘检测算子提取所述融合区中相互重叠的区域I1和I2的边缘特征，其中第一步：利用高斯滤波模板平滑I1和I2：首先生成方差σ＝1.4的高斯滤波模板h(x，y，σ)，然后对I1和I2进行高斯平滑处理，得到去除噪声后的相互重叠区域g1(x，y)和g2(x，y)，I1和I2内(x,y)处灰度化后灰度值分别用I1(x,y)和I2(x,y)表示，所用公式如下所示：第二步：利用一阶偏导的有限差分进行计算梯度的幅值和方向：已经平滑滤波后的相互重叠区域g1(x，y)和g2(x，y)的梯度可以用2*2的一阶有限差分近似式来计算x和y方向上的偏导数；以g1(x，y)为例，g1(x，y)在x和y方向上的偏导数分别为Gx(x，y)和Gy(x，y)表示：根据x与y方向的梯度可以计算g1(x，y)像素点的梯度幅值G(x，y)与角度θ(x，y)：第三步：对梯度幅值进行非极大值抑制；将梯度角离散为圆周的四个扇区之一，然后用3*3的模板作抑制运算；对于每个像素点，邻域的中心像素梯度值G(x，y)与沿着梯度线的两个像素的梯度值相比，如果G(x，y)不比沿梯度线的两个相邻像素梯度值大，则令G(x，y)＝0；第四步：用双阈值算法检测和连接边缘：对非极大值抑制后的g1(x，y)用低阈值t1和高阈值t2进行判断，其中t1＝0.4×t2；把任意边缘像素梯度值小于t1的像素丢弃，把任意边缘像素梯度值大于t2的像素保留，把任意边缘像素梯度值在t1与t2之间的，如能通过边缘连接到一个像素大于t2而且边缘所有像素大于最小阈值t1的则保留，否则丢弃；对一个融合区，利用双阈值算法检测得到融合区的边缘特征G1(x，y)和G2(x，y)；所述计算边缘特征与绝对灰度差值的和的具体步骤如下：计算对准之后重叠区域中像素对的绝对灰度差值imgdiff，像素对的绝对灰度差值计算方法如下：将边缘特征G1(x，y)和G2(x，y)叠加到绝对灰度差值imgdiff(x，y)中；所述寻找最小累加差值及其路径从而得到最优融合中心线的具体步骤如下：选取32个起始点，并将其初始位置保存在path中；在极小邻域内计算每个起始点走过一行的最小累加误差及其最小路径；获取最小累加差值及其路径；寻找最小累加差值及其路径从而得到最优融合中心线：选取32个起始点，并将其初始位置保存在path中；在极小邻域内计算每个起始点走过一行的最小累加误差及其最小路径；获取最小累加差值及其路径；所述选取32个...

【专利技术属性】
技术研发人员：不公告发明人，
申请(专利权)人：长沙全度影像科技有限公司，
类型：发明
国别省市：湖南,43