一种面向图像拼接的RANSAC改进方法技术

本发明专利技术公开了一种面向图像拼接的RANSAC改进方法，其涉及计算机视觉领域。该方法通过提取图像特征点，借助SURF(Speeded‑Up Robust Features)算法的思想，基于Sobel算子，在剔除误配点时，采用改进的概率随机抽样一致性(RANSAC)算法，通过不断调整采样概率，从而以更少的时间获取正确模型，有效地提高了算法效率。在图像融合时，先进行亮度均衡预处理，再用加权平滑算法进行融合，从而消除结果图的拼接线和过渡带，提高图像拼接质量。

【技术实现步骤摘要】
一种面向图像拼接的RANSAC改进方法
本专利技术涉及计算机视觉领域，特指一种面向图像拼接的RANSAC改进方法。
技术介绍
图像拼接是计算机视觉和图像处理领域的研究热点，它是将多幅相互间存在重叠部分的图像序列进行空间匹配对准，经重采样融合后形成一幅包含各图像序列信息的、宽视角场景、高清晰的新图像。图像拼接过程有3个主要步骤：图像预处理、图像匹配和图像融合，其中图像匹配是最重要的一个步骤。SURF(Speeded-UpRobustFeatures)算法是运用最广泛的特征匹配算法之一，但是在SURF提取特征点后，必须剔除误匹配点，常用概率随机抽样一致性(RANSAC)进行误匹配点剔除。RANSAC是种采用迭代法来估计参数的数学模型，在用传统的RANSAC计算参数进行精配准时，迭代次数越多，运算越耗时，影响了图像拼接的效率。传统的RANSAC算法在初始化模型时所选取的特征点是完全随机的，并没有一定的约束规则，导致算法的实时性降低。
技术实现思路
本专利技术要解决的技术问题为提出一种能够有效地提高图像拼接的质量和拼接速率的面向图像拼接的RANSAC改进方法。为解决上述技术问题，本专利技术的技术本文档来自技高网...

【技术保护点】
一种面向图像拼接的RANSAC改进方法，其特征是，包括如下步骤：第一步：特征点提取与描述子的生成；第二步：特征匹配；第三步：采用改进的RANSAC方法进行图像配准；第四步：采用直方图均衡化方法对输入图像进行亮度预处理，使输入图像亮度达到均衡，然后再使用加权平均融合法进行图像融合。

【技术特征摘要】
1.一种面向图像拼接的RANSAC改进方法，其特征是，包括如下步骤：第一步：特征点提取与描述子的生成；第二步：特征匹配；第三步：采用改进的RANSAC方法进行图像配准；第四步：采用直方图均衡化方法对输入图像进行亮度预处理，使输入图像亮度达到均衡，然后再使用加权平均融合法进行图像融合。2.根据权利要求1所述的一种面向图像拼接的RANSAC改进方法，其特征在于，所述第一步中所述特征点提取具体包括以下步骤：(1.1)Sobel算子采用3×3的模块进行卷积计算，其函数矩阵为(1.2)采用和两个卷积模板，利用该两个卷积模板分别计算出横向边缘检测Gx和纵向边缘检测Gy：(1.3)由Gx，Gy可以计算得出然后将提前设定的阈值和G(x,y)相比，如果阈值小于G(x,y)，则该像素点(i,j)为边缘点，将该边缘点提取为特征点。3.根据权利要求2所述的一种面向图像拼接的RANSAC改进方法，其特征在于，所述第一步中所述描述子的生成包括以下步骤：(2.1)以提取的特征点为中心，对半径为6σ的圆域内的任一点，求该圆域内的任一点在x和y方向上的haar小波响应系数；(2.2)所述圆域内的任一点到特征点中心的距离为一个半径，然后以该一个半径为起点，取50°的扇形区域为计算区域，然后令该扇形区域在该半径为6σ的圆域内逆时针方向旋转，每隔30°分别对这个扇形区域内x和y方向的haar小波系数的和进行计算；(2.3)该haar小波系数的和形成一个向量，总共有12个向量，确定这12个向量中模最大的一个向量，然后将该模最大的一个向量的方向作为特征点的主方向；(2.4)然后选取Step1所检测到的一个特征点，并以该特征点为中心，将坐标系旋转到所述主方向，并作一个边长为20σ的正方形区域，将该正方形区域分为4×4的小区域，分别计算每一个小区域像素的x和y方向的haar小波系数，每一个小区域在计算时的边长为5σ×5σ，方向和主方向一致；(2.5)将步骤(4)求得的正方形区域内的每一像素点的x和y方向的haar小波系数进行求和操作，分别得到dx和dy，然后将该正方形区域的每一点像素的haar小波系数的绝对值求和，分别得到∑dx，∑dy；(2.6)每个小区域内得到一个向量v＝[∑dx,∑dy,∑|dx|,∑|dy|]，所述正方形区域包括16个小区域，16个小区域的窗口向量构成了该描述子，其维数大小为4×4×4＝64。4.根据权利...

【专利技术属性】
技术研发人员：颜微，马昊辰，
申请(专利权)人：湖南源信光电科技股份有限公司，
类型：发明
国别省市：湖南,43