一种高动态范围三维图像配准方法技术

本发明专利技术公开了一种高动态范围三维图像配准方法，其涉及计算机视觉领域，该方法改进的SURF特征描述符结合Haar‑like特征，增加了对边和对角特征的描述，在匹配过程中，改进RANSAC算法选择相对优质的特征匹配点对作为初始数据，以减小初始模型参数不确定性，提高配准的准确性。改进的SURF算法解决了在三维视差不能忽略的情况下，多曝光图像序列的配准问题，并且算法具有较快的速度，适合域实时配准情形。

【技术实现步骤摘要】
一种高动态范围三维图像配准方法
本专利技术涉及计算机视觉领域，具体涉及一种高动态范围三维图像配准方法。
技术介绍
近年来，高动态范围图像合成(HighDynamicRangeImageComposition)技术获得了高新发展。真实世界场景往往具有很高的动态范围，而传统数码照相机由于只具有有限的位深度，难以捕捉到完整的动态范围。一个弥补措施是通过拍摄多张相同场景不同曝光度的图像并合成，间接恢复出完整的动态范围，在通过色调映射算法，将高动态图像压缩显示在低动态范围显示部件上(如LCD,CRT)，实现图像质量的提升。在数码相机成像的基本过程中，相机的输出主要由两个因素决定，其一是场景的光线辉度，在短时摄影中基本保持不变。另一因素是相机自身参数，在光圈、增益等一定时，主要由曝光时间决定。输出图像的灰度级和场景光线辉度之间的关系，可以用相机相应函数表示。利用相机响应曲线，可以将多曝光图像映射到光线辉度域上，对辉度空间的图像进行加权平均即得到对数HDR图像。但在合成之前，一个重要的问题是拍摄过程中图像的抖动和场景的运动，以及目标本身三维结构在运动中造成的视差，故一个准确的配准过程十分重要。To本文档来自技高网...

【技术保护点】
一种高动态范围三维图像配准方法，其特征在于，包括如下步骤：第一步，提取基于Haar‑like特征改进的SURF描述子；第二步，采用双向FLANN近邻匹配方法进行特征匹配；第三步，采用改进的RANSAC算法进行误匹配点的剔除。

【技术特征摘要】
1.一种高动态范围三维图像配准方法，其特征在于，包括如下步骤：第一步，提取基于Haar-like特征改进的SURF描述子；第二步，采用双向FLANN近邻匹配方法进行特征匹配；第三步，采用改进的RANSAC算法进行误匹配点的剔除。2.根据权利要求1所述的一种高动态范围三维图像配准方法，其特征在于，所述第一步具体包括以下内容：采用SURF算法进行快速Hessian算子检测得到特征点，随后对特征点进行精确定位，确定主方向，并构造特征向量；以特征点为中心，首先将坐标轴旋转到所述主方向，按照所述主方向选取边长为20s的正方形区域，其中s为采样步长；将该正方形区域划分为4×4的子区域，在每一个子区域内，计算5s×5s范围内的小波响应，相对于主方向水平、垂直方向的Haar小波响应分别记做dx和dy，赋予响应值dx和dy以权值系数；并引入Haar-like特征的线特征和对角特征，对线特征和对角特征的响应分别记作dl和dd，然后将每个子区域的响应以及响应的绝对值相加，并在每个子区域形成八维分量的矢量：V＝(∑dx,∑|dx|,∑dy,∑|dy|,∑dl,∑|dl|,∑dd,∑|dd|)(2)因此，对每一特征点，则形成4×4×8＝512维的描述向量，再进行向量的归一化。3.根据权利要求1所述的一种高动态范围三维图像配准方法，其特征在于，所述第二步具体包括以下内容：设参考图像I1的特征点x在待配准图像I2中的最近邻特征点为m，点x在图像I2中的次近邻特征点为n，点x、m与n的特征向量分别为Fx、Fm与Fn，则FLANN近邻匹配的主要步骤如下：Step1：计算点m、n与点x的欧氏距离dmx和dnx：Step2：计算距离比值R＝dmx/dnx；Step3：...

【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