一种用于柱面全景拼接的鲁棒性图像对齐方法及装置制造方法及图纸

本发明专利技术公开一种用于柱面全景拼接的鲁棒性图像对齐方法及装置，该方法包括获取图像样本集并对图像进行预处理；从图像样本集中取两幅图像I

【技术实现步骤摘要】
一种用于柱面全景拼接的鲁棒性图像对齐方法及装置
本专利技术涉及图像信息处理
，尤其是一种用于柱面全景拼接的鲁棒性图像对齐方法及装置。
技术介绍
柱面全景图象能够提供比普通图像更大的视场范围，在遥感、环境监测、机器人定位等典型应用中具有重要意义。根据图像采集设备的不同，现有柱面全景图象的创建方法大致可以分为三类：第一类方法采用特殊光学器件(比如：全向视觉传感器)拍摄单幅图像；第二类方法采用由多个同步相机组成的全景拍摄装置进行拍摄；第三类方法采用单个普通相机旋转拍摄一组具有重叠视域的图像序列，然后将多幅图像拼接融合为最终的全景图象，这类方法使用灵活且成本低廉，使用非常普遍。采用上述第三类方法构建柱面全景图的关键步骤是图像对齐，即实现图像水平方向的配准。在场景纹理丰富的情况下，可通过SIFT(D.GLowe.Distinctiveimagefeaturesfromscale-invariantkeypoints.InternationalJournalofComputerVision,60(2):91–110,2004.)、SURF(B本文档来自技高网...

【技术保护点】
1.一种用于柱面全景拼接的鲁棒性图像对齐方法，其特征在于，包括：/n获取图像样本集，并对所述图像样本集中的图像进行预处理；/n从所述图像样本集中取两幅图像I

【技术特征摘要】
1.一种用于柱面全景拼接的鲁棒性图像对齐方法，其特征在于，包括：
获取图像样本集，并对所述图像样本集中的图像进行预处理；
从所述图像样本集中取两幅图像IL和IR，并依次对所述IL和IR进行缩放、正叠加和反叠加；
分别将正叠加和反叠加后的图像输入训练好的卷积神经网络模型中进行IL和IR的粗对齐，以获得所述IL和IR之间的水平位移初始值dLR；
利用数值迭代优化方法对水平位移初始值dLR进行调优，获得最佳水平位移从而完成鲁棒性图像对齐。


2.如权利要求1所述的用于柱面全景拼接的鲁棒性图像对齐方法，其特征在于，所述预处理为对所述图像样本集中的所有图像进行灰度处理，并使所有图像的尺寸相同。


3.如权利要求1所述的用于柱面全景拼接的鲁棒性图像对齐方法，其特征在于，所述卷积神经网络模型为轻量级卷积神经网络模型，依次包括：
特征提取层，用于在四个不同尺度上提取输入图像数据的高维特征；
特征处理层，用于对所述高维特征进行处理形成图像特征；
输出层，用于对所述图像特征进行转化以输出IL和IR之间的水平位移初始值dLR。


4.如权利要求3所述的用于柱面全景拼接的鲁棒性图像对齐方法，其特征在于，所述特征提取层包括若干卷积层、批规一化层和矫正线性单元激活层；所述特征处理层包括卷积层和自适应平均池化层；所述输出层包括全连接层和双曲正切操作层。


5.如权利要求1、3或4所述的用于柱面全景拼接的鲁棒性图像对齐方法，其特征在于，所述卷积神经网络模型的训练过程为：
构建训练图像集；
搭建卷积神经网络模型并对卷积神经网络模型的参数初始化；
用训练图像集对卷积神经网络模型进行训练，以确定卷积神经网络模型的权重参数，获得训练好的卷积神经网络模型。


6.如权利要求5所述的用于柱面全景拼接的鲁棒性图像对齐方法，其特征在于，所述训练图像集的构建过程为：
从历史数据集中随机抽取一幅原始图像Io，并对所述Io进行灰度处理和缩放，得到Ic；
从图像Ic中提取两个像素大小一样的区域，记两个区域对应的图像分块为Il和Ir，图...

【专利技术属性】
技术研发人员：康来，蒋杰，魏迎梅，谢毓湘，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：湖南;43