一种基于重叠子区域的超大图像配准拼接方法技术

本发明专利技术公开了一种基于重叠子区域的超大图像配准拼接方法。现有方法难以对超大图进行像拼接等处理。本发明专利技术方法首先读取参考超大图像和待匹配图像，构建图像金字塔，再从图像金字塔层中获取合适尺寸的降采样子图进行特征提取并完成匹配，解算出参考超大图像和待匹配图像的重叠区域；然后将重叠区域划分为多个子区域，统计得到特征数量最多的子区域，再次进行特征提取和匹配；最后根据子区域的匹配参数解算出参考超大图像和待匹配图像间的配准参数。本发明专利技术方法能够确保配准精度不降低的情况下，有效提高计算速度。

【技术实现步骤摘要】
一种基于重叠子区域的超大图像配准拼接方法
本专利技术属于图像处理
，尤其是二维图像匹配
，具体涉及一种基于重叠子区域的超大图像配准拼接方法。
技术介绍
图像配准是图像处理领域一项基本问题和关键技术之一，是计算机视觉与模式识别领域基础且重要的研究热点之一。图像配准是把存在平移、旋转、缩放以及畸变的两幅或多幅对同一场景在不同视角或利用不同传感器得到的图像间的变换关系确定出来。随着传感器技术以及图像成像技术的发展，图像配准所要处理的图像既多样多元化，又朝着既大幅又精细的方向发展。而目前成熟的图像配准技术针对的图像都是2000×2000像素以内的相对较小的图像，而对像素数达到5000×5000或者10000×10000，甚至更大幅的图像的处理算法，尤其是超大幅图像配准处理算法，受限于超大幅图像本身的数据量很大，利用传统的图像配准方法对图像整体计算特征，完成特征匹配及超大图像的拼接等处理，计算量巨大的同时，耗时也大，常常达到十几分钟甚至几十分钟，不能满足实时性的需求。
技术实现思路
本专利技术的目的就是针对现有技术的不足，提供一种基于重叠子区域的超大图像配准拼接方法，以解决超大幅图像匹配效率低，实时性差的问题。本专利技术方法具体是：步骤(1)利用GDAL库读取参考超大幅图像A和待匹配超大幅图像B；步骤(2)构建参考超大幅图像A和待匹配超大幅图像B的图像金字塔，读取指定金字塔层，进行特征匹配，解算参考超大幅图像A与待匹配超大幅图像B的重叠区域；步骤(3)将重叠区域分块，统计各分块区域的匹配特征点的数量；步骤(4)将参考超大幅图像A和待匹配超大幅图像B重叠区域中匹配特征点数量最多的分块区域裁切下来，将参考超大幅图像A和待匹配超大幅图像B裁切下来部分的图像进行特征匹配，解算仿射变换参数；步骤(5)利用仿射变换参数，将参考超大幅图像A和待匹配超大幅图像B进行融合拼接。进一步，步骤(2)具体是：(2-1)对读取的参考超大幅图像A构建参考图像金字塔PA，选取参考图像金字塔PA各层中长或宽第一个小于K像素的降采样图像作为降采样参考图像A1；对读取的待匹配超大幅图像B构建待匹配图像金字塔PB，选取待匹配图像金字塔PB各层中长或宽第一个小于K像素的降采样图像作为降采样待匹配图像B1；K＝500～2000；(2-2)分别提取降采样参考图像A1和降采样待匹配图像B1的SURF特征点，采用RANSAC算法计算一级仿射变换参数H1；(2-3)根据仿射变换参数H1，解算出降采样参考图像A1和降采样待匹配图像B1的重叠区域。进一步，步骤(3)具体是：(3-1)将降采样参考图像的重叠区域A2平均划分为m行n列共m×n个参考图像子区域A3，将降采样待匹配图像的重叠区域B2按照相同方式划分为m×n个待匹配图像子区域B3；m＝2～5，n＝2～5；(3-2)统计每个参考图像子区域A3和每个待匹配图像子区域B3中的SURF特征点数量；(3-3)按照SURF特征点数量排序，得到SURF特征点数量最多的参考图像子区域A4，和SURF特征点数量最多的待匹配图像子区域B4。进一步，步骤(4)具体是：(4-1)根据子区域A4在降采样参考图像A1中的位置，以及降采样参考图像A1在参考图像金字塔PA中的位置，得到子区域A4在参考超大幅图像A中的对应区域Aa1；根据子区域B4在降采样待匹配图像B1中的位置，以及降采样待匹配图像B1在待匹配图像金字塔PB中的位置，得到子区域B4在待匹配超大幅图像B中的对应区域Bb1；(4-2)将参考超大幅图像A中的对应区域Aa1裁切下来，得到参考子图A5；将待匹配超大幅图像B中的对应区域Bb1裁切下来，得到待匹配子图B5；(4-3)提取参考子图A5和待匹配子图B5的SURF特征点，利用RANSAC算法计算二级仿射变换参数H2。进一步，步骤(5)具体是：(5-1)根据参考子图A5在参考超大幅图像A中的位置、待匹配子图B5在待匹配超大幅图像B中的位置，以及二级仿射变换参数H2计算参考超大幅图像A与待匹配超大幅图像B之间的仿射变换参数H；(5-2)根据仿射变换参数H将参考超大幅图像A和待匹配超大幅图像B进行融合拼接。本专利技术方法首先将大图构建图像金字塔，得到数据量较小的降采样图像，然后在降采样图像上进行初步的图像匹配，能够快速定位出大图之间的重叠区域。本专利技术方法只针对大图的重叠区域中匹配特征点最多的子区域进行匹配，大大减小了参与匹配的数据量，保证匹配效率，极大地提高了匹配速度，同时不会损失匹配精度，还能适应各种匹配情况。专利技术方法对于实时性以及匹配精度要求较高的超大幅图像匹配拼接具有显著效果。附图说明图1是本专利技术方法整体流程图；图2是构建图像金字塔计算重叠区域的流程图；图3是重叠区域划分及子图裁切的流程图。具体实施方式下面结合附图，借助实施例详细描述本专利技术。但应注意到：除非另外特殊说明，否则在实施例中阐述涉及的相对设置、数字表达式、字母表达式和数值不限定本专利技术的范围，提供这写实施例仅为了让相关人员更便于理解本专利技术。对相关领域的技术人员公知的技术方法可能不做过多描述。但一定条件下，本专利技术所述技术、方法和系统应当被视为说明书的一部分。如图1所示，一种基于重叠子区域的超大图像配准拼接方法，整体流程是：步骤(1)利用GDAL库读取参考超大幅图像A和待匹配超大幅图像B。步骤(2)构建参考超大幅图像A和待匹配超大幅图像B的图像金字塔，读取指定金字塔层，进行特征匹配，解算参考超大幅图像A与待匹配超大幅图像B的重叠区域。如图2，具体方法是：(2-1)对读取的参考超大幅图像A构建参考图像金字塔PA，选取参考图像金字塔PA各层中长或宽第一个小于K像素的降采样图像作为降采样参考图像A1；对读取的待匹配超大幅图像B构建待匹配图像金字塔PB，选取待匹配图像金字塔PB各层中长或宽第一个小于K像素的降采样图像作为降采样待匹配图像B1；K＝500～2000，本实施例中K＝1000；(2-2)分别提取降采样参考图像A1和降采样待匹配图像B1的SURF特征点，采用RANSAC算法计算一级仿射变换参数H1；(2-3)根据仿射变换参数H1，解算出降采样参考图像A1和降采样待匹配图像B1的重叠区域。步骤(3)将重叠区域分块，统计各分块区域的匹配特征点的数量。如图3，具体方法是：(3-1)将降采样参考图像的重叠区域A2平均划分为m行n列共m×n个参考图像子区域A3，将降采样待匹配图像的重叠区域B2按照相同方式划分为m×n个待匹配图像子区域B3；本实施例采用3行3列；(3-2)统计每个参考图像子区域A3和每个待匹配图像子区域B3中的SURF特征点数量；(3-3)按照SURF特征点数量排序，得到SURF特征点数量最多的参考图像子区域A4，和SURF特征点数量最多的待匹配图像子区域B4。步骤(4)将参本文档来自技高网...

【技术保护点】
1.一种基于重叠子区域的超大图像配准拼接方法，其特征在于，该方法具体如下：/n步骤(1)利用GDAL库读取参考超大幅图像A和待匹配超大幅图像B；/n步骤(2)构建参考超大幅图像A和待匹配超大幅图像B的图像金字塔，读取指定金字塔层，进行特征匹配，解算参考超大幅图像A与待匹配超大幅图像B的重叠区域；/n步骤(3)将重叠区域分块，统计各分块区域的匹配特征点的数量；/n步骤(4)将参考超大幅图像A和待匹配超大幅图像B重叠区域中匹配特征点数量最多的分块区域裁切下来，将参考超大幅图像A和待匹配超大幅图像B裁切下来部分的图像进行特征匹配，解算仿射变换参数；/n步骤(5)利用仿射变换参数，将参考超大幅图像A和待匹配超大幅图像B进行融合拼接。/n

【技术特征摘要】
1.一种基于重叠子区域的超大图像配准拼接方法，其特征在于，该方法具体如下：
步骤(1)利用GDAL库读取参考超大幅图像A和待匹配超大幅图像B；
步骤(2)构建参考超大幅图像A和待匹配超大幅图像B的图像金字塔，读取指定金字塔层，进行特征匹配，解算参考超大幅图像A与待匹配超大幅图像B的重叠区域；
步骤(3)将重叠区域分块，统计各分块区域的匹配特征点的数量；
步骤(4)将参考超大幅图像A和待匹配超大幅图像B重叠区域中匹配特征点数量最多的分块区域裁切下来，将参考超大幅图像A和待匹配超大幅图像B裁切下来部分的图像进行特征匹配，解算仿射变换参数；
步骤(5)利用仿射变换参数，将参考超大幅图像A和待匹配超大幅图像B进行融合拼接。


2.如权利要求1所述的一种基于重叠子区域的超大图像配准拼接方法，其特征在于：步骤(2)具体是：
(2-1)对读取的参考超大幅图像A构建参考图像金字塔PA，选取参考图像金字塔PA各层中长或宽第一个小于K像素的降采样图像作为降采样参考图像A1；对读取的待匹配超大幅图像B构建待匹配图像金字塔PB，选取待匹配图像金字塔PB各层中长或宽第一个小于K像素的降采样图像作为降采样待匹配图像B1；
(2-2)分别提取降采样参考图像A1和降采样待匹配图像B1的SURF特征点，采用RANSAC算法计算一级仿射变换参数H1；
(2-3)根据仿射变换参数H1，解算出降采样参考图像A1和降采样待匹配图像B1的重叠区域。


3.如权利要求1所述的一种基于重叠子区域的超大图像配准拼接方法，其特征在于：步骤(3)具体是：
(3-1)将降采样参考图像的重叠区域A2平均划分为m行n列共m×n个参考图像子区域A3，将降采样待匹配图像的重叠区域B2按照相同方式划分为m×n个待匹配图像子区域B3...

【专利技术属性】
技术研发人员：宋蕴，梁骏，宋一平，钟宇清，杨常星，
申请(专利权)人：杭州国芯科技股份有限公司，
类型：发明
国别省市：浙江;33