一种基于B-spline的图像拼接特征点提取算法制造技术

一种基于B‑spline的图像拼接特征点提取算法，属于图像处理领域。在进行图像融合时，图像中的物体会产生尺度上的变化，会使得特征点匹配的正确率低。一种基于B‑spline的图像拼接特征点提取算法，对采集到的不同图像进行预处理；利用B样条函数构造B‑spline图像金字塔尺度空间；基于构造的尺度空间，在尺度空间每层金字塔上采用Fast算法提取图像中特征点，采用Shi‑Tomasi角点响应函数按角点响应值排序，选取前N个特征点，使用BRIEF描述法对特征点进行描述；通过描述子对图像进行不同图像的特征点匹配；采用基于最佳接缝线的拉普拉斯融合技术，将不同图像进行融合。本发明专利技术方法在图片融合时，图片尺度不变性的前提下，比传统ORB算法的匹配准确率提升40％，具有良好的匹配性能。

【技术实现步骤摘要】
一种基于B-spline的图像拼接特征点提取算法
本专利技术涉及一种基于B-spline的图像拼接特征点提取算法。
技术介绍
人类每时每刻需要从自然界获取信息，而视觉是人类感知信息最重要的途径。科学统计表明，人类获得信息中有70％-80％来自视觉。但是由于设备或技术原因，人们只能获取整个视角的部分信息，所以，将这些碎片化信息整合起来就显得尤为重要。数字图像技术作为一门跨学科技术，近年来已发展为一门具有强大生命力的学科，其被广泛应用于各个领域。其中，图像拼接技术是数字图像技术重要组成部分[1-5]。图像拼接技术研究是研究如何将若干小视角的图像快速有效的拼接成一幅较大视角的图像，从而能够满足人们研究的现实需要，它的实现是通过将多张具有重合或相似部分的图像拼接成一幅更宽视野的大型场景且没有拼接缝的图像。通过图像拼接,可以剔除图像中冗余的信息,减少图像的存储量。在人们的日常生活和工作学习当中常常要用到超过人眼视角的高分辨率的图像，但是普通数码相机的视觉却很难满足需要，特别是一些超大尺寸的物体无法用一张照片来拍摄。因此为了获得大视角、高分本文档来自技高网...

【技术保护点】
1.一种基于B-spline的图像拼接特征点提取算法，其特征在于：所述方法通过以下步骤实现：/n步骤一、对采集到的不同图像进行预处理、去噪、增强以及仿射变换处理；/n步骤二、利用B样条函数构造B-spline图像金字塔尺度空间；/n步骤三、基于步骤二构造的尺度空间，在尺度空间每层金字塔上采用Fast算法提取图像中特征点，采用Shi-Tomasi角点响应函数按角点响应值排序，选取前N个特征点，使用BRIEF描述法对特征点进行描述；/n步骤四、通过描述子对图像进行不同图像的特征点匹配；/n其中，特征点匹配是先使用汉明距离进行粗匹配，然后再使用RANSAC算法优化匹配点；/n步骤五、采用基于最佳接缝...

【技术特征摘要】
1.一种基于B-spline的图像拼接特征点提取算法，其特征在于：所述方法通过以下步骤实现：
步骤一、对采集到的不同图像进行预处理、去噪、增强以及仿射变换处理；
步骤二、利用B样条函数构造B-spline图像金字塔尺度空间；
步骤三、基于步骤二构造的尺度空间，在尺度空间每层金字塔上采用Fast算法提取图像中特征点，采用Shi-Tomasi角点响应函数按角点响应值排序，选取前N个特征点，使用BRIEF描述法对特征点进行描述；
步骤四、通过描述子对图像进行不同图像的特征点匹配；
其中，特征点匹配是先使用汉明距离进行粗匹配，然后再使用RANSAC算法优化匹配点；
步骤五、采用基于最佳接缝线的拉普拉斯融合技术，将不同图像进行融合。


2.根据权利要求1所述的一种基于B-spline的图像拼接特征点提取算法，其特征在于：步骤三所述的采用Fast算法提取图像中特征点的过程为，所述的FAST法全称为FeaturesFromAcceleratedSegmentTest，首先从图片中选取一个像素P，其灰度值为IP；以像素点P为中心取一个半径等于3像素圆，这个圆的边界上有16个像素，设定一个阈值t；将这16个像素点依次与像素点P的灰度值相比较，当这16个像素点出现n个像素点的灰度值比IP+t大或者比IP-t小，那么像素点P就是一个角点；n的值可以设置为12或者9；在ORB算法中n的值取为9。


3.根据权利要求1或2所述的一种基于B-spline的图像拼接特征点提取算法，其特征在于：步骤三所述的Shi-Tomasi角点响应函数表示为：
R＝min(λ1,λ2)
式中：λ1和λ2为式(10)矩阵M的特征值。


4.根据权利要求3所述的一种基于B-spline的图像拼接特征点提取算法，其特征在于：步骤三所述的使用BRIE...

【专利技术属性】
技术研发人员：刘明珠，陈瑞，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：黑龙江;23