图像对齐方法及装置、计算机可读存储介质及电子设备制造方法及图纸

本申请涉及图像处理技术领域，提供一种图像对齐方法及装置、计算机可读存储介质及电子设备。其中，图像对齐方法包括：基于源图像和目标图像，利用神经网络模型计算得到多个权重；利用多个权重将对应的多个光流基进行求和，得到第一单应性光流；利用第一单应性光流将源图像向目标图像对齐；方法中的每个权重对应第一单应性光流的一个光流基，第一单应性光流为源图像和目标图像之间的单应性矩阵对应的光流。该方法通过高效率、高精度的单应性估计，显著改善了图像对齐的效果，并且方法具有良好的鲁棒性，能够适应图像中的不同场景。能够适应图像中的不同场景。能够适应图像中的不同场景。

【技术实现步骤摘要】
图像对齐方法及装置、计算机可读存储介质及电子设备


[0001]本专利技术涉及图像处理
，具体而言，涉及一种图像对齐方法及装置、计算机可读存储介质及电子设备。

技术介绍

[0002]图像对齐是计算机视觉应用的基础之一，例如，高动态范围(High
‑
Dynamic Range，简称HDR)、超分辨率、降噪、全景创建、图像/视频拼接、同步定位与地图构建(Simultaneous Localization and Mapping，简称SLAM)、增强现实(Augmented Reality，简称AR)以及视频稳定功能等方向都会涉及图像对齐技术。
[0003]图像对齐针技术对的基本场景是不同时刻(或不同摄像头、不同条件下)获取的两张图像，以其中一张图像为目标图像，另一张图像为源图像，对源图像中的像素进行坐标变换，使得在变换后两张图像中对应于实际场景的同一位置的像素能够完全对准。
[0004]在现有的各种图像对齐方法中，基于单应性的方法由于其简单和高效的特点得到了广泛应用。这类方法的大致过程如下：首先提取源图像和目标本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像对齐方法，其特征在于，包括：基于源图像和目标图像，利用神经网络模型计算得到多个权重；其中，每个权重对应第一单应性光流的一个光流基，所述第一单应性光流为所述源图像和所述目标图像之间的单应性矩阵对应的光流；利用所述多个权重将对应的多个光流基进行求和，得到所述第一单应性光流；利用所述第一单应性光流将所述源图像向所述目标图像对齐。2.根据权利要求1所述的图像对齐方法，其特征在于，所述光流基的数量不少于8个。3.根据权利要求2所述的图像对齐方法，其特征在于，所述光流基的数量为8个，在所述基于源图像和目标图像，利用神经网络模型计算得到多个权重之前，所述方法还包括：生成8个原始光流基；其中，所述原始光流基的尺寸和所述源图像的尺寸以及所述目标图像的尺寸均相同，且所述8个原始光流基中的像素分别按照以下8种方式取值：(1,0)、(0,1)、(x,0)、(0,y)、(y,0)、(0,x)、(x2,xy)、(xy,y2)，x和y分别代表像素的横坐标和纵坐标；对所述8个原始光流基进行正交化，得到对应的8个光流基。4.根据权利要求1
‑
3中任一项所述的图像对齐方法，其特征在于，所述神经网络模型中包括至少一个低秩重构模块，所述低秩重构模块用于利用子空间投影对模块的输入特征进行降秩。5.根据权利要求4所述的图像对齐方法，其特征在于，所述低秩重构模块包括：第一分支、第二分支以及投影结构；其中，所述第一分支用于基于所述输入特征构建子空间的基，并向所述投影结构传递所述子空间的基，所述第二分支用于直接向所述投影结构传递所述输入特征，所述投影结构用于根据所述子空间的基将所述输入特征投影到所述子空间内，并输出投影后的特征；所述子空间的维度小于所述输入特征所在的向量空间的维度。6.根据权利要求4或5所述的图像对齐方法，其特征在于，所述神经网络模型包括：特征提取单元、特征融合单元以及权重预测单元；所述基于源图像和目标图像，利用神经网络模型计算得到多个权重，包括：利用所述特征提取...

【专利技术属性】
技术研发人员：叶年进，李海鹏，李有为，刘帅成，
申请(专利权)人：北京迈格威科技有限公司，
类型：发明
国别省市：