图像拼接方法、存储介质和计算机技术

本发明专利技术提供一种图像拼接方法、存储介质和计算机。所述图像拼接方法包括：提供有重叠部分的第一图像和第二图像；提取每张图像中的特征点并生成每个特征点的特征描述子；根据所述特征描述子将第一图像中的特征点与第二图像中的特征点进行配对；通过配对的特征点计算平移量以及旋转角度，得到第一图像和第二图像的变换矩阵数学模型；根据所述变换矩阵数学模型进行第一图像和第二图像之间的变换配准；将变换配准后的第一图像和第二图像进行拼接融合得到拼接图像。这样，本发明专利技术可以将有重叠的两张图像进行全景拼接融合，生成优质的全景拼接图像。图像。图像。

【技术实现步骤摘要】
图像拼接方法、存储介质和计算机


[0001]本专利技术涉及图像处理
，尤其涉及一种图像拼接方法、存储介质和计算机。

技术介绍

[0002]图像拼接技术就是将数张有重叠部分的图像(可能是不同时间、不同视角或者不同传感器获得的)，拼成一张大型的无缝高分辨率图像的技术。使用普通相机获取宽视野的场景图像时，因为相机的分辨率一定，拍摄的场景越大，得到的图像分辨率就越低；而全景相机、广角镜头等不仅非常昂贵，而且失真也比较严重。为了在不降低图像分辨率的条件下获取超宽视角甚至360
°
的全景图，利用计算机进行图像拼接这一理念被提出并逐步研究发展起来。现在，图像拼接技术己经成为计算机图形学的研究焦点，被广泛应用于空间探测、遥感图像处理、医学图像分析、视频压缩和传输、虚拟现实技术、超分辨率重构等领域。所以把各幅子图像真实、无失真地拼接起来是实现以上领域的关键环节。
[0003]从以上方面可以看出，图像拼接技术的应用前景十分广阔，深入研究图像拼接技术有着很重要的意义。

技术实现思路

[0004]本专利技术的目的在于提供本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像拼接方法，其特征在于，其包括：提供有重叠部分的第一图像和第二图像；提取每张图像中的特征点并生成每个特征点的特征描述子；将第一图像中的特征点与第二图像中的特征点进行配对；通过配对的特征点计算平移量以及旋转角度，得到第一图像和第二图像的变换矩阵数学模型；根据所述变换矩阵数学模型进行第一图像和第二图像之间的变换配准；将变换配准后的第一图像和第二图像进行拼接融合得到拼接图像。2.如权利要求1所述的图像拼接方法，其特征在于，其还包括：对第一图像和第二图像进行预处理，其中所述预处理包括几何校正、边缘提取、直方图处理、降低灰度差异、噪声抑制中的一种或几种。3.如权利要求1所述的图像拼接方法，其特征在于，所述提取每张图像中的特征点并生成每个特征点的特征描述子包括：通过图像灰度的扩散来构建每张图像的非线性尺度空间；基于每张图像的非线性尺度空间提取每张图像的特征点；将每张图像分成多个网格单元，获取每张图像的特征点所在的网格单元内的特征以生成该特征点的特征描述子。4.如权利要求3所述的图像拼接方法，其特征在于，所述通过图像灰度的扩散来构建每张图像的非线性尺度空间包括：设置层数O与塔数S，其中：使用非线性扩散函数进行非线性尺度空间的构建，所述非线性扩散函数的方程为：其中L为图像，div表示非线性散度函数，表示梯度求解函数，时间t作为尺度参数，c为在图像L上x、y、xy三个方向上的传导函数：函数：为经过高斯平滑的图像L，g为针对区域扩散平滑最优选择的传导核函数：其中参数λ控制扩散的程度；所述基于每张图像的非线性尺度空间提取每张图像的特征点包括；采用Hessian矩阵在每张图像的非线性尺度空间中进行特征点检测，其中Hessian矩阵为：
所述获取每张图像的特征点所在的网格单元内的特征以生成该特征点的特征描述子包括：计算每张图像的特征点所在的网格单元的一阶梯度和灰度；获取每张图像的特征点所在的网格单元内部的特征，所述特征包括边缘大小和方向；对所述特征进行二值化处理构建出二值描述向量，将所述二值描述向量作为该特征点的特征描述子。5.如权利要求4所述的图像拼接方法，其特征在于，所述采用Hessian矩阵在每张图像的非线性尺度空间中进行特征点检测包括：构造非线性尺度空间内各像素位置的Hessian矩阵判别式，将每个像素位置的Hessian矩阵判别式与该每个像素位置的...

【专利技术属性】
技术研发人员：韩旭，吴悦帆，
申请(专利权)人：东声苏州智能科技有限公司，
类型：发明
国别省市：