【技术实现步骤摘要】
侧扫声呐图像准确匹配快速拼接方法、设备及存储介质
[0001]本专利技术涉及一种侧扫声呐图像准确匹配快速拼接方法,尤其是一种基于ORB
‑
GMS算法的侧扫声呐图像准确匹配快速拼接方法、设备及存储介质。
技术介绍
[0002]海水的物理特性使得人类无法直接利用光学成像仪有效勘测海洋并获取海底表层相关信息。侧扫声呐作为海底高分辨率图像的快速获取设备,在海洋工程建设、海底资源开发和目标探测识别等领域有着广泛的应用。
[0003]但受声呐设备的成像角度和距离长短的影响,简单通过原始数据条带处理并经滤波或矫正处理后的单幅声呐图像无法全面描绘大区域高质量海底地貌特征。因此,利用多幅图像以合适的融合方法生成空间分辨率较高的图像,对精确成像海底表层地貌分布特征,推动海洋科学研究和海洋工程建设具有重要意义。
[0004]现有方法中,侧扫声呐图像拼接方法有基于SIFT特征或者SURF特征下利用RANSAC算法拟合后拼接技术,但其计算速度过慢,无法满足侧扫声呐高速运动下实时拼接并动态显示的需求。传统ORB技术利用FAST算法寻找特征点,提高了计算速度,但误匹配点比较多,准确率下降,导致图像重复判读。
[0005]如CN111028154A中公开了一种地形崎岖不平海底的侧扫声呐图像匹配拼接方法,包括对侧扫声呐图像进行预处理,使其能够与实际的海底景象信息对应;将大量侧扫声呐图像进行标注获取侧扫声呐图像语义分割的数据集;搭建语义分割神经网络,并对语义分割神经网络进行训练;训练完成的语义分割网络对需要进行 ...
【技术保护点】
【技术特征摘要】
1.一种基于ORB
‑
GMS算法的侧扫声呐图像准确匹配快速拼接方法,其特征在于,包括以下步骤:S1:实时获取侧扫声呐原始数据片段并解析成图;S2:对S1得到的原始侧扫声呐图像片段进行斜距校正、速度校正、灰度增益;使侧扫声呐图像片段清晰呈现海底地貌信息;S3:使用改进的ORB算法对S2得到的相邻图像片段进行特征点提取和描述,即将ORB算法中BRIEF描述子替换为BEBLID描述子;S4:使用FLANN匹配策略对特征描述子进行粗匹配;S5:引入经纬度信息,使用改进的GMS算法对粗匹配进行提纯,即GMS算法中20
×
20的网格划分后再利用两幅图像中相同经纬度的重叠区域进行选择;S6:使用PROSAC算法对匹配的结果进行局部拟合,计算单应性矩阵;S7:根据单应性矩阵对两幅图像进行加权平均融合,得到侧扫声呐拼接图像。2.根据权利要求1所述的基于ORB
‑
GMS算法的侧扫声呐图像准确匹配快速拼接方法,其特征在于,在S2中:所述斜距校正如下:计算平距位置,将斜距点上的灰度值赋值给改正后的平距点,位置计算公式为:Y
g
=Y
s
其中,Width为图像宽度,(X
s
,Y
s
)为原始图像上某点,(X
g
,Y
g
)为斜距校正后平距图像上的点,H为侧扫声呐离海底高度;所述速度校正包括如下:利用侧扫声呐每ping数据记录的经纬度时间和每ping数据采集周期的比例大小来对侧扫声呐图像进行纵向压缩或者拉伸;所述灰度增益包括如下:图像横向滑动窗口上补偿采样点均值,计算公式为:其中,N为窗口内总像素点,v(i)为每个像素点灰度值,j为窗口序号,i为像素。3.根据权利要求1所述的基于ORB
‑
GMS算法的侧扫声呐图像准确匹配快速拼接方法,其特征在于,S3将ORB算法中BRIEF描述子替换为BEBLID描述子过程如下:S31:特征点提取方法如下:从图像中选取一个像素点,设置其灰度为lp,比较该点周围16个点中有连续n个点和该点不同,将该点设为特征点,定义操作T:其中I
A
表示点A的灰度,I
B
表示点B的灰度;S32:在特征描述阶段将S31得到的特征点改用BEBLID描述子,具体如下:设由一对图像patches组成的训练集,标记l
i
∈{
‑
1,1}。其中l
i
=1表示两
个patch对应相同的显著性图像结构,l
i
=
‑
1表示不同的显著性图像结构,训练损失函数为:其中h
k
(z)=h
k
(z;f,T),它依赖于特征提取函数f:X
→
R和一个阈值T。给定f和T,通过含T的f(x)来定义描述,公式为:根据上式得到BEBLID二进制描述子。4.根据权利要求1所述的基于ORB
‑
GMS算法的侧扫声呐图像准确匹配快速拼接方法,其特征在于:S4中FLANN快速最近邻特征匹配策略如下:对二进制描述子重新构造HASH,采用KD树对描述子进行聚类建模,查找最邻近匹配点;具体如下:将二进制描述子集中最高维度划分为两个部分,并对子集重复相同过程,建立多棵随机k
...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。