一种超大像素的图像拼接方法技术

本发明专利技术公开了一种超大像素的图像拼接方法，包括以下步骤：步骤一：拼接策略：将待拼接的超大像素图像，按照最终目标区域的像素大小划分成若干个子区域，对每个子区域内使用2

【技术实现步骤摘要】
一种超大像素的图像拼接方法


[0001]本专利技术属于生物、医学、计算机工程
，具体涉及一种超大像素的图像拼接方法。

技术介绍

[0002]病理数字化设备就是指将计算机和网络应用于病理学领域，是一种现代数字系统与传统光学放大装置有机结合的技术。它是通过全自动显微镜或光学放大系统扫描成多张图片，经计算机进行多视野无缝隙拼接得到的超大像素图像，其像素值通常都在20亿以上。
[0003]市面上病理数字化设备的实现原理通常采用高精度机械平台移动玻片样本，将采集到的图像按照位移直接写入磁盘文件。为了达到准确的拼接效果，对硬件移动精度的要求就非常高，造成该类设备的价格维持在较高水平。这样的价格对于基层医院和中低端医疗机构来说较难接受，使病理数字化推广变得困难。
[0004]随着图像拼接技术的进步，使得病理数字化设备有了低成本的替代方案。通过拼接算法降低低精度运动平台运动过程中拍摄的误差，达到高精度运动平台设备的扫描效果，以此降低设备成本。然而病理图像的像素大多超过2
16
×216
的范围，导致在调用Opencv拼接过程中，内部矩阵占用内存空间超过2
32
＝4GB的上限，使得图像拼接无法通过常规流程进行。

技术实现思路

[0005]本专利技术要解决的技术问题是克服现有的缺陷，提供一种超大像素的图像拼接方法，以解决上述
技术介绍
中提出的传统的图像拼接技术无法通过常规流程进行的问题。
[0006]为实现上述目的，本专利技术提供如下技术方案：一种超大像素的图像拼接方法，包括以下步骤：
[0007]步骤一：拼接策略：将待拼接的超大像素图像，按照最终目标区域的像素大小划分成若干个子区域，对每个子区域内使用2
‑
6的拼接算法；
[0008]步骤二：路径优化：以10
‑
20％的重叠程度对全图进行弓字型扫描；
[0009]步骤三：图像去噪：使用中值滤波器消除图像中孤立的噪声点，并对镜头产生的暗角进行匀光处理；
[0010]步骤四：特征提取：使用SURF和DAISY特征描述算法提取每张图像边缘区域的特征点和特征值；
[0011]步骤五：特征降维：对特征采用PCA算法筛选出主要的特征并剔除其余的特征，减少不必要因素的干扰，从而提升匹配准确度；
[0012]步骤六：图像配准：使用最临近匹配算法计算特征匹配点对和投影矩阵，求解图像之间的拼缝并进行加权融合。
[0013]优选的，所述步骤一中，将一个长为l，宽为w的扫描区域等分为k个子区域，并分别对每个子区域i进行图像拼接，进行图像拼接时，将拼接结果分为i
up
和i
down
上下两部分。
[0014]优选的，所述步骤一中，当i＜k时，对相邻子区域的i
down
和(i+1)
up
分依次拼接，将结果写入磁盘的图像文件中，而(i+1)
down
则用于后续的拼接，直到第k个子区域时停止，当i＝k时，将i
down
直接拼在图像文件的末尾。
[0015]优选的，所述步骤二中，以zigzag型的扫描轨迹，对病理样本进行全图扫描，并记录每张图片临接的8张图片的序号，用于后续的相似匹配。
[0016]优选的，所述步骤三中，由于图像的能量大部分集中在幅度谱的低频和中频段，而在较高频段的感兴趣的信息经常被噪声淹没。因此一个能降低高频成分幅度的滤波器就能够减弱噪声的影响。因此对图片中3
×
3区域使用中值滤波，其中心点的像素为九个点像素值中的中值。
[0017]优选的，所述步骤四中，通过高斯滤波构建尺度不变空间，具体公式如下：
[0018]D(x,y,σ)＝(G(x,y,kσ)
‑
G(x,y,σ)*I(x,y))
[0019]随后利用Hessian判别式求局部极值点：
[0020][0021]det(Happrax)＝D
xx
D
yy
‑
(0.9D
xy
)2[0022]利用非极大值抑制的思想，将经过Hessian矩阵处理过的每个像素点与其3维领域的26个点进行大小比较，如果它是这26个点中的最大值或者最小值，则保留下来，当做特征点，在特征点周围取4
×
4正方形框，统计领域内的Harr小波特征作为SURF特征描述子，统计8个经高斯核卷积过的梯度直方图作为DAISY特征描述子，将64维的SURF特征和200维的DAISY特征合并成264维特征向量。
[0023]优选的，所述步骤五中，在SURF算法筛选特征点的基础上，通过手工选出显著的特征点对，使用步骤四中的方法提取特征点对之间的特征，用于比较不同PCA降维采样的准确率，从而挑选出最佳的维度参数。
[0024]优选的，所述步骤六中，先使用kd
‑
tree对多维特征空间分割，将无需的特征进行有序化的排列，方便进行快捷的检索。通过不断将方差最大的维度作为划分点，将特征按照类似二叉树的方式存储到根节点即可。该方法能够以O(log(n))的时间复杂度在特征空间中查找待匹配点，将特征点之间的欧式距离作为相似度，使用自适应局部仿射匹配，避免全局共面由于镜筒扭曲造成的异常匹配，对上述保留的匹配点按照相似度排序，根据最佳的特征点对求得精确的变换矩阵，因为扫描过程镜头的抖动，可能会对图像成像造成扰动，因此该变换矩阵的是针对平移、旋转的仿射变换。
[0025]优选的，所述步骤六中，使用自适应局部仿射匹配的步骤为：
①
找到初始最匹配点对；
②
找到信度高且分布较好的点作为种子点；
③
在初始匹配中选择与该种子点在同一个区域的匹配点；
④
保留那些局部一致较好匹配。
[0026]优选的，所述步骤六中，使用动态规划的思想，在相邻图像间的查找具有相似性的子区域，以相似性差异最小化为目标确定最优融合线，其中的目标函数如下：
[0027]c(x,y)＝c
dif
(x,y)+λc
edge
(x,y)
[0028][0029]c
edge
(x,y)＝abs(g1(x,y)
‑
g2(x,y))
[0030]a(x,y)＝0.3R(x,y)+0.59G(x,y)+0.11B(x,y)
[0031]其中，λ是一个调节系数，c
dif
(x,y)是领域颜色和亮度差异，c
edge
(x,y)是邻域灰度直方图特征的差异项，g为图像对应的灰度直方图，a为图像的亮度，构建图像的Larplace金字塔，将原图分解成多个带通图像，然后在每个频带的过渡区采用不同波长的信号进行融合。在拼缝的两侧直接使用线性融合，得到该频带的融合结果，最后将每个频带得到的结果，得到最终的输出图像。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种超大像素的图像拼接方法，其特征在于：包括以下步骤：步骤一：拼接策略：将待拼接的超大像素图像，按照最终目标区域的像素大小划分成若干个子区域，对每个子区域内使用2
‑
6的拼接算法；步骤二：路径优化：以10
‑
20％的重叠程度对全图进行弓字型扫描；步骤三：图像去噪：使用中值滤波器消除图像中孤立的噪声点，并对镜头产生的暗角进行匀光处理；步骤四：特征提取：使用SURF和DAISY特征描述算法提取每张图像边缘区域的特征点和特征值；步骤五：特征降维：对特征采用PCA算法筛选出主要的特征并剔除其余的特征，减少不必要因素的干扰，从而提升匹配准确度；步骤六：图像配准：使用最临近匹配算法计算特征匹配点对和投影矩阵，求解图像之间的拼缝并进行加权融合。2.根据权利要求1所述的一种超大像素的图像拼接方法，其特征在于：所述步骤一中，将一个长为l，宽为w的扫描区域等分为k个子区域，并分别对每个子区域i进行图像拼接，进行图像拼接时，将拼接结果分为i
up
和i
down
上下两部分。3.根据权利要求2所述的一种超大像素的图像拼接方法，其特征在于：所述步骤一中，当i＜k时，对相邻子区域的i
down
和(i+1)
up
分依次拼接，将结果写入磁盘的图像文件中，而(i+1)
down
则用于后续的拼接，直到第k个子区域时停止，当i＝k时，将i
down
直接拼在图像文件的末尾。4.根据权利要求1所述的一种超大像素的图像拼接方法，其特征在于：所述步骤二中，以zigzag型的扫描轨迹，对病理样本进行全图扫描，并记录每张图片临接的8张图片的序号，用于后续的相似匹配。5.根据权利要求1所述的一种超大像素的图像拼接方法，其特征在于：所述步骤三中，由于图像的能量大部分集中在幅度谱的低频和中频段，而在较高频段的感兴趣的信息经常被噪声淹没。因此一个能降低高频成分幅度的滤波器就能够减弱噪声的影响。因此对图片中3
×
3区域使用中值滤波，其中心点的像素为九个点像素值中的中值。6.根据权利要求1所述的一种超大像素的图像拼接方法，其特征在于：所述步骤四中，通过高斯滤波构建尺度不变空间，具体公式如下：D(x,y,σ)＝(G(x,y,kσ)
‑
G(x,y,σ)*I(x,y))随后利用Hessian判别式求局部极值点：det(Happrax)＝D
xx
D
yy
‑
(0.9D
xy
)2利用非极大值抑制的思想，将经过Hessian矩阵处理过的每个像素点与其3维领域的26个点进行大小比较，如果它是这26个点中的最大值或者最小...

【专利技术属性】
技术研发人员：黄炜宸，
申请(专利权)人：深见清影科技厦门有限公司，
类型：发明
国别省市：