一种快速的红外全景图像拼接方法技术

本发明专利技术公开了一种快速的红外全景图像拼接方法，可以快速的完成多幅图像的拼接，大大提高图像拼接的效率。本发明专利技术通过旋转式红外成像仪获取周围环境的信息，得到分散的红外图像。由于红外成像仪每次所拍摄的图像的像素大小是固定的，同时因为是旋转底座，每幅图像的最底端可以保证在同一水平线上。对所获取的这些图像进行预处理后，利用区域分割算法提取每幅图像左右边缘的重叠部分，之后仅对所提取的部分进行特征提取与匹配，这样可以大大降低特征提取的计算量，提高图像拼接的效率。提高图像拼接的效率。提高图像拼接的效率。

【技术实现步骤摘要】
一种快速的红外全景图像拼接方法


[0001]本专利技术属于图像处理领域，尤其涉及一种快速的红外全景图像拼接方法。

技术介绍

[0002]近些年来，随着数字图像处理应用领域的范围不断扩大，可见光图像已不能满足所有应用领域的需求，红外图像因其具有良好的穿透能力和抗干扰能力，能够不受昼夜更替以及恶劣环境的影响，可以实现全天候工作，因此被广泛运用于安全监测、目标搜救、车载夜视等领域，极大地扩展了图像处理的应用。
[0003]与可见光成像方式相比，红外热成像所得到的是一种温度图像。由于黑体辐射的存在，任何物体都依据温度的不同对外进行电磁波辐射。波长为2.0～1000微米的部分称为热红外线。热红外成像通过热红外敏感CCD对物体进行成像，能反映出物体表面的温度场。
[0004]随着科技的发展，人们对红外图像的要求不仅仅满足于普通的窄视场图像，对宽视场、高分辨率图像的应用需求越来越多。全景图像是一种能够为用户提供超过人眼视角的稳定分辨率的图像，它能够向用户提供更丰富的信息，可以解决传统设备视场规模与分辨率之间冲突的问题。
[0005]红外全景图像拼接技术是当前红外成像技术、数字图像处理、计算机技术中的一个热门方向，它是将一组含有重叠信息的窄视场、高分辨率图像，按照一定的配准技术与融合技术，合并成一幅宽视场的无缝、无重影的目标图像的过程。由于安保方面的需要，图像拼接的实时性一定要高。传统的图像拼接是利用特征匹配算法对整幅图像的特征点进行提取，然后将不同图像之间的特征点进行特征匹配，根据不同图像之间存在的相同特征点完成图像的拼接。这种方法需要对整幅图像的特征点进行提取，所耗费的时间较长，而且随着现在红外成像技术的发展，所得图像的分辨率越来越高，图像中的特征细节逐渐增加，整个图像拼接的耗时会变得更长，降低了系统的实时性，影响整个系统的工作性能。

技术实现思路

[0006]本专利技术提供了一种快速的红外全景图像拼接方法。
[0007]具体技术方案如下：
[0008]一种快速的红外全景图像拼接方法，包括以下步骤：
[0009]步骤1：利用红外图像采集装置获取最初的原始红外图像；
[0010]通过红外成像装置不断地旋转拍摄获得的，后一幅图像是对前一幅图像在水平方向上的扩展；
[0011]步骤2：对步骤1所获得的原始图像进行图像预处理操作；
[0012]红外图像的预处理为图像去噪和增强；
[0013]步骤3：使用ROI算法对步骤2预处理后的图像进行区域选定；
[0014]步骤4：根据步骤3提取出选定区域，采用SIFT算法对选定区域的红外图像进行特征点提取；
[0015]步骤5：采用RANSAC算法筛选出正确特征匹配对；
[0016]步骤6：基于特征匹配后的红外图像，采用自适应相似度算法对待拼接红外图像进行相似度计算，确定红外图像的拼接顺序；
[0017]步骤7：根据有效的特征匹配对，采用加权图像融合算法对图像进行融合实现对红外全景图像的拼接；
[0018]步骤8：全景图像拼接结束，优化处理拼接后的全景图像。
[0019]进一步地，步骤1中每幅图像的大小相同，并在同一水平高度上。
[0020]进一步地，步骤2具体包括以下步骤：
[0021]步骤2.1：读取已获得的原始红外图像；
[0022]步骤2.2：对已读取的图像采用低通高斯滤波器核进行平滑滤波，高斯核
[0023]是唯一可分离的圆对称核；
[0024]式中，K为一个普通常数，变量s和t是实数且通常是离散的，σ为标准差；
[0025]令r＝[s2+t2]1/2
，可以得到通过调节变量r的大小获取不同大小的高斯核，调节标准差σ的大小调节图像处理的效果；
[0026]步骤2.3：利用二阶导数拉普拉斯算子来锐化图像，对于输入图像f(x,y)定义为：
[0027][0028]在x方向有
[0029]在y方向有
[0030]所以两个变量的离散拉普拉斯算子是：
[0031][0032]步骤2.4：将拉普拉斯图像与原图像相加，恢复背景特征，同时保留拉普拉斯的锐化效果；使用拉普拉斯锐化图像的基本方法为：
[0033]式中，f(x,y)为输入图像，g(x,y)为锐化后图像；
[0034]步骤2.5：将预处理完毕的图像输出。
[0035]进一步地，其中步骤3提取各个图像左右边缘区域的重叠区域，把相邻的重叠区域作为一组绑定图像，后续分别对每组绑定图像进行处理操作；
[0036]进一步地，其中步骤4具体有以下步骤：
[0037]步骤4.1:：输入图像f(x,y)的尺度空间L(x,y,σ)是f与一个可变尺度高斯核G(x,y,σ)的卷积：L(x,y,σ)＝G(x,y,σ)
★
f(x,y)，
[0038]式中，尺度由参数σ控制，G的形式为：
[0039][0040]输入图像f(x,y)依次与标准差为σ，kσ，k2σ，k3σ，
…
的高斯核卷积，生成由一个常量因子k分割的高斯滤波图像；
[0041]步骤4.2：SIFT将尺度空间细分为倍频程，每个倍频程对应于σ的加倍；
[0042]第二个倍频程中的第一幅图像是首先对原图像进行下取样，即每隔一行和一列取样，然后用一个核来平滑得到的，使用的这个核的标准差是第一个倍频程中所用标准差的2倍；在后续的各个倍频程处理中，新倍频程的第一幅图像按以下方式形成：
[0043]对原图像进行下取样，使图像大小为前一个倍频程内的一半；
[0044]用前一个倍频程的标准差的2倍的新标准差来平滑下取样后的图像；
[0045]尺度空间中初始关键点的位置查找：首先检测一个倍频程中两幅相邻尺度空间图像的高斯差的极值，然后对应于这个倍频程的输入图像进行卷积，其表达式为：
[0046]D(x,y,σ)＝[G(x,y,kσ)
‑
G(x,y,σ)]★
f(x,y)
[0047]＝L(x,y,kσ)
‑
L(x,y,σ)
[0048]式中，D(x,y,σ)是两幅相邻尺度空间图像高斯差的极值函数；
[0049]在D(x,y,σ)图像中的每个位置，将该位置像素值与其在当前图像中的8个相邻像素值及其在上方和下方图像中的9个相邻像素值进行比较，若该位置的值为范围内的最大值或最小值，则该位置被选为极值点；
[0050]通过泰勒级数展开对D(x,y,σ)的值进行内插运算，提高关键点位置的精度；删除低对比度和定位差的关键点；
[0051]通过公式：
[0052]M(x,y)＝[(L(x+1,y)
‑
L(x
‑
1,y))2+(L(x,y+1)
‑
L(x,y
‑
1))2]1/2
和
[0053]θ(x,y)＝arctan[(L(x,本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种快速的红外全景图像拼接方法，其特征在于：包括以下步骤：步骤1：利用红外图像采集装置获取最初的原始红外图像；通过红外成像装置不断地旋转拍摄获得的，后一幅图像是对前一幅图像在水平方向上的扩展；步骤2：对步骤1所获得的原始图像进行图像预处理操作；红外图像的预处理为图像去噪和增强；步骤3：使用ROI算法对步骤2预处理后的图像进行区域选定；步骤4：根据步骤3提取出选定区域，采用SIFT算法对选定区域的红外图像进行特征点提取；步骤5：采用RANSAC算法筛选出正确特征匹配对；步骤6：基于特征匹配后的红外图像，采用自适应相似度算法对待拼接红外图像进行相似度计算，确定红外图像的拼接顺序；步骤7：根据有效的特征匹配对，采用加权图像融合算法对图像进行融合实现对红外全景图像的拼接；步骤8：全景图像拼接结束，优化处理拼接后的全景图像。2.根据权利要求1所述的一种快速的红外全景图像拼接方法，其特征在于：步骤1中每幅图像的大小相同，并在同一水平高度上。3.根据权利要求1所述的一种快速的红外全景图像拼接方法，其特征在于：步骤2具体包括以下步骤：步骤2.1：读取已获得的原始红外图像；步骤2.2：对已读取的图像采用低通高斯滤波器核进行平滑滤波，高斯核是唯一可分离的圆对称核；式中，K为一个普通常数，变量s和t是实数且通常是离散的，σ为标准差；令r＝[s2+t2]
1/2
，可以得到通过调节变量r的大小获取不同大小的高斯核，调节标准差σ的大小调节图像处理的效果；步骤2.3：利用二阶导数拉普拉斯算子来锐化图像，对于输入图像f(x，y)定义为：在x方向有在y方向有所以两个变量的离散拉普拉斯算子是：步骤2.4：将拉普拉斯图像与原图像相加，恢复背景特征，同时保留拉普拉斯的锐化效果；使用拉普拉斯锐化图像的基本方法为：果；使用拉普拉斯锐化图像的基本方法为：
式中，f(x，y)为输入图像，g(x，y)为锐化后图像；步骤2.5：将预处理完毕的图像输出。4.根据权利要求1所述的一种快速的红外全景图像拼接方法，其特征在于：其中步骤3提取各个图像左右边缘区域的重叠区域，把相邻的重叠区域作为一组绑定图像，后续分别对每组绑定图像进行处理操作。5.根据权利要求1所述的一种快速的红外全景图像拼接方法，其特征在于：其中步骤4具体有以下步骤：步骤4.1:：输入图像f(x，y)的尺度空间L(x，y，σ)是f与一个可变尺度高斯核G(x，y，σ)的卷积：L(x，y，σ)＝G(x，y，σ)
★
f(x，y)，式中，尺度由参数σ控制，G的形式为：输入图像f(x，y)依次与标准差为σ，kσ，k2σ，k3σ，
…
的高斯核卷积，生成由一个常量因子k分割的高斯滤波图像；步骤4.2：SIFT将尺度空间细分为倍频程，每个倍频程对应于σ的加倍；第...

【专利技术属性】
技术研发人员：朱正，董官清，闫志坚，陈茂森，曲悠扬，李玉祥，史金辉，刘昕阳，倪方淇，刁伟建，王晓峰，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：