本发明专利技术公开了一种基于SURF操作数的显微镜图像拼接方法，该发明专利技术针对医学显微镜图像中存在大量的斑点状结构如气泡、细胞等，把SURF操作数引入的显微镜图像的拼接领域中来，并对SURF操作数进行了改进，在分割区域的同时模拟高斯加权的过程，并将描述向量的维数减半，降低了匹配特征点的计算开销。应用该算法，在保证匹配准确度的同时，对速度进行了较大的提升。该方法可以适用于医学图像处理领域以及其它与图像拼接相关的计算机视觉研究领域。
A microscopic image stitching method based on SURF operand
The invention discloses a microscope image mosaic method based on the number of SURF operating, the invention for spots a number of structures such as bubbles, cell medical microscope image, the image mosaic field microscope SURF operand introduced in the past, and the number of SURF operations were improved, at the same time in the region simulation of Gauss weighting process, and described by vector dimension, reduces the computational overhead of feature points matching. With this algorithm, the speed is improved greatly while the matching accuracy is guaranteed. This method can be applied to the field of medical image processing and other computer vision related to image mosaic.
【技术实现步骤摘要】
本专利技术涉及一种基于SURF操作数的显微镜图像拼接方法。
技术介绍
显微镜是一种应用非常广泛的光学仪器，它通过光学系统的作用放大被观察的对 象，对微观组织结构进行显示，从微观形态来认识和研究对象的特性。目前，它已广泛应用 于生物学、病理学、细胞组织学、药物化学等各个领域。显微镜视野小，无法一次采集到大视 野的图像，同时对于大目标的数据测量也需要把不完整的图像拼接为一个整体。所以，把相 邻的各幅图像拼接起来成为显微镜测量的关键环节。显微镜的图像随着放大倍数的增加而成倍缩小，在低倍镜下视野较大但是很难观 察样本细节，在高倍镜下虽然能看到样本细节，但是却不能看到样本的整体。因此，如何在 高放大状态下获得样本整体的高分辨率图像是显微镜图像拍摄时的一个难点。而利用图像 拼接算法可以实现多张高分辨率局部图像的拼接，从而生成样本全景图，是解决该问题的 一个有效方法。图像拼接算法研究的核心问题是提高拼接的速度、精度和算法的稳健度。传统的 拼接方法包括基于全像素的方法和基于角点、纹理等特征的算法，基于全像素的方法主要 缺陷是计算量太大，不利于快速拼接；基于角点、纹理等特征算法比较容易受图像尺度变化 和旋转的影响；而且以上算法对细胞、气泡中斑点状的特征不敏感。另外尺度不变特征转换 特征SIFT和快速鲁棒性特征SURF都具有旋转尺度不变特性，但是SIFT运算速度较慢，并 且SIFT操作数对检测圆斑状的特征不敏感，不适用于高分辨率显微镜图像的拼接。
技术实现思路
为弥补现有技术的不足，本专利技术提出了一种基于SURF的显微镜图像拼接算法； SURF是一种尺度旋转不变的检测操作数和描述操作数，在检测斑点状结构时具有很高的精 确度，并且算法时间较以往方法快速。该方法采用积分图像和快速海塞Hessian矩阵检测 特征点，然后用哈尔Haar小波提取特征点主方向，并在主方向上建立的坐标系上构造描述 向量。在特征检测和描述上都大大提升了算法速度。为实现上述目的，本专利技术采用如下技术方案—种基于SURF操作数的显微镜图像拼接方法，该方法的实现步骤如下1)利用电动马达带动相机获取显微镜图像序列；2)在图像序列中依次选取相邻两幅图像1和2 ；3)对于两幅图像，分别利用快速Hessian矩阵检测不同尺度下的图像斑点，得到 特征点并利用特征点构建特征描述向量；4)当两幅图像的特征描述向量生成后，将特征向量间的欧式距离作为两幅图像中 特征点的相似性判定度量，找到两幅图像间的初步匹配点；5)再利用RANSAC方法提纯匹配点；46)找到准确的匹配点后，采用最小二乘算法估计图像变换模型参数实现两幅图像 的拼接；7)最后通过色彩补偿的方法消除拼接图像的颜色亮度差异，并进行平滑拼接边 缘；8)将平滑拼接后的拼接图像作为参考图像，与图像序列中下一相邻图像进行拼 接，重复执行步骤幻至步骤8)，直至完成整个图像序列的拼接处理。所述步骤3)中，检测不同尺度下的图像斑点得到特征点的过程如下A)采用方块滤波代替高斯滤波的方法，得到图像斑点在不同尺度下的响应；B)确定特征点的位置首先对经过阈值筛选的点进行非极大值抑制处理，之后将 每一个经过筛选的点与其同尺度邻近的8个像素点以及上下邻近的各9个像素点共沈点 进行比较，获得满足阈值条件并且是局部极大值的特征点。所述步骤A)中，得到图像斑点在不同尺度下的响应的过程如下a)首先用Dxx、Dyy和Dxy分别表示在水平方向，垂直方向以及水平和垂直方向上的 方块波，用Clet(Happra)表示Hessian行列式的近似估计，则Clet(Happrax)可表示为def(appro=)D Dx- y欢过.其中权值w的作用是平衡Hessian行列式的值；，b)将w设为0. 9，则上式可以表示为det (Happrox) = DxxDyy- (0. 9Dxy)2其中，det (Happrox)代表在尺度σ下点(x，y)处的斑点响应。所述步骤3)中构建特征描述向量的方法如下a)采用Haar小波获得特征点在x、y方向的梯度；b)然后将该特征点的斑点响应以dx和dy建立坐标系，将各点响应映射到该坐标 系，累加在各方向60度范围内小波响应，获得最大响应的方向为主方向；c)在该主方向上建立特征描述向量将沿χ轴和y轴的Haar小波回应定义为dx 和dy，则定义每个子区域的描述为dy > 0,^dx;^\dx\ dy <V— =办<ο, Σ办;ΣI办I这样每个子区域有8个特征描述向量。所述步骤4)中求取初步匹配点的方法如下首先取图像1中的某个特征点，并在 图像2中找出与该点欧式距离最近和次近的两个特征点，如果最近距离与次近距离的比例 小于60%，则认为最近的这一对特征点为匹配点。所述步骤幻中，具体提纯方法为将每对匹配点连成一条直线，所有的连线画在 同一坐标系中的，每一根连线代表一对匹配点，匹配点连线的主流方向称为主运动；符合主 运动的点被认为是有效匹配点，而跟主运动相背的则被当作误匹配点去除。所述步骤6)中，最小二乘算法估计图像变换模型为MΣ Z=I其中，M是匹配点的总数，(Xi，yi)，(x' y'》是一对匹配点，h13，‘为X轴和 Y轴方向的平移因子；hn、h12、h21,h22是缩放旋转因子。所述步骤7)中，色彩补偿方法如下权利要求1.一种基于SURF操作数的显微镜图像拼接方法，其特征是，该方法的实现步骤如下1)利用电动马达带动相机获取显微镜图像序列；2)在图像序列中依次选取相邻两幅图像1和2；3)对于两幅图像，分别利用快速Hessian矩阵检测不同尺度下的图像斑点，得到特征 点并利用特征点构建特征描述向量；4)当两幅图像的特征描述向量生成后，将特征向量间的欧式距离作为两幅图像中特征 点的相似性判定度量，找到两幅图像间的初步匹配点；5)再利用RANSAC方法提纯匹配点；6)找到准确的匹配点后，采用最小二乘算法估计图像变换模型参数实现两幅图像的拼接；7)最后通过色彩补偿的方法消除拼接图像的颜色亮度差异，并进行平滑拼接边缘；8)将平滑拼接后的拼接图像作为参考图像，与图像序列中下一相邻图像进行拼接，重 复执行步骤幻至步骤8)，直至完成整个图像序列的拼接处理。2.如权利要求1所述的一种基于SURF操作数的显微镜图像拼接方法，其特征是，所述 步骤幻中，检测不同尺度下的图像斑点得到特征点的过程如下A)采用方块滤波代替高斯滤波的方法，得到图像斑点在不同尺度下的响应；B)确定特征点的位置首先对经过阈值筛选的点进行非极大值抑制处理，之后将每一 个经过筛选的点与其同尺度邻近的8个像素点以及上下邻近的各9个像素点共沈点进行 比较，获得满足阈值条件并且是局部极大值的特征点。3.如权利要求2中所述的一种基于SURF操作数的显微镜图像拼接方法，其特征是，所 述步骤A)中，得到图像斑点在不同尺度下的响应的过程如下a)首先用Dxx、Dyy和Dxy分别表示在水平方向，垂直方向以及水平和垂直方向上的方块 波，用det (Happrax)表示Hessian行列式的近似估计，则det (Happrax)可表示为d^nappro=)D Dx- J 其中权值W的作用是平衡Hessian行列式的值；，b)将w设为0.9，则上式可以表示为det (Happrox) = D本文档来自技高网...
【技术保护点】
１．一种基于ＳＵＲＦ操作数的显微镜图像拼接方法，其特征是，该方法的实现步骤如下：１）利用电动马达带动相机获取显微镜图像序列；２）在图像序列中依次选取相邻两幅图像１和２；３）对于两幅图像，分别利用快速Ｈｅｓｓｉａｎ矩阵检测不同尺度下的图像斑点，得到特征点并利用特征点构建特征描述向量；４）当两幅图像的特征描述向量生成后，将特征向量间的欧式距离作为两幅图像中特征点的相似性判定度量，找到两幅图像间的初步匹配点；５）再利用ＲＡＮＳＡＣ方法提纯匹配点；６）找到准确的匹配点后，采用最小二乘算法估计图像变换模型参数实现两幅图像的拼接；７）最后通过色彩补偿的方法消除拼接图像的颜色亮度差异，并进行平滑拼接边缘；８）将平滑拼接后的拼接图像作为参考图像，与图像序列中下一相邻图像进行拼接，重复执行步骤３）至步骤８），直至完成整个图像序列的拼接处理。
【技术特征摘要】
【专利技术属性】
技术研发人员：陈辉，李哲，
申请(专利权)人：山东大学，
类型：发明
国别省市：88
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。