一種基于改進(jìn)型surf算法的圖像快速拼接方法
【專利摘要】本發(fā)明公開了一種基于改進(jìn)型SURF算法的圖像快速拼接方法，改進(jìn)了現(xiàn)有的角點(diǎn)提取方法以及角點(diǎn)的特征描述方法，再去除提取出角點(diǎn)的誤匹配，實(shí)現(xiàn)多幅圖像的快速拼接。首先，采用改進(jìn)的FAST算法提高提取角點(diǎn)，F(xiàn)AST算法提取角點(diǎn)運(yùn)算速度較快，改進(jìn)后，穩(wěn)定性也更好；其次，對角點(diǎn)特征的描述采用SURF描述與LBP描述相結(jié)合，這樣也能夠提高角點(diǎn)匹配的速度；然后，采用RANSAC方法去除誤匹配，提高準(zhǔn)確度，得到較為準(zhǔn)確的變換矩陣從而進(jìn)行快速拼接；最后，根據(jù)得到的匹配點(diǎn)對，計算出待拼接圖像到參考圖像的變換參數(shù)，采用漸入漸出法，完成圖像拼接。
【專利說明】-種基于改進(jìn)型SURF算法的圖像快速拼接方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于改進(jìn)型SURF(SpeedUpRobustFeature,加速魯棒特征）算 法的圖像快速拼接方法，適用于遙感圖像處理、醫(yī)學(xué)圖像分析、繪圖學(xué)、大場景視頻監(jiān)控和 超分辨率重構(gòu)等領(lǐng)域。

【背景技術(shù)】
[0002] 圖像拼接技術(shù)是數(shù)字圖像處理研究的熱門方向之一，在軍事和民用方面都有廣泛 的應(yīng)用。在人們的實(shí)際生活應(yīng)用中，所需要的場景往往超過數(shù)碼相機(jī)、監(jiān)控攝像機(jī)等的視角 范圍。為了得到高分辨率，同時大視角的圖像，人們不得不采用各種昂貴的鏡頭和相機(jī)，這 樣會導(dǎo)致成本的大大提高。所謂圖像拼接技術(shù)，就是將數(shù)張有重疊部分的圖像（可能是不 同時間、不同視角或者不同傳感器獲得的）拼接成一幅大型的無縫高分辨率圖像的技術(shù)。
[0003] 圖像拼接的過程主要包括圖像獲取、圖像預(yù)處理、圖像配準(zhǔn)和圖像融合。其中，圖 像配準(zhǔn)是圖像拼接的關(guān)鍵技術(shù)。近年來，隨著人們對于圖像的分析和理解更加深入，圖像配 準(zhǔn)所利用的圖像特征也從圖像的低級特征發(fā)展到利用高級特征。
[0004]目前，圖像拼接的主要問題在于，無法找到一種能夠很好兼顧速度和拼接質(zhì)量 的算法。RichardSzeliksi提出了基于運(yùn)動的全景圖像拼接模型，模型利用L-M算法 (Levenberg-Marquardt算法，非線性最小二乘算法）求出圖像之間的幾何變換關(guān)系進(jìn)行配 準(zhǔn)，成為圖像拼接的經(jīng)典算法。此后，有各種特征描述符被不斷提出，如LBP(LocalBinary Patterns，局部二值模式）算法、SIFT(Scale-invariantfeaturetransform，尺度不變特 征轉(zhuǎn)換）算法、SURF(SpeedUpRobustFeature，加速魯棒特征）算法、HOG(Histogramof OrientedGradient,方向梯度直方圖）算法等，這些特征描述符在用于圖像配準(zhǔn)時，各有優(yōu) 勢和不足。


【發(fā)明內(nèi)容】

[0005] 發(fā)明目的：本發(fā)明所要解決的技術(shù)問題是針對現(xiàn)有技術(shù)的不足，提供一種基于改 進(jìn)型SURF算法的圖像快速拼接方法。
[0006] 本發(fā)明公開了一種基于改進(jìn)型SURF算法的圖像快速拼接方法，包括以下步驟：
[0007] 步驟1，檢測參考圖像和待拼接圖像兩幅圖像中的角點(diǎn)；
[0008] 步驟2,對兩幅圖像檢測的角點(diǎn)進(jìn)行特征描述，然后進(jìn)行特征點(diǎn)匹配；
[0009] 步驟3,對匹配得出的特征點(diǎn)對，去除誤匹配，得到優(yōu)化后的特征點(diǎn)對；
[0010] 步驟4,計算變換矩陣；
[0011] 步驟5,對兩幅圖像進(jìn)行融合。
[0012] 采用改進(jìn)的FAST算法進(jìn)行角點(diǎn)檢測，包括：在圖像中選取一個像素點(diǎn)P，判斷像素 點(diǎn)P是否是興趣點(diǎn)的像素；判斷像素點(diǎn)P是否為興趣點(diǎn)的方法為：令選取的像素點(diǎn)灰度值 為Ip，圖像灰度閾值T，在像素點(diǎn)P周圍，以4個像素為半徑畫圓，在該圓圓周上得到16個像 素點(diǎn)；如果在16個像素點(diǎn)中存在N個連續(xù)的點(diǎn)，它們的灰度值大于Ip+T或者小于Ip-T時， 則判定該像素點(diǎn)P為興趣點(diǎn)，N為大于等于12的自然數(shù)；
[0013] 先將選中像素的上下左右四個點(diǎn)的像素值與Ip進(jìn)行比較，如果至少存在三個像素 值不大于Ip+T或者不小于Ip-T時，得判斷該點(diǎn)不是興趣點(diǎn)，否則檢查所有16個像素并判斷 N個連續(xù)像素是否符合標(biāo)準(zhǔn)；
[0014] 采用史托馬斯算法得到每個角點(diǎn)的分?jǐn)?shù)，令λ，Ρλ2為角點(diǎn)結(jié)構(gòu)張量矩陣A的 兩個最大特征值，計算最小值min(λλ2)，以此作為分?jǐn)?shù)，令（X，y)為偏移量，I為圖像灰 度，Ix和Iy為圖像灰度I的偏導(dǎo)數(shù)，角點(diǎn)位置的協(xié)方差矩陣為A'在得到每個角點(diǎn)的評分 后按照的得分高低順序?qū)屈c(diǎn)序列進(jìn)行排序，排序完成后按順序循環(huán)比較兩個角點(diǎn)之間的 距離，如果兩個角點(diǎn)的距離小于期望的角點(diǎn)間距離，則保留Shi-Tomasi得分高的角點(diǎn)，期 望的距離不小于10像素；
[0015] 獲取最終的改進(jìn)FAST角點(diǎn)。
[0016] 步驟2中，采用改進(jìn)的SURF算法對兩幅圖像進(jìn)行特征描述，包括以下步驟：
[0017] 創(chuàng)建一個以興趣點(diǎn)為中心的矩形區(qū)域，矩形的方向?yàn)榕d趣點(diǎn)的方向，將每個區(qū)域 劃分為兩個以上的3X3的子區(qū)域，對于每個子區(qū)域，用5X5間隔采樣計算Haar小波響應(yīng)， 令dx為Haar小波在X方向上響應(yīng)，dy為該響應(yīng)在y方向上的響應(yīng)，對響應(yīng)的dx和dy采用 高斯加權(quán)，得出每個子區(qū)域中小波響應(yīng)dx和dy的和組成第一組特征向量，同時把強(qiáng)度響應(yīng) 絕對值的總和添加進(jìn)特征描述；
[0018] 得到每個子分解區(qū)域的四個描述，用矢量V表示為V= (Σ4,Edy，Σ|dx|，Σ|dy|)，所有3X3的區(qū)域描述子的個數(shù)為36,即36維的描述。
[0019] 步驟2中，采用改進(jìn)的LBP算法對兩幅圖像進(jìn)行特征描述，包括以下步驟：
[0020] 采用檢測窗口檢測，對于圖像單元中的每一個像素點(diǎn)，取其相鄰的連續(xù)16個點(diǎn)作 為采樣點(diǎn)，對于單個像素點(diǎn)而言，當(dāng)中心點(diǎn)的像素大于一個鄰近點(diǎn)的像素值，則將該臨近點(diǎn) 值設(shè)為〇,反之可以設(shè)為1，從而得到了一個16位的二進(jìn)制數(shù)；對所有像素位置加權(quán)求和獲 取該檢測窗口的LBP編碼值；將這16位數(shù)據(jù)依次進(jìn)行循環(huán)左移操作，每次左移對應(yīng)產(chǎn)生16 個新的數(shù)據(jù)，在其中找到最大一個，作為最終的編碼數(shù)據(jù)。
[0021] 步驟2中，先判斷LBP紋理特征是否符合要求，然后通過計算歐式距離和比較最佳 匹配次最佳匹配來查找匹配點(diǎn)，通過兩級匹配，保留180?220個角點(diǎn)，包括以下步驟：
[0022] 設(shè)定一個歐式距離最大值MAX，分別從參考圖像和待拼接圖像中選擇一個角點(diǎn)，采 用LBP紋理特征分別對兩個角點(diǎn)計算每個位的差異，選取一個閾值為2,若位差異大于閾值 2,則重新再從參考圖像中選取角點(diǎn)計算每個位差異，當(dāng)在參考圖像中選取的角點(diǎn)與待匹配 圖像每個位差異不大于閾值2時，計算這兩個角點(diǎn)描述的歐式距離平方和，若歐式距離平 方和小于當(dāng)前已得出的最佳匹配，則令小于當(dāng)前最佳歐式距離平方和的點(diǎn)作為當(dāng)前最佳匹 配，當(dāng)前最佳匹配初始值MX;不然，則令大于當(dāng)前最佳歐式距離平方和但小于第二最小歐 式距離平方和的點(diǎn)設(shè)為第二最佳匹配點(diǎn)，第二最佳匹配點(diǎn)初始值為MAX;如此將參考圖像 中的每一個特征點(diǎn)與待拼接圖像中的特征點(diǎn)進(jìn)行比較，分別得出最佳和第二佳匹配點(diǎn)；若 得到的最佳和第二佳歐式距離平方和之比小于閾值，則該點(diǎn)對為匹配點(diǎn)對，否則判定該點(diǎn) 對不是匹配點(diǎn)對。
[0023] 步驟3中，設(shè)定采樣次數(shù)N，每次采樣隨機(jī)抽取兩個匹配點(diǎn)對共4個點(diǎn)，其中在參考 圖像上選取兩個特征點(diǎn)，在待匹配圖像上選取對應(yīng)的兩個特征點(diǎn)；如果同一圖像中選取的 兩個點(diǎn)不相關(guān)，則重新選取，如果相關(guān)，則根據(jù)選取的兩個匹配點(diǎn)對計算單應(yīng)性矩陣；然后 計算滿足單應(yīng)性矩陣匹配點(diǎn)的個數(shù)，若滿足單應(yīng)性矩陣的匹配點(diǎn)數(shù)量不為最大，則重新選 取匹配點(diǎn)對；若為最大，則通過計算匹配點(diǎn)超距離，判斷內(nèi)點(diǎn)和外點(diǎn)，設(shè)定外點(diǎn)是誤匹配，并 去除；設(shè)定內(nèi)點(diǎn)被認(rèn)為是正確匹配，予以保留，剩下的角點(diǎn)，用來融合參考圖像和待拼接圖 像。
[0024] 步驟4中，根據(jù)由步驟3得到的4對匹配點(diǎn)對，利用已有的OpenCV函數(shù)庫，求得透 視變換所需的單應(yīng)性矩陣。
[0025] 有Γi=HXi,其中Γi= (X，iy，i1)T，Xi =(Xiyi 1)τ 是兩對齊次坐標(biāo)， 通過4對匹配點(diǎn)對，求得變換矩陣H。
[0026] 在角點(diǎn)提取時米用改進(jìn)的FAST算法（FeaturesfromAcceleratedSegment Test，加速分割檢測特征）提高提取速度，實(shí)驗(yàn)證明該算法的速度比傳統(tǒng)角點(diǎn)提取更快，通 過對該算法的改良提高了其提取的角點(diǎn)的穩(wěn)定性。對角點(diǎn)特征的描述采用了 3X3的SURF 描述與LBP結(jié)合，與LBP結(jié)合描述是為了提高角點(diǎn)匹配的速度。特征點(diǎn)對去除誤匹采用 RANSAC(RandomSampleConsensus,隨意抽樣一致性）去除誤匹配提高匹配的準(zhǔn)確率。根 據(jù)得到的匹配點(diǎn)對，計算出待拼接圖像到參考圖像的變換參數(shù)，采用漸入漸出法拼接圖像， 也就是在拼接圖像中的重疊區(qū)域，又參考圖像漸漸過渡到待拼接圖像，保持視覺上的平滑 和一致性。

【專利附圖】

【附圖說明】
[0027] 下面結(jié)合附圖和【具體實(shí)施方式】對本發(fā)明做更進(jìn)一步的具體說明，本發(fā)明的上述和 /或其他方面的優(yōu)點(diǎn)將會變得更加清楚。
[0028] 圖1基于改進(jìn)型SURF算法的圖像快速拼接方法總流程圖。
[0029] 圖2改進(jìn)的FAST算法提取角點(diǎn)流程圖。
[0030] 圖3改進(jìn)的SURF算法匹配流程圖。
[0031] 圖4去除誤匹配角點(diǎn)流程圖。
[0032] 圖5參考圖像與待拼接圖像融合流程圖。
[0033] 圖6改進(jìn)的SURF算法匹配結(jié)果圖。
[0034] 圖7拼接結(jié)果圖。

【具體實(shí)施方式】
[0035] 本發(fā)明公開了一種基于SURF算法的圖像快速拼接方法，采用改進(jìn)的FAST算法，對 參考圖像和待拼接圖像提取角點(diǎn)。FAST算法提取角點(diǎn)運(yùn)算速度較快，經(jīng)過本方法改進(jìn)后，其 穩(wěn)定性也得以提高。本方法采用SURF描述與LBP描述相結(jié)合的方法，來描述角點(diǎn)特征，這 樣也能夠提高角點(diǎn)匹配的速度。本方法采用RANSAC方法去除誤匹配，提高準(zhǔn)確度，得到較 為準(zhǔn)確的變換矩陣。最后，采用漸入漸出法，完成參考圖像與待拼接圖像的快速拼接。
[0036] 將角點(diǎn)定義為在某一個像素點(diǎn)周圍鄰域內(nèi)有足夠數(shù)量的像素點(diǎn)與該像素點(diǎn)處于 不同的區(qū)域。在實(shí)際灰度圖中，存在足夠多的像素點(diǎn)灰度值大于或者小于角點(diǎn)的灰度值。選 擇圓形區(qū)域作為模板并考察圓的中心點(diǎn)是否為角點(diǎn)。
[0037] 參照圖1，基于改進(jìn)型SURF算法的圖像快速拼接方法。分別對參考圖像和待拼接 圖像，采用改進(jìn)的FAST方法檢測角點(diǎn)。然后，采用改進(jìn)的SURF方法對兩幅圖像檢測的角點(diǎn) 進(jìn)行特征點(diǎn)匹配。對匹配得出的特征點(diǎn)對，采用RANSAC方法去除誤匹配，得到更加精確的 特征點(diǎn)對。根據(jù)得到的精確特征點(diǎn)對，計算出變換矩陣。最后采用漸入漸出法，融合出完整 的圖像。
[0038] 參照圖2,對參考圖像和待拼接圖像分別提取角點(diǎn)。首先按照基本FAST方法進(jìn)行 角點(diǎn)檢測。然后，計算上一步驟得到的每一個角點(diǎn)的Shi-Tomasi得分。根據(jù)每一個角點(diǎn)的 得分，按高低順序排序，循環(huán)比較兩個角點(diǎn)之間的距離。如果角點(diǎn)之間的距離不符合期望， 則認(rèn)為是不顯著角點(diǎn)，在此去除。去除鄰域內(nèi)不顯著的角點(diǎn)后，得到較為精確的角點(diǎn)。
[0039] 參照圖3,對參考圖像和待拼接圖像中由上一步驟檢測出的角點(diǎn)進(jìn)行匹配。首先， 設(shè)定一個歐式距離最大值MAX。分別從參考圖像和待匹配圖像中選擇一個角點(diǎn)。采用LBP 紋理特征分別對兩個角點(diǎn)計算每個位的差異。選取一個閾值為2。若位差異大于閾值，則重 新再參考圖像中選取角點(diǎn)計算每個位差異。當(dāng)在參考圖像中選取的角點(diǎn)與待匹配圖像每個 位差異不大于閾值2時，計算這兩個角點(diǎn)描述的歐式距離平方和。若歐式距離平方和小于 當(dāng)前已得出的最佳匹配，則令小于當(dāng)前最佳歐式距離平方和的點(diǎn)作為當(dāng)前最佳匹配，默認(rèn) 值為MX;不然，則令大于當(dāng)前最佳歐式距離平方和但小于第二最小歐式距離平方和的點(diǎn) 設(shè)為第二最佳匹配點(diǎn)，默認(rèn)值為MAX。如此將參考圖像中的每一個特征點(diǎn)與待拼接圖像中的 特征點(diǎn)進(jìn)行比較，分別得出最佳和第二佳匹配點(diǎn)。若得到的最佳和第二佳歐式距離平方和 之比小于閾值，則該點(diǎn)對為匹配點(diǎn)對；不然認(rèn)為未找到匹配點(diǎn)對。
[0040] 參照圖4,去除誤匹配的角點(diǎn)。當(dāng)待匹配點(diǎn)對多于4對時，能夠進(jìn)行有效的去除誤 匹配操作。設(shè)定一個采樣次數(shù)N，每次采樣隨機(jī)抽取兩個匹配點(diǎn)對（在參考圖像上選取兩 個特征點(diǎn)，在待匹配圖像上選取對應(yīng)的兩個特征點(diǎn)），共4個點(diǎn)。如果同一圖像中選取的兩 個點(diǎn)不相關(guān)，則重新選取。如果相關(guān)，則根據(jù)選取的兩個匹配點(diǎn)對計算單應(yīng)性矩陣。然后計 算滿足單應(yīng)性矩陣匹配點(diǎn)的個數(shù)。若滿足單應(yīng)性矩陣的匹配點(diǎn)數(shù)量不為最大，則重新選取 匹配點(diǎn)對；若為最大，則通過計算匹配點(diǎn)超距離，判斷"內(nèi)點(diǎn)"和"外點(diǎn)"。外點(diǎn)被認(rèn)為是誤匹 配，予以去除；而內(nèi)點(diǎn)被認(rèn)為是精確匹配，予以保留。剩下的角點(diǎn)，才被用來融合參考圖像和 待拼接圖像。
[0041] 參照圖5,計算變換矩陣并采用漸入漸出法進(jìn)行圖像融合。首先根據(jù)精確的特征點(diǎn) 對求解變換矩陣。通過4對配對點(diǎn)，可求得變換矩陣。待匹配圖像與變換矩陣相乘，然后與 參考圖像進(jìn)行拼接。拼接采用漸入漸出法，對參考圖像和變換后的待拼接圖像重疊區(qū)域的 每一個像素值依照其距離重疊區(qū)域邊緣的遠(yuǎn)近分別加權(quán)，計算每個拼接圖像重疊區(qū)域每個 位置的像素值加權(quán)和，作為融合圖像該點(diǎn)像素值。這樣能夠使兩幅圖像的融合更加平滑。 [0042]本發(fā)明中首先，通過檢測出圖像中的角點(diǎn)，為后續(xù)的特征描述和特征匹配創(chuàng)造條 件。角點(diǎn)的檢測包括以下步驟：
[0043]LFAST角點(diǎn)檢測
[0044] (1)在圖像中選取一個像素點(diǎn)"P"，設(shè)該像素點(diǎn)灰度值為IP，該像素為要判斷是否 是興趣點(diǎn)的像素。
[0045] (2)根據(jù)具體情況設(shè)定圖像灰度閾值T。
[0046] (3)在像素點(diǎn)P周圍選取16個像素點(diǎn)，使這16個點(diǎn)形成半徑為3的圓。
[0047] (4)在16個像素點(diǎn)中存在N個連續(xù)的點(diǎn)，它們的灰度值大于Ip+T或者小于Ip-T 時，該像素點(diǎn)P為興趣點(diǎn)。
[0048] (5)為提高算法執(zhí)行速度，先將選中像素的上下左右四個點(diǎn)的像素值像素（設(shè)為 II，15, 19, 113)的值與Ip進(jìn)行比較。顯然，一般至少有四個像素應(yīng)該滿足使興趣點(diǎn)存在的 閾值標(biāo)準(zhǔn)。
[0049] (6)如果至少存在四個像素值II，15, 19, 113不大于Ip+T或者不小于Ip-T時，得 出該點(diǎn)不是興趣點(diǎn)。在這種情況下，像素點(diǎn)P不可能為興趣點(diǎn)。否則，如果至少有3個像素 大于Ip+T或者小于Ip-T,然后檢查所有16個像素并判斷12個連續(xù)像素是否符合標(biāo)準(zhǔn)。
[0050] (7)依照以上做法遍歷每個像素點(diǎn)。
[0051] 按照以上方法會得到大量角點(diǎn)，這些角點(diǎn)會在局部圖像中分布過于密集。選取其 中特征描述特點(diǎn)更強(qiáng)的角點(diǎn)，有利于快速精確的實(shí)現(xiàn)后續(xù)的特征點(diǎn)配對過程。
[0052] 2.解決局部角點(diǎn)密集問題
[0053]Harris角點(diǎn)（哈里斯角點(diǎn)）計算中的二階矩陣，又稱為結(jié)構(gòu)張量矩陣。Shi-Tomasi 算法（史托馬斯算法）是基于Harris角點(diǎn)計算方法的優(yōu)化。采用Shi-Tomasi算法得 到每個角點(diǎn)的分?jǐn)?shù)，令\1和λ2為角點(diǎn)結(jié)構(gòu)張量矩陣A的兩個最大特征值，計算最小值 min(λi，λ2)，以此作為分?jǐn)?shù)，令（x，y)為偏移量，I為圖像灰度，Ix和Iy為圖像灰度I的偏 導(dǎo)數(shù)，角點(diǎn)位置的協(xié)方差矩陣為A'貝U，公式為：

【權(quán)利要求】
1. 一種基于改進(jìn)型SURF算法的圖像快速拼接方法，其特征在于，包括以下步驟： 步驟1，檢測參考圖像和待拼接圖像兩幅圖像中的角點(diǎn)； 步驟2,對兩幅圖像檢測的角點(diǎn)進(jìn)行特征描述，然后進(jìn)行特征點(diǎn)匹配； 步驟3,對匹配得出的特征點(diǎn)對，去除誤匹配，得到優(yōu)化后的特征點(diǎn)對； 步驟4,計算變換矩陣； 步驟5,對兩幅圖像進(jìn)行融合。
2. 根據(jù)權(quán)利要求1所述的方法，其特征在于：采用改進(jìn)的FAST算法進(jìn)行角點(diǎn)檢測，包 括：在圖像中選取一個像素點(diǎn)P，判斷像素點(diǎn)P是否是興趣點(diǎn)的像素；判斷像素點(diǎn)P是否為 興趣點(diǎn)的方法為：令選取的像素點(diǎn)灰度值為IP，圖像灰度閾值T,在像素點(diǎn)P周圍，以4個像 素為半徑畫圓，在該圓圓周上得到16個像素點(diǎn)；如果在16個像素點(diǎn)中存在N個連續(xù)的點(diǎn)， 它們的灰度值大于IP+T或者小于IP-T時，則判定該像素點(diǎn)P為興趣點(diǎn)，N為大于等于12的 自然數(shù)； 先將選中像素的上下左右四個點(diǎn)的像素值與IP進(jìn)行比較，如果至少存在三個像素值不 大于IP+T或者不小于IP-T時，得判斷該點(diǎn)不是興趣點(diǎn)，否則檢查所有16個像素并判斷N個 連續(xù)像素是否符合標(biāo)準(zhǔn)； 采用史托馬斯算法得到每個角點(diǎn)的分?jǐn)?shù)，令^和^為角點(diǎn)結(jié)構(gòu)張量矩陣A的兩個最 大特征值，計算最小值min(入i，A2)，以此作為分?jǐn)?shù)，令（x，y)為偏移量，I為圖像灰度，Ix 和Iy為圖像灰度I的偏導(dǎo)數(shù)，角點(diǎn)位置的協(xié)方差矩陣為A'在得到每個角點(diǎn)的評分后按照 的得分高低順序?qū)屈c(diǎn)序列進(jìn)行排序，排序完成后按順序循環(huán)比較兩個角點(diǎn)之間的距離， 如果兩個角點(diǎn)的距離小于期望的角點(diǎn)間距離，則保留Shi-Tomasi得分高的角點(diǎn)，期望的距 離不小于10像素； 獲取最終的改進(jìn)FAST角點(diǎn)。
3. 根據(jù)權(quán)利要求2所述的方法，其特征在于，步驟2中，采用改進(jìn)的SURF算法對兩幅圖 像進(jìn)行特征描述，包括以下步驟： 創(chuàng)建一個以興趣點(diǎn)為中心的矩形區(qū)域，矩形的方向?yàn)榕d趣點(diǎn)的方向，將每個區(qū)域劃分 為兩個以上的3X3的子區(qū)域，對于每個子區(qū)域，用5X5間隔采樣計算Haar小波響應(yīng)，令dx 為Haar小波在x方向上響應(yīng)，dy為該響應(yīng)在y方向上的響應(yīng)，對響應(yīng)的dx和dy采用高斯加 權(quán)，得出每個子區(qū)域中小波響應(yīng)dx和dy的和組成第一組特征向量，同時把強(qiáng)度響應(yīng)絕對值 的總和添加進(jìn)特征描述； 得到每個子分解區(qū)域的四個描述，用矢量v表示為v=(Edx，Edy，E|dx|，E|dy|)， 所有3X3的區(qū)域描述子的個數(shù)為36,即36維的描述。
4. 根據(jù)權(quán)利要求3所述的方法，其特征在于：步驟2中，采用改進(jìn)的LBP算法對兩幅圖 像進(jìn)行特征描述，包括以下步驟： 采用檢測窗口檢測，對于圖像單元中的每一個像素點(diǎn)，取其相鄰的連續(xù)16個點(diǎn)作為采 樣點(diǎn)，對于單個像素點(diǎn)而言，當(dāng)中心點(diǎn)的像素大于一個鄰近點(diǎn)的像素值，則將該臨近點(diǎn)值設(shè) 為0,反之可以設(shè)為1，從而得到了一個16位的二進(jìn)制數(shù)；對所有像素位置加權(quán)求和獲取該 檢測窗口的LBP編碼值；將這16位數(shù)據(jù)依次進(jìn)行循環(huán)左移操作，每次左移對應(yīng)產(chǎn)生16個新 的數(shù)據(jù)，在其中找到最大一個，作為最終的編碼數(shù)據(jù)。
5. 根據(jù)權(quán)利要求4所述的方法，其特征在于：步驟2中，先判斷LBP紋理特征是否符合 要求，然后通過計算歐式距離和比較最佳匹配次最佳匹配來查找匹配點(diǎn)，通過兩級匹配，保 留180?220個角點(diǎn)，包括以下步驟： 設(shè)定一個歐式距離最大值MAX，分別從參考圖像和待拼接圖像中選擇一個角點(diǎn)，采用LBP紋理特征分別對兩個角點(diǎn)計算每個位的差異，選取一個閾值為2,若位差異大于閾值2， 則重新再從參考圖像中選取角點(diǎn)計算每個位差異，當(dāng)在參考圖像中選取的角點(diǎn)與待匹配圖 像每個位差異不大于閾值2時，計算這兩個角點(diǎn)描述的歐式距離平方和，若歐式距離平方 和小于當(dāng)前已得出的最佳匹配，則令小于當(dāng)前最佳歐式距離平方和的點(diǎn)作為當(dāng)前最佳匹 配，當(dāng)前最佳匹配初始值MAX;不然，則令大于當(dāng)前最佳歐式距離平方和但小于第二最小歐 式距離平方和的點(diǎn)設(shè)為第二最佳匹配點(diǎn)，第二最佳匹配點(diǎn)初始值為MAX;如此將參考圖像 中的每一個特征點(diǎn)與待拼接圖像中的特征點(diǎn)進(jìn)行比較，分別得出最佳和第二佳匹配點(diǎn)；若 得到的最佳和第二佳歐式距離平方和之比小于閾值，則該點(diǎn)對為匹配點(diǎn)對，否則判定該點(diǎn) 對不是匹配點(diǎn)對。
6.根據(jù)權(quán)利要求5所述的方法，其特征在于：步驟3中，設(shè)定采樣次數(shù)N，每次采樣隨 機(jī)抽取兩個匹配點(diǎn)對共4個點(diǎn)，其中在參考圖像上選取兩個特征點(diǎn)，在待匹配圖像上選取 對應(yīng)的兩個特征點(diǎn)；如果同一圖像中選取的兩個點(diǎn)不相關(guān)，則重新選取，如果相關(guān)，則根據(jù) 選取的兩個匹配點(diǎn)對計算單應(yīng)性矩陣；然后計算滿足單應(yīng)性矩陣匹配點(diǎn)的個數(shù)，若滿足單 應(yīng)性矩陣的匹配點(diǎn)數(shù)量不為最大，則重新選取匹配點(diǎn)對；若為最大，則通過計算匹配點(diǎn)超距 離，判斷內(nèi)點(diǎn)和外點(diǎn)，設(shè)定外點(diǎn)是誤匹配，并去除；設(shè)定內(nèi)點(diǎn)被認(rèn)為是正確匹配，予以保留， 剩下的角點(diǎn)，用來融合參考圖像和待拼接圖像。
【文檔編號】G06T5/50GK104376548SQ201410626230
【公開日】2015年2月25日 申請日期:2014年11月7日 優(yōu)先權(quán)日:2014年11月7日
【發(fā)明者】董小舒, 秦晅, 卞志國, 盧旻昊, 劉超, 李嵐俊 申請人:中國電子科技集團(tuán)公司第二十八研究所