基于點、線雙重特征的快速圖像拼接方法
【專利摘要】本發(fā)明提供了一種基于特征匹配的快速圖像拼接方法。本發(fā)明利用Canny邊緣檢測算法和Harris角點檢測算法，分別提取出圖像的線特征和點特征，通過兩種特征的結合得到最佳特征點，然后利用相似測度NCC對特征點進行粗匹配,隨機采樣算法RANSAC算法剔除錯誤匹配點提高圖像配準的精度，采用LSM方法計算變換模型參數(shù)，最后采用加權平均法對拼接后的圖像進行融合并消除拼接縫隙。本發(fā)明根據(jù)點、線雙重圖像特征來確定待匹配點，可以增強圖像細節(jié)，避免因曝光不足、過度以及攝像機抖動等造成圖像匹配誤差，在一定程度上提高了圖像拼接質(zhì)量。
【專利說明】基于點、線雙重特征的快速圖像拼接方法
【技術領域】
[0001]本發(fā)明屬圖像處理和模式識別領域，具體涉及一種基于點、線雙重特征的快速圖像拼接方法。
【背景技術】
[0002]圖像特征是區(qū)分圖像內(nèi)部元素的最基本屬性，而參與匹配的圖像特征則構成特征空間。特征分為人工特征和自然特征，前者是為了進行圖像分析和處理而指定的特征，例如圖像直方圖、矩不變量、圖像頻譜、高層結構描述等；后者是圖像固有的，比如圖像的灰度、顏色、輪廓、角點、線交點等。圖像特征的選擇至關重要，它關系到搜索匹配算法的復雜度和計算量。選擇特征必須滿足3點要求:1.被選特征需是所有待配準圖像的共有特征；2.特征集的特征數(shù)量適中:如果特征太少則不利于配準，特征太多會帶來嚴重的運算負擔，另外還需特征在圖像上分布均勻；3.特征點對旋轉(zhuǎn)縮放平移等變換保持不變性，易于精確匹配。
[0003]圖像匹配方法主要有:利用圖像的灰度信息進行匹配的模板匹配法、相位相關法和基于特征的配準方法。其中基于特征的方法已逐漸成為未來的發(fā)展方向，主要原因是基于特征的方法是利用拼接圖像中數(shù)量較少、特征較穩(wěn)定的一些點、線或邊緣等進行匹配，大大壓縮了所需處理信息量，使得匹配搜索的計算量較小、速度較快，且該方法對圖像灰度的變化具有魯棒性，適合于多幅圖像拼接。此方法先從兩幅圖像中提取了變化明顯的點、線、區(qū)域等特征形成特征集，再依據(jù)兩幅圖像間對應的特征集中的特征點，利用特征匹配算法盡可能地將存在對應關系的特征對選擇出來，然后，以圖像特征為標準，對圖像重疊部分的對應特征區(qū)域進行搜索匹配，最后完成多幅圖像的快速拼接，該類方法有比較高的健壯性和魯棒性。
[0004]但常見的基于圖像特征的匹配算法中也存在兩個不足之處:
[0005]1.基于特征的匹配算法往往只用到圖像的一個特征，如點特征、線特征、灰度特征等，導致提取出來的特征不能完全的描述圖像細節(jié)，因此匹配結果容易受到噪聲、圖像信息分布等因素的影響，匹配精度不高、穩(wěn)定性不好。且若拼接圖像中兩幅圖重疊區(qū)域不大，則對特征點的準確性及穩(wěn)定性的依賴較高。此時非常容易出現(xiàn)圖像匹配錯誤或者無法匹配。
[0006]2.作為比較經(jīng)典的角點提取算法，Harris角點提取結果受圖像質(zhì)量的影響非常大，如果圖像曝光不足、過度，提取出來的角點數(shù)目不足，而且錯誤率很高，而且當待配準的兩幅圖像的曝光度不同時，提取出來可以配準的角點數(shù)目很少，錯誤匹配率很高，直接影響圖像拼接質(zhì)量。

【發(fā)明內(nèi)容】

[0007]本發(fā)明的目的是解決圖像特征匹配過程中，提取特征不能完全反映圖像細節(jié)、特征點數(shù)目不足、有效待匹配點數(shù)目少的問題，提出一種基于點、線雙重特征的快速圖像拼接方法，可以增強圖像細節(jié)，提高圖像拼接質(zhì)量。[0008]本發(fā)明采用以下技術方案實現(xiàn)，所述基于點、線雙重特征的快速圖像拼接方法，包括以下步驟:
[0009]步驟S1:利用Canny邊緣檢測算法和Harris函數(shù)的角點檢測算法,提取出圖像的線特征，然后在線特征的基礎上提取點特征，通過點特征和線特征兩種特征的結合得到最佳特征點；
[0010]步驟S2:利用相似測度NCC對所述最佳特征點進行粗匹配；
[0011]步驟S3:利用RANSAC算法剔除錯誤匹配點提高圖像配準的精度，采用LSM方法計算變換模型參數(shù)；
[0012]步驟S4:最后采用加權平均法對拼接后的圖像進行融合并消除拼接縫隙。
[0013]步驟SI中所述通過點特征和線特征兩種特征的結合得到最佳特征點的方法如下:
[0014]步驟Sll:用高斯濾波器平滑圖像:用高斯濾波器對輸入的兩幅圖像進行卷積濾波，濾除噪聲，減小噪聲對梯度計算的影響，二維高斯濾波函數(shù)G(x，y，σ)定義如下
【權利要求】
1.基于點、線雙重特征的快速圖像拼接方法，其特征在于，包括以下步驟: 步驟S1:利用Canny邊緣檢測算法和Harris函數(shù)的角點檢測算法，提取出圖像的線特征，然后在線特征的基礎上提取點特征，通過點特征和線特征兩種特征的結合得到最佳特征點； 步驟S2:利用相似測度NCC對所述最佳特征點進行粗匹配； 步驟S3:利用RANSAC算法剔除錯誤匹配點提高圖像配準的精度，采用LSM方法計算變換模型參數(shù)； 步驟S4:最后采用加權平均法對拼接后的圖像進行融合并消除拼接縫隙。
2.如權利要求1所述的基于點、線雙重特征的快速圖像拼接方法，其特征在于: 所述通過點特征和線特征兩種特征的結合得到最佳特征點的方法如下: 步驟Sll:用高斯濾波器平滑圖像:用高斯濾波器對輸入的兩幅圖像進行卷積濾波，濾除噪聲，減小噪聲對梯度計算的影響，二維高斯濾波函數(shù)G(x，y，σ)定義如下
【文檔編號】G06T3/40GK103679636SQ201310717045
【公開日】2014年3月26日 申請日期:2013年12月23日 優(yōu)先權日:2013年12月23日
【發(fā)明者】方圓圓, 張雷 申請人:江蘇物聯(lián)網(wǎng)研究發(fā)展中心