一種針對側掃聲納成像特點的圖像拼接方法
【專利摘要】本發(fā)明公開了一種針對側掃聲納成像特點的圖像拼接方法，目的是為解決側掃聲納成像中的分辨率低、噪聲污染嚴重、重影、多普勒效應等問題。本發(fā)明在基于圖像特征點的拼接問題進行研究,主要研究了融合尺度空間理論的Harris角點檢測和對角點的SIFT特征描述進而實現(xiàn)圖像配準。在圖像融合階段，在圖像間變換關系對應后，先后采用仿射變換和加權平均法完成圖像在空間和像素上的融合,得到一幅完整的拼接圖像。
【專利說明】一種針對側掃聲納成像特點的圖像拼接方法

【技術領域】
[0001] 本發(fā)明涉及的是一種圖像拼接技術，特別涉及的是一種針對側掃聲納成像特點的 圖像拼接方法。

【背景技術】
[0002] 聲納探測技術是海洋測繪領域的關鍵手段。側掃聲納將聲波發(fā)射到海床上再依次 接受反射聲波，利用不同的海底地質反射不同的聲波強度的原理繪制出海底地形地貌。但 側掃聲納得到的只是一條描述海底地形地貌的條帶，如果要得到完整的海底地形圖，需要 把各個相鄰的條帶進行拼接處理，繪制出整個區(qū)域內的聲納拼接圖。本論文所要研究的內 容即是側掃聲納圖像的拼接技術，將測量范圍內的聲納圖像依序相拼接，繪制出整個范圍 內的聲納拼接圖，從而得到完整的海下地形圖。
[0003] 以圖像匹配為關鍵的圖像拼接技術是當前學者研究的熱點。微軟研究院的 Richard教授在1996年提出一種基于運動的全景圖像拼接模型，采用L-M迭代非線性最小 化方法，通過這個模型確定圖像間的平移、旋轉、縮放等幾何變換關系，從而確定圖像間的 配準變換關系，此方法效果較好，收斂速度快，能處理大多數(shù)經(jīng)過空間幾何變換的待拼接圖 像，所以被公認為圖像拼接領域的經(jīng)典算法，Richard也因此成為圖像拼接領域的奠基人。


【發(fā)明內容】

[0004] 本發(fā)明的一種針對側掃聲納成像特點的圖像拼接方法，目的是為了解決側掃聲納 成像中的分辨率低、噪聲污染嚴重、重影、多普勒效應等問題。
[0005] 本發(fā)明的目的是這樣實現(xiàn)的：一種針對側掃聲納成像特點的圖像拼接方法的步驟 是這樣的： 1、圖像預處理，并提出特征點。針對Harris角點對尺度變化敏感的缺點，提出了與尺 度空間理論融合的多尺度的Harris角點檢測算法，經(jīng)過兩組尺度變換的模板的檢測，檢 測出的Harris角點更加準確且有尺度不變特征，同時也為后文SIFT描述打下基礎。
[0006] 2、在圖像特征點檢測階段，在Harris算子對尺度變化敏感的基礎上對Harris進 行了多尺度檢測的改進，使其適應多尺度的變化。
[0007] 3、圖像匹配。從利用圖像灰度信息和圖像特征兩方面來進行圖像匹配的介紹，介 紹了基于像素差平方和（SSD)和基于互相關（CC)的匹配方法，同時論文采用基于圖像特征 的匹配方法。在之前提取的Harris角點的基礎上，利用SIFT特征對角點重新進行描述，生 成SIFT特征向量描述符，然后利用歐式距離作為匹配的判斷依據(jù)，從而確定基準圖像與待 匹配圖像的變換關系。
[0008] 4、圖像融合。在匹配關系對應之后，通過仿射變化確定待融合圖像和基準圖像間 的空間變換關系；在通過加權平均法中的漸入漸出法確定兩圖像重疊區(qū)域像素值得確定， 并使重疊區(qū)域的像素平滑過渡，無明顯的縫隙，最終完成圖像的融合。
[0009]本發(fā)明還包括： 改進的Harris角點檢測算法是這樣實現(xiàn)的：構建不同的尺度空間就是為了檢測出圖 像具有尺度不變性的特征點，論文采用高斯函數(shù)來建立尺度空間：

【權利要求】
1. 一種針對側掃聲納成像特點的圖像拼接方法，其特征在于：一種針對側掃聲納成像 特點的圖像拼接方法的步驟是： 1、 圖像預處理，并提出特征點：針對Harris角點對尺度變化敏感的缺點，提出與尺度 空間理論融合的多尺度的Harris角點檢測算法，經(jīng)過兩組尺度變換的模板的檢測，檢測 出Harris角點更加準確且有尺度不變特征； 2、 圖像特征點檢測：在Harris算子對尺度變化敏感的基礎上對Harris進行多尺度檢 測的改進； 3、 圖像匹配：從利用圖像灰度信息和圖像特征兩方面來進行圖像匹配的介紹，介紹基 于像素差平方和和基于互相關的匹配方法，同時采用基于圖像特征的匹配方法；在之前提 取的Harris角點的基礎上，利用SIFT特征對角點重新進行描述，生成SIFT特征向量描 述符，然后利用歐式距離作為匹配的判斷依據(jù)，從而確定基準圖像與待匹配圖像的變換關 系； 4、 圖像融合：在匹配關系對應之后，通過仿射變化確定待融合圖像和基準圖像間的空 間變換關系；在通過加權平均法中的漸入漸出法確定兩圖像重疊區(qū)域像素值得確定，并使 重疊區(qū)域的像素平滑過渡，完成圖像的融合。
2.根據(jù)權利要求1所述的一種針對側掃聲納成像特點的圖像拼接方法，其特征在于： 改進的Harris角點檢測算法是這樣實現(xiàn)的：構建不同的尺度空間就是為了檢測出圖像具 有尺度不變性的特征點，采用高斯函數(shù)來建立尺度空間：
設1(1^)為輸入圖像的像素，6(1，，〇)為尺度可變的高斯函數(shù)，圖像的尺度空 間定義為L(U，cr),表達式如下：
其中，' 表示卷積運算，^表示尺度空間參數(shù)，〇大，則尺度空間描述圖像的大致特征； 〇小，則尺度空間描述圖像的細節(jié)特征，隨著的變化，就建立起一組尺度不同的尺度空 間；先選擇=0.4時的高斯函數(shù)對原圖進行高斯卷積，并將其作為第一組尺度空間的第 一幅檢測圖像，然后依次增大<1直至生成第五幅檢測圖像，在組建第二組尺度空間時，取上 一組尺度空間的中間那副圖像進行二分之一采樣（即將該圖的長和寬均縮到原來的二分之 一）作為第二組尺度空間的第一幅圖像，然后進行同上述操作一樣生成5幅圖像，得到第二 組尺度空間； 在上述建立的兩組不同尺度空間的尺度層次上分別進行Harris角點檢測，其步驟大 致以之前的Harris角點檢測相似，只是在不同尺度空間分別展開，具體步驟如下： 1、計算不同尺度下的方向梯度和高斯卷積，得到不同尺度下的自相關M矩陣：
然后在尺度空間上計算Harris角點響應函數(shù)R( % ): R( )=det(M( )kX(M( 〇> )), 式中，k為權值系數(shù)，通常取0. 04-0. 06;tr為矩陣的秩，當R(crf )大于所設定的閾值 且在周圍3X3領域內為最大值時，則確定該點為角點； 2、在兩組尺度空間內，沿小尺度方向到大尺度方向濾除偽角點；假設在尺度％時檢測 到^0個Harris角點；在尺度時檢測到嶠個Harris角點，直至最大尺度，判斷Harris 角點是否在這一組尺度空間的每個尺度同一坐標區(qū)域（3X3模板范圍）都存在，若存在，此 角點設置為特征點；若不存在，則說明該點可能是孤立像素點、噪聲或者邊緣，剔除該角點。
【文檔編號】G06T5/50GK104408696SQ201410468470
【公開日】2015年3月11日 申請日期:2014年9月16日 優(yōu)先權日:2014年9月16日
【發(fā)明者】費浚純 申請人:哈爾濱恒譽名翔科技有限公司