技術(shù)特征：

1.一種基于改進(jìn)的SURF低照度快速成像方法，其特征在于，包括以下步驟：

步驟一，對(duì)原始圖像進(jìn)行前ISP(Image Signal Processing)處理并輸出；

步驟二，對(duì)進(jìn)行前ISP處理后輸出的低照度下獲取的多幀圖像進(jìn)行Surf特征點(diǎn)匹配獲得校準(zhǔn)圖像；

步驟三，對(duì)步驟二的所述校準(zhǔn)圖像采用加權(quán)累積方式進(jìn)行累加，每幅圖像權(quán)重相等；

步驟四，對(duì)步驟三得到的圖像進(jìn)行對(duì)比度調(diào)整；

步驟五，輸出最終處理完畢的圖像。

2.根據(jù)權(quán)利要求1所述的一種基于改進(jìn)的SURF低照度成像方法，其特征在于，步驟一的前ISP處理中包括對(duì)原始圖像進(jìn)行白平衡處理，去馬賽克，色彩校正，轉(zhuǎn)RGB格式彩圖，最后經(jīng)過(guò)轉(zhuǎn)RGB格式彩圖后輸出適合SURF特征點(diǎn)匹配的圖像。

3.根據(jù)權(quán)利要求1所述的一種基于改進(jìn)的SURF低照度成像方法，其特征在于，步驟二中的所述Surf特征點(diǎn)匹配的方法具體如下：

(一)改進(jìn)的FAST檢測(cè)特征點(diǎn)，將當(dāng)前像素點(diǎn)與其領(lǐng)域進(jìn)行比較判別，采用r＝3的圖像模板，即比較O點(diǎn)附近半徑為3的圓環(huán)上的16個(gè)鄰域點(diǎn)；再根據(jù)(1)式進(jìn)行計(jì)算，如果存在n個(gè)點(diǎn)與O點(diǎn)的灰度差值超過(guò)閾值t，則判定O點(diǎn)為特征點(diǎn)；

當(dāng)O為待檢測(cè)特征點(diǎn)中心像素點(diǎn)時(shí)，它的圓環(huán)上的點(diǎn)檢測(cè)結(jié)果有3種情況，即相似點(diǎn)s、較暗點(diǎn)d以及較亮點(diǎn)b；(1)式中：T₀為圓環(huán)上對(duì)應(yīng)的每種點(diǎn)的個(gè)數(shù)，H_i為圓環(huán)上第i個(gè)點(diǎn)對(duì)應(yīng)的灰度值，H₀為待檢測(cè)點(diǎn)對(duì)應(yīng)的灰度值；

設(shè)f₁和f₂分別為圖像中亮點(diǎn)和暗點(diǎn)在整幅圖像中的比重；

式(2)中：為加入約束后圓環(huán)上對(duì)應(yīng)的每種點(diǎn)的個(gè)數(shù)，權(quán)重α取值為0.5，β取值為3，而b_n、d_n和s_n分別為加入約束后得到的亮點(diǎn)、暗點(diǎn)和相似點(diǎn)個(gè)數(shù)；

定義一個(gè)函數(shù)W來(lái)進(jìn)行非特征點(diǎn)的剔除；

$W=max\left(\underset{N\∈S_b}{\Σ}\right|H_i-H_0|-t,\underset{N\∈S_d}{\Σ}|H_i-H_0|-t)---\left(3\right)$

在(3)式中，S_b＝{N|H_i≥H₀+t}，S_d＝{N|H_i≤H₀+t}，S_b為較亮點(diǎn)區(qū)域，S_d為較暗點(diǎn)區(qū)域；

(二)確定特征點(diǎn)主方向；

首先，需要對(duì)每個(gè)特征點(diǎn)分配一個(gè)主方向，保證其特征向量具有旋轉(zhuǎn)不變性，以每個(gè)特征點(diǎn)為中心，并以6s為半徑的圓形區(qū)域內(nèi)，對(duì)圖像進(jìn)行以4s×4s模板大小的Haar小波梯度運(yùn)算，s為特征點(diǎn)的當(dāng)前尺度；對(duì)Haar小波的相應(yīng)值使用σ＝2s的高斯加權(quán)函數(shù)進(jìn)行加權(quán)運(yùn)算，以每個(gè)特征點(diǎn)為中心、角度為π/3的扇形滑動(dòng)窗口，獲取特征點(diǎn)的主方向；對(duì)扇形滑動(dòng)窗口以?xún)?nèi)的圖像進(jìn)行Haar小波的變換后，Haar小波的相應(yīng)值在dx方向和dy方向進(jìn)行累加，最終得到一個(gè)向量，特征點(diǎn)的主方向?yàn)樽畲蟮腍aar小波相應(yīng)累加值對(duì)應(yīng)的方向，也就是最長(zhǎng)向量所對(duì)應(yīng)的方向；

(三)特征點(diǎn)描述；

以特征點(diǎn)為中心，將坐標(biāo)軸旋轉(zhuǎn)到主方向，按主方向選取20σ×20σ的正方形區(qū)域，將該正方形區(qū)域劃分為4×4個(gè)子區(qū)域，在每個(gè)子區(qū)域內(nèi)計(jì)算Haar小波在x，y方向的響應(yīng)d_x、d_y分別求和并生成了一個(gè)∑d_x，∑|d_x|，∑d_y，∑|d_y|的四維向量，這樣每個(gè)特征點(diǎn)就有64維的描述向量，再進(jìn)行歸一化，形成最終的特征點(diǎn)描述子；

(四)特征點(diǎn)匹配；

采用基于最小歐氏距離來(lái)度量特征點(diǎn)間的相似性為：

$D=\sqrt{\underset{k=1}{\overset{n_1}{\Σ}}{(A_{ik}-B_{ik})}^2}---\left(4\right)$

其中A_ik表示待匹配的第一幅圖像的第i個(gè)特征點(diǎn)描述向量的第k維的值，B_ik表示待匹配的第二幅圖像的第i個(gè)特征點(diǎn)描述向量的第k維的值，n₁表示特征點(diǎn)描述子是一個(gè)n₁維的描述向量；

假設(shè)T_U，T_V分別為待匹配兩幅圖像的特征點(diǎn)集合，對(duì)于T_U中的任意一個(gè)特征點(diǎn)T_Ui，若T_V中存在歐氏距離最小的兩個(gè)特征點(diǎn)T_Vj、且則認(rèn)為是T_U的匹配對(duì)，最后采用窮舉搜索算法找出所有的匹配對(duì)。

4.如權(quán)利要求2所述的一種基于改進(jìn)的SURF低照度成像方法，其特征在于，所述步驟三中，一幅有噪聲的圖像g(x,y,t)可認(rèn)為是由原始圖像f(x,y,t)和噪聲n(x,y,t)疊加而成，即：

g(x,y,t)＝f(x,y,t)+n(x,y,t)

其中，x，y是像素點(diǎn)坐標(biāo)，t是時(shí)間變量，多幀累加就是將不同時(shí)刻兩幀圖像或多幀圖像對(duì)應(yīng)像素點(diǎn)相加后求取它們的圖像，m幀圖像進(jìn)行累加，即得到圖像a(x,y,t)。

5.如權(quán)利要求2所述的一種基于改進(jìn)的SURF低照度成像方法，其特征在于，所述步驟四中，調(diào)整圖像的對(duì)比度具體包括：根據(jù)指定的一個(gè)對(duì)比度，分別與原始R、G、B色彩分量進(jìn)行一定比例的縮放。