專利名稱：一種基于重疊區(qū)域sift特征點(diǎn)的圖像拼接方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種圖像拼接方法，尤其涉及一種基于重疊區(qū)域SIFT特征點(diǎn)的圖像拼接方法，屬于圖像處理技術(shù)領(lǐng)域。
背景技術(shù)：
圖像拼接是把描述同一場(chǎng)景的相互之間有部分重疊的一系列圖像拼接成一幅寬視角圖像的技術(shù)，它解決了圖像視野和圖像分辨率之間的矛盾，通過圖像拼接即可得到寬 視野、高分辨率的圖像。圖像拼接技術(shù)有著廣泛的應(yīng)用。圖像拼接技術(shù)包括圖像配準(zhǔn)和圖像融合，其中圖像配準(zhǔn)是圖像拼接的核心和關(guān)鍵。目前常用的圖像配準(zhǔn)方法主要分為基于灰度信息的圖像配準(zhǔn)方法、基于變換域的圖像配準(zhǔn)方法和基于特征的圖像配準(zhǔn)方法等三種方法?；谔卣鞯膱D像配準(zhǔn)方法速度快、對(duì)灰度變化、圖像形變和遮擋等都有一定的魯棒性(Barbara Zitova, Jan Flusser.Imageregistration methods: a survey[J]. Image and Vision Computing,2003,21 (11):977-1000.)，所以它是目前圖像配準(zhǔn)和圖像拼接技術(shù)中最常用的方法。1999年，David G. Lowe提出用尺度不變的特征(Scale-Invariant Feature)來進(jìn)行物體識(shí)別和圖像匹配等(David G. Lowe. Distinctive Image Features from Scale-InvariantKeypoints[J]. International Journal ofComputer Vision, 2004, 60 (2):91-110.),并于2004年總結(jié)了當(dāng)時(shí)的基于不變量技術(shù)的特征檢測(cè)方法，正式提出了尺度不變特征變換，簡(jiǎn)稱 SIFT (SIFT Scale-Invariant FeatureTransform) (David G.Lowe. DistinctiveImage Features from Scale-Invariant Keypoints[J]. International Journal ofComputer Vision, 2004，60 (2) :91-110. )。SIFT算子是一種圖像的局部描述子，基于尺度空間，對(duì)圖像平移、旋轉(zhuǎn)、縮放保持不變性，而且對(duì)于仿射變換、光照變化和3D投影變換也具有一定的魯棒性。2005年，K. Mikolajczyk和C. Schmid對(duì)包括SIFT算子在內(nèi)的十種局部描述子做了對(duì)比性實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明SIFT算子在同類算子中具有最強(qiáng)的健壯性(Krystian Mikolajczyk and Cordelia Schmid. A performanceevaluation of localdescriptors[J]. IEEE Transactions on Pattern Analysis and Machinelntelligence, 2
005,27(10) :1615-1630.)。所以圖像拼接中經(jīng)常使用SIFT算法提取圖像的特征點(diǎn)。目前，基于SIFT的圖像拼接算法的一般流程是首先利用SIFT算法提取兩幅待拼接圖像的全部特征點(diǎn)；然后根據(jù)特征點(diǎn)之間的歐氏距離匹配特征點(diǎn)，形成匹配對(duì)，并對(duì)匹配對(duì)提純；再根據(jù)匹配對(duì)進(jìn)行圖像融合，完成圖像拼接。假設(shè)利用SIFT算法提取的兩幅圖像的特征點(diǎn)數(shù)分別為M個(gè)和N個(gè)，在計(jì)算歐氏距離時(shí)，共需要計(jì)算MXN個(gè)歐氏距離。對(duì)于一幅圖像來說，其具有的特征點(diǎn)數(shù)往往超過數(shù)百甚至上千個(gè)，這樣就需要計(jì)算數(shù)十萬個(gè)歐氏距離，計(jì)算量較大，影響算法運(yùn)行速度。圖像拼接技術(shù)中，決定拼接能否成功的關(guān)鍵是圖像重疊區(qū)域，非重疊區(qū)域?qū)D像拼接沒有直接作用。所以非重疊區(qū)域的特征點(diǎn)提取不但增加計(jì)算量，而且容易產(chǎn)生錯(cuò)誤的匹配對(duì)，影響匹配效果。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問題在于克服現(xiàn)有技術(shù)中存在的計(jì)算量過大的不足，提出一種基于重疊區(qū)域SIFT特征點(diǎn)的圖像拼接方法，只提取圖像重疊區(qū)域內(nèi)的特征點(diǎn)，大量減少提取的特征點(diǎn)數(shù)和算法計(jì)算量，同時(shí)減少錯(cuò)誤的匹配對(duì)，提高匹配效果。本發(fā)明具體采用以下技術(shù)方案一種基于重疊區(qū)域SIFT特征點(diǎn)的圖像拼接方法，首先確定待拼接的兩幅圖像的重疊區(qū)域；確定兩幅待拼接圖像重疊區(qū)域中的SIFT特征點(diǎn)，并提取各特征點(diǎn)的SIFT特征向量；根據(jù)SIFT特征向量對(duì)兩幅圖像的特征點(diǎn)進(jìn)行匹配，并對(duì)匹配對(duì)進(jìn)行提純；根據(jù)提純后的匹配對(duì)對(duì)兩幅待拼接圖像的重疊區(qū)域進(jìn)行圖像融合。傳統(tǒng)的SIFT算法采用128維描述子對(duì)特征點(diǎn)進(jìn)行特征描述，考慮到圖像拼接不同于圖像識(shí)別，只需要特征點(diǎn)的少量描述信息，而特征點(diǎn)過多的描述信息會(huì)增加特征點(diǎn)匹配時(shí)間。為了進(jìn)一步降低不必要的特征點(diǎn)匹配時(shí)間，本發(fā)明進(jìn)一步對(duì)SIFT特征向量提取方法 進(jìn)行了改進(jìn)，具體按照以下方法提取各特征點(diǎn)的SIFT特征向量步驟A、選取以特征點(diǎn)為中心，半徑為k個(gè)像素的圓環(huán)形鄰域，k為大于2的整數(shù)；將該圓環(huán)形鄰域沿徑向劃分為m個(gè)同心的小圓環(huán)子區(qū)域，m為大于等于2小于k的整數(shù)；m個(gè)同心的小圓環(huán)子區(qū)域由內(nèi)向外依次編號(hào)為i=l，2, ···, m ；步驟B、計(jì)算所述圓環(huán)形鄰域中每個(gè)像素點(diǎn)的梯度值和梯度方向；步驟C、將梯度的方向等分為η個(gè)方向范圍，η為大于等于2的整數(shù)，統(tǒng)計(jì)每個(gè)小圓環(huán)子區(qū)域中梯度方向落在各方向范圍的所有像素點(diǎn)的梯度值之和；以第i個(gè)小圓環(huán)子區(qū)域中梯度方向落在各方向范圍的所有像素點(diǎn)的梯度值之和作為該第i個(gè)小圓環(huán)子區(qū)域的特征向量Vi (i = I, 2, -,m)的η個(gè)元素；從最內(nèi)層的第I個(gè)小圓環(huán)子區(qū)域中，選出梯度方向落在其內(nèi)的所有像素點(diǎn)的梯度值之和最大的方向范圍，循環(huán)左移/右移特征向量V1中的元素，使得該方向范圍的梯度值之和為特征向量4的第一個(gè)元素，其余小圓環(huán)子區(qū)域的特征向量做相同的移動(dòng)，得到Vi=(Vii，Vi2,…，vij，…vin) ；W'J nXm維的向量V=W1, V2,…，Vm) = (vn, V12,…，vln, V21, V22,…，v2n,…，Vij,…，vml, Vm2,…，Vnin)即為該特征點(diǎn)的 SIFT特征向量。優(yōu)選地，本發(fā)明利用以下方法確定待拼接的兩幅圖像的重疊區(qū)域步驟I、對(duì)于兩幅待拼接圖像I1 (X，y)、I2 (X，y)，設(shè)其大小分別為Qrow1, Col1]和[row2, col2],通過尾部補(bǔ)O,使得兩幅圖像大小均為[rowmax, colmax],其中，rowmax=max Irow1, row2}，colmax=max (Col1, col2}；步驟2、利用相位相關(guān)法計(jì)算I2 (X，y)相對(duì)于I1 (x, y)的位移量Δ x、Ay ；步驟3、比較 Δ X、Δ y,若 Δ x | > | Ay 且 Δ χ〈0,貝丨J I2 (χ, y)在 I1 (χ, y)下方，重疊區(qū)域范圍近似為 Il [rowl-1 Δ χ I :rowl, I: coll]和 12 [I: | Δ χ |, I col2];若
Δχ|>| Ay且Δχ>0,貝丨J I2(x, y)在I1U, y)上方，重疊區(qū)域范圍近似為Ι1[1: I Δχ|, I coll]和 12 [row2- Δ χ :row2, I: col2]；若 Δ χ | < | Δ y | & Δ y<0,則 I2 (x, y)在 I1 (x, y)右邊，重疊區(qū)域范圍近似為 Il [I: rowl, coll- Δ y | :coll]和 I2[l:row2, I: I Δ y | ];若Δχ|〈| Ay |&Ay>0,則 I2(x, y)在 I1U, y)左邊，重疊區(qū)域范圍近似為 Il [I: rowl, I: | Ay|]和 12[I:row2, col2- Δ y|col2]。本發(fā)明針對(duì)現(xiàn)有基于特征的圖像拼接算法因提取整幅圖像特征而導(dǎo)致算法計(jì)算量大、非重疊區(qū)域特征容易造成后續(xù)匹配錯(cuò)誤和計(jì)算冗余等問題，提出一種基于重疊區(qū)域SIFT特征點(diǎn)的圖像拼接方法，僅提取圖像重疊區(qū)域的特征點(diǎn)，減少了特征點(diǎn)數(shù)量，大幅降低了算法計(jì)算量；并采用改進(jìn)的SIFT特征向量提取方法表述特征點(diǎn)，進(jìn)一步降低了特征點(diǎn)匹配時(shí)的計(jì)算量，并降低了誤匹配率。


圖I是本發(fā)明的圖像拼接算法的流程圖；圖2是現(xiàn)有技術(shù)中的極值點(diǎn)檢測(cè)示意圖；圖3(a)、圖3(b)分別是本發(fā)明提取特征點(diǎn)SIFT特征向量時(shí)的圓環(huán)形鄰域的徑向劃分、圓周方向劃分示意圖；
圖4是大小相同、無旋轉(zhuǎn)且光照相同的兩幅圖像采用本發(fā)明方法的拼接效果圖；其中，圖(a)、(b)是待拼接的圖像，圖(C)是拼接效果圖；圖5是大小不同的兩幅圖像采用本發(fā)明方法的拼接效果圖；其中，圖(a)、(b)是待拼接的圖像，圖(C)是拼接效果圖；圖6是有旋轉(zhuǎn)角度的兩幅圖像采用本發(fā)明方法的拼接效果圖；其中，圖(a)、(b)是待拼接的圖像，圖(C)是拼接效果圖；圖7是光照不同的兩幅圖像采用本發(fā)明方法的拼接效果圖；其中，圖(a)、(b)是待拼接的圖像，圖(C)是拼接效果圖；圖8是利用本發(fā)明方法在柱面坐標(biāo)空間中對(duì)圖7(a)、7 (b)進(jìn)行拼接得到的柱面全景圖；圖9是本發(fā)明方法與現(xiàn)有SIFT算法的效果比較；其中圖(a)是算法提取到的特征點(diǎn)數(shù)比較，圖(b)是算法正確匹配對(duì)數(shù)比較，圖(C)是算法正確匹配率比較，圖(d)是算法總消耗時(shí)間比較；圖10是重疊區(qū)域比例為50%的圖像采用本發(fā)明方法的拼接效果圖，其中圖(a)、(b)是待拼接圖像，圖(C)為拼接效果圖；圖11是重疊區(qū)域比例為25%的圖像采用本發(fā)明方法的拼接效果圖，其中圖(a)、(b)是待拼接圖像，圖(C)為拼接效果圖；圖12是重疊區(qū)域比例為10%的圖像采用本發(fā)明方法的拼接效果圖，其中圖(a)、(b)是待拼接圖像，圖(C)為拼接效果圖；圖13是1X6型的圖像系列拼接效果圖，其中(ar(f)是待拼接的圖像系列，(g)是采用本發(fā)明方法的拼接效果圖；圖14是3X3型的圖像系列拼接效果圖，其中(a廣(h)是待拼接的圖像系列，(j)是采用本發(fā)明方法的拼接效果圖。
具體實(shí)施例方式下面結(jié)合附圖對(duì)本發(fā)明的技術(shù)方案進(jìn)行詳細(xì)說明本發(fā)明的思路是針對(duì)現(xiàn)有基于SIFT特征點(diǎn)的圖像拼接算法，存在計(jì)算量大和非重疊區(qū)域內(nèi)的特征點(diǎn)容易發(fā)生匹配錯(cuò)誤等問題，首先確定待拼接圖像的重疊區(qū)域，然后在重疊區(qū)域內(nèi)提取圖像的SIFT特征點(diǎn)，并利用改進(jìn)的SIFT特征向量描述描述特征點(diǎn)，進(jìn)行后續(xù)的匹配等運(yùn)算，減少了算法運(yùn)算量，提高了運(yùn)算速度和匹配率。本發(fā)明的圖像拼接方法，其流程如圖I所示，具體按照以下步驟步驟I、確定待拼接的兩幅圖像的重疊區(qū)域。圖像重疊區(qū)域的確定可采用現(xiàn)有的各種方法，例如[王悅，吳云東，張愧珂.自由像片重疊區(qū)域的確定與拼接·海洋測(cè)繪[J]，2008，28(5) :65-68]，[ang K H, Jung S K, LeeM
H.Constructing cylindrical panoramic image using equidistant matching[J].Electr onicsLetters, 1999, 35 (20) : 1715-1716.]等文獻(xiàn)中記載的方法，為了減少計(jì)算量并實(shí)現(xiàn)大小不同的兩幅圖像的拼接，本發(fā)明利用相位相關(guān)法近似計(jì)算圖像的重疊區(qū)域，具體如下對(duì)于大小不同的兩幅待拼接圖像I1U, y)、I2(x，y)，其大小分別為Qrow1, colj、 [row2, col2],記 rOwmax= {row^ rowj，Colmax= (Col1, colj ,經(jīng)過尾部補(bǔ) O 使得兩幅圖像大小均為[r0Wmax，COlfflaJ，此時(shí)兩幅圖像分別變?yōu)棣?i (X，y)和Γ 2 (x, y)。假設(shè)兩者之間存在一個(gè)大小為(ΛΧ，Δγ)的平移量，用函數(shù)表示兩幅圖像之間的關(guān)系為I1(Xj)=I2(X-AXj-Ay) (I)對(duì)上式作傅里葉變換,F1 (U，V)和F2 (U，V)分別是Γ ! (x, y)和Γ 2 (x, y)的傅里葉變換，由傅里葉變換的時(shí)移性質(zhì)得F1 (U，V) = F2 (U，V) e_J2 π (ιιΔχ+νΔ ) (2)那么兩幅圖像Γ I (X，y)和Γ 2 (x, y)的互功率譜為 Piu V) =( /，V) =)其中<0^，)是匕(11，0的復(fù)共軛。而互功率譜P(u，v)又可以表示為P(u,V)==\^(α,ν)\β^.\Ε；(η,ν)\β^- =g ((句
，\Fx{u,v)F*{u,v)\\Fx{u,v)F*(u,v)\由式(3)和式(4)，可以得到ρΙ^Ψι-Ψι) _ e-j2z(n&,y+v&y)(5)可以看出兩幅圖像之間的相位差等于兩幅圖像的互功率譜的相位。式(5)傅里葉反變換得p(x，y) =—y)} = δ (χ- Δ χ, y- Δ y) (6)函數(shù)p(x，y)是一個(gè)沖擊函數(shù)，在兩幅圖像相對(duì)位移為(Λχ，Ay)處取得最大值，其他位移處趨向于零，求出式出)中沖擊函數(shù)的峰值點(diǎn)所對(duì)應(yīng)的位置，即可確定兩幅圖像之間的位移量
(7)(Ar, Δι·) = arg max ρ{λ\ y)
**X'V取Λ X、Ay絕對(duì)值大者為參考量，比較得Λ χ絕對(duì)值大時(shí)，若Λ χ為負(fù)，則I2 (x，y)在I1Uy)下方，反之則在上方，此時(shí)兩幅圖像是上下重疊的，且重疊區(qū)域可以限定為[rowmax_ I Δ X I rowmax, ColmaJ 和[I: I Δ χ I，colmax]；比較得 Δ y 絕對(duì)值大時(shí)，若 Δ y 為負(fù)，則I2(x, y)在I1Oc, y)右邊，反之則在左邊，此時(shí)兩幅圖像是左右重疊的，且重疊區(qū)域可以限定為[rowmax，coImax-I ΔΥ COlmaJ 和[rowmax, I: I Ay I]。由此便確定了重疊區(qū)域的范圍。步驟2、確定兩幅待拼接圖像重疊區(qū)域中的SIFT特征點(diǎn)。
本發(fā)明中重疊區(qū)域中的SIFT特征點(diǎn)的確定采用傳統(tǒng)SIFT算法，David. Lowe提出的SIFT算法可以分為以下幾個(gè)步驟(I)選用高斯差分函數(shù)G(x，y，σ)與輸入圖像I (x，y)卷積得到尺度空間D(x, y, σ )為D (x, y, σ ) = (G (x, y, k σ ) -G (χ, y, σ )) *1 (χ, y) =L (χ, y, k σ )-L(x, y, σ )；(2)將高斯差分圖像中的每個(gè)像素點(diǎn)和它周圍26個(gè)像素點(diǎn)(相同尺度的8個(gè)相鄰點(diǎn)和上下相鄰尺度對(duì)應(yīng)的9個(gè)鄰近像素點(diǎn))比較，如圖2所示，只有當(dāng)此像素點(diǎn)比它相鄰的26個(gè)像素點(diǎn)都大或者都小時(shí),才選擇此像素點(diǎn)作為極值點(diǎn)；(3)在某極值點(diǎn)A處對(duì)高斯差分圖像D(x，y，σ )進(jìn)行泰勒展開
權(quán)利要求
1.一種基于重疊區(qū)域SIFT特征點(diǎn)的圖像拼接方法，其特征在于，首先確定待拼接的兩幅圖像的重疊區(qū)域；確定兩幅待拼接圖像重疊區(qū)域中的SIFT特征點(diǎn)，并提取各特征點(diǎn)的SIFT特征向量；根據(jù)SIFT特征向量對(duì)兩幅圖像的特征點(diǎn)進(jìn)行匹配，并對(duì)匹配對(duì)進(jìn)行提純；根據(jù)提純后的匹配對(duì)對(duì)兩幅待拼接圖像的重疊區(qū)域進(jìn)行圖像融合。
2.如權(quán)利要求I所述基于重疊區(qū)域SIFT特征點(diǎn)的圖像拼接方法，其特征在于，所述提取各特征點(diǎn)的SIFT特征向量具體按照以下方法 步驟A、選取以特征點(diǎn)為中心，半徑為々個(gè)像素的圓環(huán)形鄰域j為大于2的整數(shù)；將該圓環(huán)形鄰域沿徑向劃分為 個(gè)同心的小圓環(huán)子區(qū)域， 為大于等于2小于々的整數(shù)#個(gè)同心的小圓環(huán)子區(qū)域由內(nèi)向外依次編號(hào)為i =1，2， ，》; 步驟B、計(jì)算所述圓環(huán)形鄰域中每個(gè)像素點(diǎn)的梯度值和梯度方向； 步驟C、將梯度的方向等分為/7個(gè)方向范圍，/7為大于等于2的整數(shù)，統(tǒng)計(jì)每個(gè)小圓環(huán)子區(qū)域中梯度方向落在各方向范圍的所有像素點(diǎn)的梯度值之和；以第i個(gè)小圓環(huán)子區(qū)域中梯度方向落在各方向范圍的所有像素點(diǎn)的梯度值之和作為該第i個(gè)小圓環(huán)子區(qū)域的特征向量^(1 = 1,2,--^)的個(gè)元素；從最內(nèi)層的第I個(gè)小圓環(huán)子區(qū)域中，選出梯度方向落在其內(nèi)的所有像素點(diǎn)的梯度值之和最大的方向范圍，循環(huán)左移/右移特征向量Ti中的元素，使得該方向范圍的梯度值之和為特征向量K的第一個(gè)元素，其余小圓環(huán)子區(qū)域的特征向量做相同的移動(dòng)，得到G = hl，Vi2維的向量7 = …VlfV2VV2'2,-’…今--、Vml’Vm2r 即為該特征點(diǎn)的SIFT特征向量。
3.如權(quán)利要求2所述基于重疊區(qū)域SIFT特征點(diǎn)的圖像拼接方法，其特征在于，所述ITl的取值滿足MX 2 <128。
4.如權(quán)利要求3所述基于重疊區(qū)域SIFT特征點(diǎn)的圖像拼接方法，其特征在于，所述hnun的取值分別為8、4、8。
5.如權(quán)利要求2所述基于重疊區(qū)域SIFT特征點(diǎn)的圖像拼接方法，其特征在于，所述步驟C之后還包括 步驟D、將步驟C所得到的向量T中值大于0. 2的元素值替換為0. 2。
6.如權(quán)利要求1-5任一項(xiàng)所述基于重疊區(qū)域SIFT特征點(diǎn)的圖像拼接方法，其特征在于，利用以下方法確定待拼接的兩幅圖像的重疊區(qū)域 步驟101、對(duì)于兩幅待拼接圖像i)、Z2 (x, y)，設(shè)其大小分別為[Kw1^oi1]和[層2’噸],通過尾部補(bǔ)0，使得兩幅圖像大小均為[rowmax，Colmsi ],其中，_麗=max {row1； ToW2J , Colmx = max{c￡ i1；cc/2}； 步驟102、利用相位相關(guān)法計(jì)算/2fey)相對(duì)于Z1(Xj)的位移量Al Ly , 步驟103、比較Ax, Ay ,若卜M且Ax <0 ,則hi\y)在從下方，重疊區(qū)域范圍近似為|Ax|: rewl，l: coH]和 /2[1: |Ax|，l: m 2];若 |Ax| > ^y\ 且 Az > 0 ,則 A(U)在Z1(U)上方，重疊區(qū)域范圍近似為謂I: |Ax|,l: coil]和/2[row2- |圳:row2,l: eoi2];若|Ax| <|知|&4>'<0 ,則l2(x,y)在I1(Xj)右邊，重疊區(qū)域范圍近似為/1[1: TOwl,coil - |Aj|: co/1]和 /2[1: row2,l: |Ay|]；若 |Ax| < |Ay|&Ay > 0 ,則 I2 (x,y)在 Z1(U)左邊,重疊區(qū)域范圍近似為 Al. rowl,l: |Ay|]和 /攻1: raw2’c0l'2-|Aj|: co!2]。
7.如權(quán)利要求1-5任一項(xiàng)所述基于重疊區(qū)域SIFT特征點(diǎn)的圖像拼接方法，其特征在于，在根據(jù)SIFT特征向量對(duì)兩幅圖像的特征點(diǎn)進(jìn)行匹配之前，先對(duì)SIFT特征向量進(jìn)行歸一化處理。
8.如權(quán)利要求1-5任一項(xiàng)所述基于重疊區(qū)域SIFT特征點(diǎn)的圖像拼接方法，其特征在于，采用隨機(jī)采樣一致性算法對(duì)匹配對(duì)進(jìn)行提純。
9.如權(quán)利要求1-5任一項(xiàng)所述基于重疊區(qū)域SIFT特征點(diǎn)的圖像拼接方法，其特征在于，所述根據(jù)SIFT特征向量對(duì)兩幅圖像的特征點(diǎn)進(jìn)行匹配，具體按照以下方法對(duì)于其中一幅待拼接圖像的任意一個(gè)特征點(diǎn)T利用Best-Bin-First算法搜索另一幅待拼接圖像中與特征點(diǎn)P的SIFT特征向量距離最近和次近的特征占/和g';然后判斷P與f'以及與的SIFT特征向量之間的距離比值是否小于一預(yù)設(shè)閾值，如是，則特征點(diǎn)匹配成功，即i.P,q)為一對(duì)匹配點(diǎn)；否則，特征點(diǎn)匹配失敗。
10.一種存在光學(xué)成像差異的圖像拼接方法，其特征在于，首先將兩幅存在光學(xué)成像差異的待拼接圖像利用投影變換變換到柱面坐標(biāo)空間，然后利用權(quán)利要求1-5任一項(xiàng)所述基于重疊區(qū)域SIFT特征點(diǎn)的圖像拼接方法進(jìn)行圖像拼接。
全文摘要
本發(fā)明公開了一種基于重疊區(qū)域SIFT特征點(diǎn)的圖像拼接方法，屬于圖像處理技術(shù)領(lǐng)域。本發(fā)明針對(duì)現(xiàn)有基于特征的圖像拼接算法因提取整幅圖像特征而導(dǎo)致算法計(jì)算量大、非重疊區(qū)域特征容易造成后續(xù)匹配錯(cuò)誤和計(jì)算冗余等問題，提出一種基于重疊區(qū)域SIFT特征點(diǎn)的圖像拼接方法，僅提取圖像重疊區(qū)域的特征點(diǎn)，減少了特征點(diǎn)數(shù)量，大幅降低了算法計(jì)算量；并采用改進(jìn)的SIFT特征向量提取方法表述特征點(diǎn)，進(jìn)一步降低了特征點(diǎn)匹配時(shí)的計(jì)算量，并降低了誤匹配率。本發(fā)明還公開了一種存在光學(xué)成像差異的圖像拼接方法，首先將兩幅存在光學(xué)成像差異的待拼接圖像利用投影變換變換到柱面坐標(biāo)空間，然后本發(fā)明基于重疊區(qū)域SIFT特征點(diǎn)的圖像拼接方法進(jìn)行圖像拼接。
文檔編號(hào)G06T3/40GK102968777SQ20121047298
公開日2013年3月13日 申請(qǐng)日期2012年11月20日 優(yōu)先權(quán)日2012年11月20日
發(fā)明者吳學(xué)文, 王慧斌, 沈潔, 王鑫, 蔡明星, 劉娜, 顧欣, 陳松 申請(qǐng)人:河海大學(xué)