[發明專利]一種快速圖像融合方法

有效

• 申請號: 201611076440.0
• 申請日: 2016-11-30
• 公開（公告）號: CN106709878B
• 公開（公告）日: 2018-05-04
• 發明（設計）人: 不公告發明人
• 申請（專利權）人: 長沙全度影像科技有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T5/50;G06T7/13;G06T3/40
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種快速圖像融合方法，其特征在于，所述方法包括：

獲取同一時刻魚眼鏡頭采集的多幅魚眼圖像，從中取出融合區；在所述融合區內找出最優融合中心線；利用所述最優融合中心線計算線性映射查找表；根據所述線性映射查找表進行圖像融合；

在所述融合區內找出最優融合中心線的步驟包括：計算融合區的邊緣特征；計算邊緣特征與絕對灰度差值的和；尋找最小累加差值及其路徑從而得到最優融合中心線；

所述計算融合區的邊緣特征的具體步驟如下：利用Canny邊緣檢測算子提取所述融合區中相互重疊的區域I₁和I₂的邊緣特征，其中第一步：利用高斯濾波模板平滑I₁和I₂：首先生成方差σ＝1.4的高斯濾波模板h(x，y，σ)，然后對I₁和I₂進行高斯平滑處理，得到去除噪聲后的相互重疊區域g₁(x，y)和g₂(x，y)，I₁和I₂內(x,y)處灰度化后灰度值分別用I₁(x,y)和I₂(x,y)表示，所用公式如下所示：

h(x,y,σ)=12πσ2exp(-x2+y22σ2),∀x∈1......H,∀y∈1......W]]>

g1(x,y)=h(x,y,σ)*I1(x,y),∀x∈1......H,∀y∈1......W]]>

g2(x,y)=h(x,y,σ)*I2(x,y),∀x∈1......H,∀y∈1......W;]]>

第二步：利用一階偏導的有限差分進行計算梯度的幅值和方向：已經平滑濾波后的相互重疊區域g₁(x，y)和g₂(x，y)的梯度用2*2的一階有限差分近似式來計算x和y方向上的偏導數；g₁(x，y)在x和y方向上的偏導數分別為G_x(x，y)和G_y(x，y)表示：

Gx(x,y)=I1(x+1,y)-I1(x,y)+I1(x+1,y+1)-I1(x,y+1)2;]]>

Gy(x,y)=I1(x,y+1)-I1(x,y)+I1(x+1,y+1)-I1(x+1,y)2;]]>

根據x與y方向的梯度可以計算g₁(x，y)像素點的梯度幅值G(x，y)與角度θ(x，y)：

G(x,y)=Gx2(x,y)+Gy2(x,y),∀x∈1......H,∀y∈1......W]]>

θ(x,y)=tan-1(Gy(x,y)/Gx(x,y)),∀x∈1......H,∀y∈1......W;]]>

第三步：對梯度幅值進行非極大值抑制；將梯度角離散為圓周的四個扇區之一，然后用3*3的模板作抑制運算；對于每個像素點，鄰域的中心像素梯度幅值G(x，y)與沿著梯度線的兩個像素的梯度值相比，如果G(x，y)不比沿梯度線的兩個相鄰像素梯度值大，則令G(x，y)＝0；第四步：用雙閾值算法檢測和連接邊緣：對非極大值抑制后的重疊區域g₁(x，y)用低閾值t1和高閾值t2進行判斷，其中t1＝0.4×t2；把任意邊緣像素梯度值小于t1的像素丟棄，把任意邊緣像素梯度值大于t2的像素保留，把任意邊緣像素梯度值在t1與t2之間的，如能通過邊緣連接到一個像素大于t2而且邊緣所有像素大于最小閾值t1的則保留，否則丟棄；對一個融合區，利用雙閾值算法檢測得到融合區的邊緣特征G₁(x，y)和G₂(x，y)；

所述計算邊緣特征與絕對灰度差值的和的具體步驟如下：計算對準之后重疊區域中像素對的絕對灰度差值img_diff，像素對的絕對灰度差值計算方法如下：

imgdiff(x,y)=|I1(x,y)-I2(x,y)|,∀x∈1......H,∀y∈1......W;]]>

將邊緣特征G₁(x，y)和G₂(x，y)疊加到絕對灰度差值img_diff(x，y)中；

Imgdiff(x,y)=imgdiff(x,y)+G1(x,y)+G2(x,y),∀x∈1......H,∀y∈1......W;]]>

所述尋找最小累加差值及其路徑從而得到最優融合中心線的具體步驟如下：選取32個起始點，并將其初始位置保存在path中；在極小鄰域內計算每個起始點走過一行的最小累加誤差及其最小路徑；獲取最小累加差值及其路徑；

尋找最小累加差值及其路徑從而得到最優融合中心線：選取32個起始點，并將其初始位置保存在path中；在極小鄰域內計算每個起始點走過一行的最小累加誤差及其最小路徑；獲取最小累加差值及其路徑；所述選取32個起始點并將其初始位置保存在path中的具體步驟如下：獲取邊緣特征與絕對灰度差值的和Img_diff(x，y)，將其第一行中間的32個像素作為生長起始點，并將這32個起始點在Img_diff(x，y)中的位置保存在path(x，y)中，這32個起始點的像素值作為第一行的最小累加差值保存在acc_error(cur，y)中，同時將其賦值給acc_error(pre，y)，其中i∈1......32；

所述在極小鄰域內計算每個起始點走過一行的最小累加誤差及其最小路徑的具體步驟如下：對于acc_error(pre，y)中的每一元素，我們限定它在Img_diff(x，y)的所有路徑在一個極小的鄰域w中，其中3≤w≤5；獲取每一路徑點在融合區內當前行的位置信息，找出與這些位置相對應的Img_diff(x，y)的鄰域，然后在這一鄰域內計算所有元素的最小值，將它與acc_error(pre，y)進行疊加，就可以得到acc_error(cur，y)，同時將鄰域內取得最小值的位置保存在path(x，y)中；最小累加差值的計算公式如下：

acc_error_min＝min(Img_diff(x，path(x-1，y))，Img_diff(x，path(x-1，y)+1)，Img_diff(x，path(x-1，y)-1))←

acc_error(cur,y)=acc_error_min+acc_error(pre,y),∀x∈1......H,∀y∈1......W;]]>

所述獲取最小累加差值及其路徑的具體步驟如下：逐行從上至下遍歷整個融合區，得到從所有路徑起始點開始走過整個融合區的最小累加差值以及與之對應的最小路徑線；在最后一行的acc_error(cur，y)中選取最小的那個元素所在的位置，找到這個位置在path(x，y)矩陣中對應的那一列，即找出的最優融合中心線的位置；

所述利用最優融合中心線計算線性映射查找表的具體步驟如下：其中blend_w表示進行實際線性融合寬度；

table(y,x)=11≤x<(seam_line(y)-blend_w-12)-(1blend_w-1)×x+3/2(seam_line(y)-blend_w-12)≤x≤(seam_line(y)+blend_w-12)0(seam_line(y)+blend_w-12)<x≤W.]]>