[發(fā)明專利]一種全景圖像配準(zhǔn)效果的檢測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201710128212.1
• 申請(qǐng)日: 2017-03-06
• 公開（公告）號(hào): CN106920215B
• 公開（公告）日: 2020-03-27
• 發(fā)明（設(shè)計(jì)）人: 不公告發(fā)明人
• 申請(qǐng)（專利權(quán)）人: 長(zhǎng)沙全度影像科技有限公司
• 主分類號(hào): G06T3/40
• 分類號(hào): G06T3/40;G06T7/00;G06T7/38;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明公開了一種全景圖像配準(zhǔn)效果檢測(cè)方法，屬于圖像拼接和圖像質(zhì)量評(píng)價(jià)技術(shù)領(lǐng)域，涉及計(jì)算機(jī)視覺領(lǐng)域，包括以下步驟：S1：生成訓(xùn)練數(shù)據(jù)集和測(cè)試數(shù)據(jù)集。S2：生成卷積神經(jīng)網(wǎng)絡(luò)模型。S3：基于訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)測(cè)試測(cè)試數(shù)據(jù)集。根據(jù)卷積神經(jīng)網(wǎng)絡(luò)輸出的每塊的輸出標(biāo)簽，計(jì)算每一幅待評(píng)價(jià)拼接合成圖像所有塊的輸出標(biāo)簽的平均值，然后計(jì)算同一拼接算法下所有拼接合成圖像輸出標(biāo)簽的平均值作為該拼接算法效果好壞的評(píng)價(jià)等級(jí)。利用卷積神經(jīng)網(wǎng)絡(luò)，可以代替繁瑣的，大量的人為統(tǒng)計(jì)評(píng)分，并且可以準(zhǔn)確地判斷圖像拼接中配準(zhǔn)效果的好壞，克服單因素評(píng)價(jià)指標(biāo)所帶來的局限性，有利于全自動(dòng)自適應(yīng)圖像拼接系統(tǒng)的實(shí)現(xiàn)，具有非常重要的應(yīng)用價(jià)值。

技術(shù)領(lǐng)域

本發(fā)明屬于圖像拼接和圖像質(zhì)量評(píng)價(jià)技術(shù)領(lǐng)域，涉及計(jì)算機(jī)視覺領(lǐng)域，尤其涉及一種全景圖像配準(zhǔn)效果檢測(cè)方法。

背景技術(shù)

隨著電子信息產(chǎn)業(yè)的發(fā)展和技術(shù)進(jìn)步，能夠獲取、記錄視頻信息的設(shè)備日益普及，但與人眼的視場(chǎng)范圍相比，普通攝像機(jī)的視場(chǎng)要小得多，如何有效的利用計(jì)算機(jī)技術(shù)擴(kuò)大攝像機(jī)拍攝圖像和視頻的視場(chǎng)范圍，引起了研究者的廣泛注意。圖像拼接技術(shù)可以解決由于攝像機(jī)等成像儀器的視角和大小的限制，不能生成寬視場(chǎng)圖片的問題，現(xiàn)有的圖像拼接技術(shù)主要有兩種方案：

第一種方案是用一個(gè)常規(guī)鏡頭的投影變換和多項(xiàng)式畸變校正技術(shù)用校正模板圖像對(duì)鏡頭畸變參數(shù)進(jìn)行畸變校正，生成一組中間校正后的2D圖像，然后采用2D圖像配準(zhǔn)技術(shù)對(duì)校正后的圖像元進(jìn)行2D配準(zhǔn)，最后對(duì)配準(zhǔn)的兩幅圖像進(jìn)行融合。

第二種方案是把圖像的徑向畸變校正參數(shù)和圖像元的位姿參數(shù)作為一體，整體用最優(yōu)化技術(shù)進(jìn)行參數(shù)估計(jì)，生成一個(gè)參數(shù)映射表，然后利用參數(shù)映射表將原始圖片逐張映射到全景圖像中，處理完所有的圖像后，將兩兩相鄰的處理之后的圖像在重疊區(qū)域做一次融合過渡。

從上述過程可以看出，圖像拼接算法性能的好壞受圖像配準(zhǔn)和圖像融合兩大步驟的共同影響。針對(duì)拼接合成圖像進(jìn)行算法評(píng)價(jià)是不可或缺的，但對(duì)于圖像拼接算法的定量評(píng)價(jià)分析，目前尚無統(tǒng)一的標(biāo)準(zhǔn)。已有的評(píng)價(jià)方法都是通過人眼觀測(cè)拼接縫的方法來評(píng)估拼接質(zhì)量的好壞，而人眼觀測(cè)的方法誤差較大，無法準(zhǔn)確評(píng)估圖像拼接算法的拼接質(zhì)量。

發(fā)明內(nèi)容

本發(fā)明為克服上述情況不足，旨在提供一種可以準(zhǔn)確判斷圖像拼接中配準(zhǔn)效果的方法。

一種全景圖像配準(zhǔn)效果檢測(cè)方法，包括以下步驟：S1：生成訓(xùn)練數(shù)據(jù)集和測(cè)試數(shù)據(jù)集； S2：生成卷積神經(jīng)網(wǎng)絡(luò)模型；S3：基于訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)測(cè)試測(cè)試數(shù)據(jù)集；

所述S1包括S101、S102、S103、S104；

S101:獲取拼接合成圖像；

S102：計(jì)算拼接合成圖像的客觀評(píng)價(jià)參數(shù)；選取了配準(zhǔn)誤差作為客觀評(píng)價(jià)參數(shù)；該評(píng)價(jià)參數(shù)用于體現(xiàn)圖像拼接算法的配準(zhǔn)性能，本發(fā)明中采用特征位置平均誤差來反映配準(zhǔn)誤差，可由下式計(jì)算：

其中

其中，Q是評(píng)價(jià)的拼接序列圖像數(shù)量，K是每相鄰圖像間的特征匹配對(duì)數(shù)，H是它們與參考平面I_R之間的變換矩陣，x_jk，x_ik表示圖像的第k個(gè)特征對(duì)，這里的特征是區(qū)域特征、或線特征或點(diǎn)特征，對(duì)待特征匹配對(duì)(x_i，x_j)中的x_i而言，投影到參考平面再投影到其相鄰圖像后變成坐標(biāo)x′_i，x_j與x′_i之間的幾何距離誤差可以體現(xiàn)配準(zhǔn)的準(zhǔn)確性；特征位置平均誤差ε_n是指每幅圖像I_i和其相鄰圖像I_j上的特征匹配對(duì)經(jīng)過參考平面I_R變換后的幾何距離誤差值的平均值，CL是拼接序列圖像的匹配誤差；

S103：生成訓(xùn)練數(shù)據(jù)集；