[發明專利]多重復紋理圖像的拼接方法

有效

• 申請號: 201811346100.4
• 申請日: 2018-11-13
• 公開（公告）號: CN109598675B
• 公開（公告）日: 2023-03-10
• 發明（設計）人: 岑翼剛;張悅;張琳娜
• 申請（專利權）人: 北京交通大學
• 主分類號: G06T3/40
• 分類號: G06T3/40;G06T3/00;G06T7/33
• 代理公司: 北京市商泰律師事務所 11255
• 代理人: 黃曉軍

本發明提供了一種多重復紋理圖像的拼接方法。該方法包括：輸入待拼接的兩幅圖像，檢測出所述兩幅圖像的SIFT特征，根據所述SIFT特征點的特征描述子計算出所述兩幅圖像的初始匹配點對，計算出所述兩幅圖像中的一幅圖像的自匹配點對；從所有的初始匹配點對中篩選出種子點對；根據所述種子點對和所述自匹配點對對所述初始匹配點對進行修正處理，得到正確匹配點對；利用所述正確匹配點完成所述兩幅圖像的拼接操作。本發明方法通過采用了自匹配與圖像間匹配相結合的雙匹配方法，有效地將部分錯誤的初始匹配點對修改為正確匹配點對，從而保留了更準確，分布更均勻的匹配點對，有效的提高了多重復紋理圖像的拼接質量。

技術領域

本發明涉及圖像拼接技術領域，尤其涉及一種多重復紋理圖像的拼接方法。

背景技術

圖像拼接就是將數張有重疊部分的圖像，拼成一幅大型的無縫高分辨率圖像。圖像拼接已經廣泛應用于全景圖像拼接、虛擬現實、無人機遙感圖像拼接、多圖像視頻拼接等。圖像拼接過程包括提取特征、特征匹配、篩選特征、單應矩陣、優化縫隙。

為了實現更好的圖像拼接，很多學者都在努力提取更快、更突出的特征。從最早期的Moravec，到Harris，再到SIFT、SUSAN、GLOH、SURF、ORB算法。Bonny等將SURF、FAST、Harris等融合到一起的特征提取方法來進行拼接。效果都有所提升。為了解決整體映射扭曲失真提高對齊的質量，一些學者也提出了一些局部映射模型,如SVA(smoothly varyingaffine)和APAP(as-projective-as-possible)。在拼接的過程中，連接縫也會影響整個拼接效果，Li等人提出基于感知的縫切方法，Wan、Murodjon等提出檢測移動物體的拼接方法，都有效的消除鬼影，優化了圖像的接縫處。

上述現有技術中的圖像拼接算法的缺點為：這些圖像拼接算法對于現實場景中多重復紋理的圖像拼接，依然存在很大問題。最大的問題不是在于提取的特征點不對，而是在于對于相同且重復的物體提取了同樣的特征點，但是匹配位置不對。若是匹配點對是錯誤的匹配，則變換的單應矩陣會形變很大，影響拼接結果。

發明內容

本發明的實施例提供了一種多重復紋理圖像的拼接方法，以克服現有技術的問題。

為了實現上述目的，本發明采取了如下技術方案。

一種多重復紋理圖像的拼接方法，包括：

輸入待拼接的兩幅圖像，檢測出所述兩幅圖像的SIFT特征，根據所述SIFT特征點的特征描述子計算出所述兩幅圖像的初始匹配點對，計算出所述兩幅圖像中的一幅圖像的自匹配點對；

從所有的初始匹配點對中篩選出種子點對；

根據所述種子點對和所述自匹配點對對所述初始匹配點對進行修正處理，得到正確匹配點對；

利用所述正確匹配點完成所述兩幅圖像的拼接操作。

進一步地，所述的輸入待拼接的兩幅圖像，檢測出所述兩幅圖像的SIFT特征，根據所述SIFT特征點的特征描述子計算出所述兩幅圖像的初始匹配點對，包括：

輸入待拼接的兩幅圖像：左圖和右圖，檢測出所述兩幅圖像的SIFT特征點，保存每個SIFT特征點的坐標和128維的特征描述子，根據所述SIFT特征點的特征描述子利用KNN算法計算出所述兩幅圖像的初始匹配點對，每個初始匹配點對包括兩個SIFT特征點，分別來自所述兩幅圖像。

進一步地，所述的計算出所述兩幅圖像中的一幅圖像的自匹配點對，包括：

選取所述兩幅圖像中的左圖，將該左圖的所有SIFT特征點的特征描述子輸入到KNN算法中，通過KNN算法進行該左圖與自己的匹配，得到該左圖的自匹配點對。

進一步地，所述的從所有的初始匹配點對中篩選出種子點對，包括：