[發明專利]一種基于改進ORB特征算法的圖像拼接方法

在審

• 申請號: 202010529312.7
• 申請日: 2020-06-11
• 公開（公告）號: CN111784576A
• 公開（公告）日: 2020-10-16
• 發明（設計）人: 任衛軍;王茹;黃金文;張力波;吳學致
• 申請（專利權）人: 長安大學
• 主分類號: G06T3/40
• 分類號: G06T3/40;G06T5/00;G06T5/50;G06T7/90;G06K9/62
• 代理公司: 西安睿通知識產權代理事務所(特殊普通合伙) 61218
• 代理人: 惠文軒

1.一種基于改進ORB特征算法的圖像拼接方法，其特征在于，包括以下步驟：

步驟1，對待拼接圖像進行預處理，然后構建Hessian矩陣，使用Hessian矩陣局部極值來確定每個待拼接圖像的特征點；

步驟2，使用帶有旋轉特性的BRIEF二進制特征描述符提取每個待拼接圖像的特征描述子；

步驟3，使用Hamming距離對特征點進行粗匹配，并使用網格運動特征算法區分正確匹配和錯誤匹配點對；然后使用改進后的隨機采樣一致性算法去除錯誤匹配特征點對，以提高匹配精度；

步驟4，采用基于動態規劃算法對兩張待拼接圖像的重疊區域進行搜索，得到最佳縫合線；

步驟5，利用最佳縫合線將兩張待拼接圖像的重疊區域劃分為：縫合線左側區域、縫合線區域、縫合線右側區域；

步驟6，根據區域劃分結果，對兩張待拼接圖像的重疊區域進行分段融合，完成圖像拼接。

2.根據權利要求1所述的基于改進ORB特征算法的圖像拼接方法，其特征在于，步驟1中，所述對待拼接圖像進行預處理為：對待拼接圖像進行空間幾何變換，所述空間幾何變換包括平移、旋轉、縮放。

3.根據權利要求1所述的基于改進ORB特征算法的圖像拼接方法，其特征在于，步驟1中，所述構建Hessian矩陣，使用Hessian矩陣局部極值來確定每個待拼接圖像的特征點，具體步驟為：

1.1，對每個待拼接圖像構建多層金字塔：最底層圖像為原始待拼接圖像，模糊度最小，由最底層往上每層圖像的模糊度依次增加，且相鄰兩層金字塔間的縮放比例因子為2；

1.2，使用不同方向的盒子濾波器對金字塔的每層圖像進行濾波處理，得到濾波后的多尺度圖像；

其中，盒子濾波器的濾波函數為高斯函數；改變盒子濾波器的濾波窗口的尺存來獲得圖像特征點的尺度不變性；

1.3，構建Hessian矩陣，使用Hessian矩陣局部極值來確定響應點，即特征點；

1.4，采用灰度質心法確定不同尺度下特征點的方向，使特征點經過旋轉變換后方向不變，具體為：獲取每張待拼接圖像的灰度質心C；將每個檢測特征點作為原點，構建檢測特征點到灰度質心的向量。

4.根據權利要求3所述的基于改進ORB特征算法的圖像拼接方法，其特征在于，所述使用Hessian矩陣局部極值來確定響應點，具體過程為：

(a)對于每張待拼接圖像上任意點p(x，y)，利用近似海森矩陣的局部極大值計算不同尺度下感興趣的響應點值：

det(H)＝D_xxD_yy-(0.9D_xy)²

其中，H為Hessian矩陣，D_xx、D_yy、D_xy分別對應點p(x，y)經過不同方向盒子濾波器處理后的結果；

(b)將點p(x，y)的響應點值與預先設定的Hessian矩陣閾值進行比較，若滿足響應點值大于閾值，且在其位置空間(8鄰域點)和尺度空間(上下層2x9個點)，共26個鄰域點大于響應點值時，判定為點p(x，y)不是特征點，否則，判斷點p(x，y)為對應圖像的檢測特征點；

(c)遍歷每個待拼接圖像，重復步驟(a)和(b)，得到對應的檢測特征點。

5.根據權利要求1所述的基于改進ORB特征算法的圖像拼接方法，其特征在于，步驟2包含以下子步驟：

2.1，在每一個特征點的鄰域內，選擇n對像素點p_i、q_i(i＝1，2，...，n)；

2.2，比較每個點對的灰度值的大小；如果I(p_i)＞I(q_i)，則生成二進制串中的1，否則為0；

其中，I(p_i)表示像素點p_i的灰度值，I(q_i)表示像素點q_i的灰度值；

2.3，所有的點對都進行比較，則生成長度為n的二進制串，作為該特征點的二進制描述子；n取值為128、256或512。