[發(fā)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?zhí)枺?/td> | 202010529312.7 | 申請日： | 2020-06-11 |
| 公開（公告）號： | CN111784576A | 公開（公告）日： | 2020-10-16 |
| 發(fā)明（設(shè)計）人： | 任衛(wèi)軍;王茹;黃金文;張力波;吳學(xué)致 | 申請（專利權(quán)）人： | 長安大學(xué) |
| 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(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 61218 | 代理人： | 惠文軒 |
| 地址： | 710061 *** | 國省代碼： | 陜西;61 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 一種 基于 改進 orb 特征 算法 圖像 拼接 方法 | ||
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(yù)處理，然后構(gòu)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(zhuǎn)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(wǎng)格運動特征算法區(qū)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(tài)規(guī)劃算法對兩張待拼接圖像的重疊區(qū)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(qū)域劃分為：縫合線左側(cè)區(qū)域、縫合線區(qū)域、縫合線右側(cè)區(qū)域；
步驟6，根據(jù)區(qū)域劃分結(jié)果，對兩張待拼接圖像的重疊區(qū)域進行分段融合，完成圖像拼接。
2.根據(jù)權(quán)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(yù)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(zhuǎn)、縮放。
3.根據(jù)權(quán)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(gòu)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(gòu)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(shù)為高斯函數(shù)；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(gòu)建Hessian矩陣，使用Hessian矩陣局部極值來確定響應(yīng)點，即特征點；
1.4，采用灰度質(zhì)心法確定不同尺度下特征點的方向，使特征點經(jīng)過旋轉(zhuǎn)變換后方向不變，具體為：獲取每張待拼接圖像的灰度質(zhì)心C；將每個檢測特征點作為原點，構(gòu)建檢測特征點到灰度質(zhì)心的向量。
4.根據(jù)權(quán)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(yīng)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(yīng)點值：
det(H)＝DxxDyy-(0.9Dxy)2
其中，H為Hessian矩陣，Dxx、Dyy、Dxy分別對應(yīng)點p(x，y)經(jīng)過不同方向盒子濾波器處理后的結(jié)果；
(b)將點p(x，y)的響應(yīng)點值與預(yù)先設(shè)定的Hessian矩陣閾值進行比較，若滿足響應(yīng)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(yīng)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(yīng)圖像的檢測特征點；
(c)遍歷每個待拼接圖像，重復(fù)步驟(a)和(b)，得到對應(yīng)的檢測特征點。
5.根據(jù)權(quán)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(nèi)，選擇n對像素點pi、qi(i＝1，2，...，n)；
2.2，比較每個點對的灰度值的大??；如果I(pi)＞I(qi)，則生成二進制串中的1，否則為0；
其中，I(pi)表示像素點pi的灰度值，I(qi)表示像素點qi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。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于長安大學(xué)，未經(jīng)長安大學(xué)許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010529312.7/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
