[發(fā)明專利]一種顯微子圖像拼接方法及其大批量圖像的拼接方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202210631619.7
• 申請(qǐng)日: 2022-06-06
• 公開（公告）號(hào): CN114998106A
• 公開（公告）日: 2022-09-02
• 發(fā)明（設(shè)計(jì)）人: 樊青青;林芳
• 申請(qǐng)（專利權(quán)）人: 華南農(nóng)業(yè)大學(xué)
• 主分類號(hào): G06T3/40
• 分類號(hào): G06T3/40;G06T5/00;G06T7/13;G06T7/33
• 代理公司: 廣州粵高專利商標(biāo)代理有限公司 44102
• 代理人: 鄭堪泳

1.一種顯微子圖像拼接方法，其特征在于，包括以下步驟：

S1：獲取原始顯微子圖像數(shù)據(jù)集，對(duì)原始顯微子圖像數(shù)據(jù)做預(yù)處理；

S2：根據(jù)步驟S1所述的已預(yù)處理的原始顯微子圖像數(shù)據(jù)集，對(duì)原始顯微子圖像進(jìn)行兩兩拼接，其中兩兩拼接包括以下步驟：

S21：分別提取兩幅圖像的特征點(diǎn)以及特征點(diǎn)其所對(duì)應(yīng)的特征向量；

S22：根據(jù)步驟S21所得的特征點(diǎn)以及特征向量對(duì)兩幅圖像進(jìn)行圖像配準(zhǔn)；

S23：根據(jù)S22所得的配準(zhǔn)信息對(duì)兩幅圖像進(jìn)行圖像融合拼接。

2.根據(jù)權(quán)利要求1所述的一種顯微子圖像拼接方法，其特征在于，所述步驟S1中，所述對(duì)原始顯微子圖像數(shù)據(jù)做預(yù)處理為對(duì)原始顯微子圖像進(jìn)行兩倍下采樣，得到尺寸為原圖像四分之一的圖像。

3.根據(jù)權(quán)利要求1所述的一種顯微子圖像拼接方法，其特征在于，所述步驟S21中，所述提取圖像的特征點(diǎn)，包括以下步驟：

S211：設(shè)單張圖像中的像素點(diǎn)坐標(biāo)為(x，y)，對(duì)坐標(biāo)為(x，y)的像素點(diǎn)在x方向上進(jìn)行二階偏導(dǎo)得到在y方向上進(jìn)行二階偏導(dǎo)得到在x方向上進(jìn)行一階偏導(dǎo)后在y方向上再進(jìn)行一階偏導(dǎo)得到I_xy(x，y)，利用所得到的和I_xy(x，y)，構(gòu)建自相關(guān)矩陣M(x，y)：

根據(jù)自相關(guān)矩陣M(x，y)，結(jié)合改進(jìn)的角點(diǎn)響應(yīng)函數(shù)計(jì)算得到每一個(gè)像素點(diǎn)的R值，其中改進(jìn)的角點(diǎn)響應(yīng)函數(shù)為

det(M)表示矩陣M(x，y)的行列式，tr(M)表示矩陣M對(duì)角線之和，α和β為矩陣M的特征值，分別代表x方向和y方向的梯度，det(M)＝α·β，tr(M)＝α+β，ε為一極小里量；

S212：圖像按照寬n等分，高m等分，平均分成n×m塊，對(duì)于每一塊圖像提取該塊中所有像素點(diǎn)坐標(biāo)(x，y)，并按R值的大小，將像素點(diǎn)坐標(biāo)(x，y)進(jìn)行從大到小排序，根據(jù)排序結(jié)果，保留該塊圖像R值在前80％的像素點(diǎn)作為候選角點(diǎn)，其余的像素點(diǎn)剔除；

S213：選用一個(gè)k×k的窗口矩陣，按照步長(zhǎng)為1，沿x，y的軸向順序處理整幅圖像，其中k值設(shè)置不能大于圖像的長(zhǎng)和寬，對(duì)于窗口矩陣所框選的圖像部分，在該圖像中保留框選范圍內(nèi)R值最大的候選角點(diǎn)，并將其余的候選角點(diǎn)剔除，完成整幅圖像的角點(diǎn)檢測(cè)，并將所檢測(cè)出的角點(diǎn)作為圖像的特征點(diǎn)；

S214：根據(jù)步驟I所得的特征點(diǎn)的鄰域像素，計(jì)算該點(diǎn)的梯度方向作為特征點(diǎn)向，其梯度計(jì)算公式為：

其中，L為該特征點(diǎn)的尺度空間值，(x，y)為該特征點(diǎn)坐標(biāo)，m(x，y)表示該特征點(diǎn)的梯度幅值，θ(x，y)表示該特征點(diǎn)的梯度方向。

4.根據(jù)權(quán)利要求3所述的一種顯微子圖像拼接方法，其特征在于，所述步驟S21中，所述提取圖像的特征點(diǎn)其所對(duì)應(yīng)的特征向量，包括以下步驟：

S215：將坐標(biāo)軸按照特征點(diǎn)的特征方向進(jìn)行旋轉(zhuǎn)，再將特征點(diǎn)附近的鄰域劃分為4×4個(gè)子區(qū)域，在每個(gè)子區(qū)域內(nèi)計(jì)算8個(gè)方向的梯度方向直方圖，繪制每個(gè)梯度方向的累加值，形成一個(gè)種子點(diǎn)，每個(gè)子區(qū)域的梯度方向直方圖將0到360度劃分為8個(gè)方向范圍，每個(gè)范圍為45度，這樣，每個(gè)種子點(diǎn)共有8個(gè)方向的梯度強(qiáng)度信息，那么一共有4×4×8＝128個(gè)數(shù)據(jù)，最終每個(gè)角點(diǎn)均對(duì)應(yīng)形成一個(gè)128維的SIFT特征向量片＝(h₁，h₂，...，h_i，...，h₁₂₈)，h_i表示一個(gè)數(shù)據(jù)；

S216：對(duì)所得到的特征向量的長(zhǎng)度做歸一化處理得到歸一化向量：

。