[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?zhí)枺?/td>: 202210631619.7
• 申請日: 2022-06-06
• 公開（公告）號: CN114998106A
• 公開（公告）日: 2022-09-02
• 發(fā)明（設計）人: 樊青青;林芳
• 申請（專利權）人: 華南農業(yè)大學
• 主分類號: G06T3/40
• 分類號: G06T3/40;G06T5/00;G06T7/13;G06T7/33
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 鄭堪泳

本發(fā)明提供了一種顯微子圖像拼接方法，該方法獲取原始顯微子圖像數(shù)據(jù)集，對原始顯微子圖像數(shù)據(jù)做預處理；通過分別提取兩幅圖像的特征點以及特征點其所對應的特征向量，利用所得結果對兩幅圖像進行圖像配準以及圖像融合拼接；利用圖像所檢測的角點作為圖像的特征點，進而得到特征點的特征向量，為后續(xù)圖像配準以及圖像融合拼接提供有效特征信息，實現(xiàn)更快的特征匹配速度；采用雙向?K最近鄰匹配，能有效減少錯配點，使得到的配準圖更加準確，提高配準精度。另外本發(fā)明還提供一種顯微子圖像拼接方法，該方法以兩兩拼接為基本拼接環(huán)節(jié)，結合樹型拼接路徑能夠快速完整復原顯微圖像，結合樹型拼接路徑對大批量顯微子圖像進行拼接復原顯微圖像。

技術領域

本發(fā)明涉及圖像處理領域，具體涉及一種顯微子圖像拼接方法及其大批量圖像的拼接方法。

背景技術

圖像拼接是將一組相互重疊的圖像序列進行空間匹配對準，經重采樣合成形成一幅包含各圖像序列信息的寬視角場景的、完整的、高清晰的新圖像的技術。該問題涉及的關鍵技術是如何找到圖像的重合部分以及如何將具有重合部分的圖像進行拼合，即圖像配準和圖像融合。圖像配準方法可分為基于區(qū)域的圖像配準和基于特征的圖像配準。前者比較兩幅圖像不同區(qū)域的統(tǒng)計信息實現(xiàn)配準，有互相關、互信息、交叉熵等方法，實現(xiàn)簡單，不需要提取額外特征，但是計算量比較大，魯棒性較差，適用場景較少；后者從待配準的圖像中提取特定的特征集作為控制結構，利用其之間的對應關系來進行配準，主要有Harris、FAST、SUSAN、SIFT、SURF等算法，它們在解決圖像尺度不變、透視不變性具有一定的優(yōu)勢，并且具有一定的魯棒性和穩(wěn)定性，得到廣泛應用。

然而現(xiàn)有算法具有以下幾個缺點：

1、圖像配準算法經過幾十年的發(fā)展已經取得了很大的進展，但由于拍攝環(huán)境復雜多變，現(xiàn)在還沒有一種算法能夠解決所有圖像的匹配問題?，F(xiàn)在的幾種方法各有其優(yōu)缺點，如果能綜合利用這些方法的優(yōu)點將會取得更好的匹配結果。

2、現(xiàn)有的圖像拼接將研究重點放在了兩張圖像間的配準，忽略了大視野圖像的整體拼接：在面臨整體拼接時，采用事先設定的順序直接與上一張圖像進行拼接。這種傳統(tǒng)的拼接方法具有簡單快速的特點，可以完成粗略的圖像拼接；但隨著圖像數(shù)量增加，容易因為累積誤差產生拼接效果不佳的情況。

現(xiàn)有技術中公開了一種基于改進的harris角點檢測拼接超聲圖像方法的專利，該方法包括S1：圖像獲取：在CT模擬定位室及治療室中，先后采集CT及超聲圖像，本研究所有的圖像數(shù)據(jù)來自三名腹部術后腫瘤患者掃描所獲取的體數(shù)據(jù)，每位患者選取10個超聲及CBCT的層面圖像,S2對S1中獲取的圖像進行預處理：在做超聲圖像拼接之前首先將400×400的二維超聲圖像分割成無重疊的4×4子圖，計算子圖中角點響應函數(shù)R值分布，為獲取自適應閾值做準備,實現(xiàn)了兩幅超聲拼接圖像間的平滑過渡，消除了拼接縫隙，圖像拼接的準確性優(yōu)于傳統(tǒng)的Harris角點檢測的方法。然而上述方法沒有結合圖片的特征點以及特征向量，圖片的拼接準度不夠，另外該方法采用傳統(tǒng)的拼接路徑，即直接與上一張圖像進行拼接，無法完成大批量圖像的拼接，且容易出現(xiàn)誤差累積效應，發(fā)生畸變。

發(fā)明內容

本發(fā)明提供一種顯微子圖像拼接方法，解決顯微圖像快速且準確通過特征匹配進行兩兩拼接的問題。

本發(fā)明又一目的在于提供一種大批量顯微子圖像拼接方法，解決大批量顯微圖像拼接因累計誤差與特征匹配不佳而導致拼接效果不佳的問題。

為了達到上述技術效果，本發(fā)明的技術方案如下：

一種顯微子圖像拼接方法，包括以下步驟：

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

S2：根據(jù)步驟S1所述的已預處理的原始顯微子圖像數(shù)據(jù)集，對原始顯微子圖像進行兩兩拼接，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以及特征點其所對應的特征向量；