[发明专利]基于边缘分类信息的图像拼接方法

权利要求书

1.一种基于边缘分类信息的图像拼接方法，其特征是包括如下步骤：

(1)首先提取图像的边缘类；

(2)在已经获取的图像边缘类中提取图像SIFT特征；

(3)利用K-D树搜索近似最近邻的方法对两幅有重叠图中的对应SIFT特征点进行匹配；获取匹配的特征后，使用RANSAC算法去除错误的特征点对；利用正确的特征点对计算图像间的矫正参数，以两幅待拼接图像中的一幅为参考，对另一幅图像进行矫正，将两幅图像拼接在一起；

(4)利用以下公式找到两幅图像的两个公共边界点P、Q，得到P、Q两点后，以过PQ的直线作为图像拼接的缝合线；

式中，F_ij代表两幅图像幅图像A，B经过配准后，拼接合成一幅图像对应的像素点，Y代表公共边界点集合，E代表非公共边界点集合， 代表F_ij在图像A中对应的有效像素点， 代表F_ij在图像B中对应的有效像素点，φ_A代表图像A的边界点集合，φ_B代表图像B的边界点集合；

(5)利用小波变换将待拼接图像转换成多个带通信号，根据缝合线的位置，在各个带通空间中选择合适的过渡区，使用下式进行过渡区选择：

T＝2^k+1

式中，T为固定的当前点的纵坐标，横坐标是以缝合线上的点为中心的过渡区长度，k∈[0，n]为当前带通图像空间索引值；

(6)在各个空间中利用下式进行变换系数融合：

式中 为1层的融合后小波系数， 分别为图像A、B的1层小波变换系数， 分别为1层小波变换的左侧、右侧融合函数， 为当前点x方向距缝合线的距离、 为当前层的缝合线上点的x坐标， 分别为1层过渡区位于缝合线左侧和右侧的x坐标集合；

(7)最后经过经过小波逆变换，得到一个“无缝”的拼接图像；

所述提取图像的边缘类的方法为：

A)将m×n图像分割成M×M，其中M∈[4，16]，大小的图像子块，利用下式计算各个图像子块的几何不变矩：

φ₁(l，t)＝η₂₀+η₀₂

式中，l∈(0，m/M)和t∈(0，n/M)为图像子块的索引值， u_pq为图像的中心矩，定义为：

式中 和 为图像矩心的模拟坐标位置，g(i，j)为像素灰度值，p+q为矩的阶数，m_pq为图像的几何矩，定义为：

B)得到各图像子块的几何不变矩后，利用下式计算其梯度：

G[φ₁(l，t)]＝|φ₁(l，t)-φ₁(l+1，t)|+|φ₁(l，t)-φ₁(l，t+1)|

然后利用门限，将大于门限的梯度值对应的图像子块作为图像边缘类；

C)门限的选取规则为： 

D＝0.15φ₁(l，t),

所述在已经获取的图像边缘类中提取图像SIFT特征的方法为：

E)建立O组，每组S+2幅平滑图像的DOG图像金字塔，同时利用图像的边缘类信息建立O组，每组1幅除边缘类区域像素保留外，其余区域均置零的参考图像金字塔，其中O的计算方法如下：

式中m，n为原图像的宽和高，min(m，n)为取最小值，int(  )为取整运算；

F)在搜索极值点时，首先判断参考图像金字塔当前组的当前像素是否为零，如果为零则继续搜索其他点，如果不为零，则进行同尺度相邻层的相邻点比较，如此循环到整个DOG图像金字塔搜索完毕，得到边缘类里的极值点，称之为关键点；

G)利用门限去除低对比度和不稳定边缘响应关键点，并对像素利用三维二次函数进行插值；

H)统计关键点邻域的梯度直方图，以直方图峰值方向作为该关键点的主方向；

I)以关键点为中心取16×16的窗口，划分为16个4×4的子区域作为种子点，每个种子点对应一个4×4像素的区域，在该区域内分别计算8个方向的梯度累加值，沿各梯度方向绘制方向直方图，最终由16个种子点得到一个128维的特征描述子，即每个种子点用8个方向直方图表达。