[发明专利]一种基于SURF操作数的显微镜图像拼接方法

说明书

技术领域

本发明涉及一种基于SURF操作数的显微镜图像拼接方法。

背景技术

显微镜是一种应用非常广泛的光学仪器，它通过光学系统的作用放大被观察的对象，对微观组织结构进行显示，从微观形态来认识和研究对象的特性。目前，它已广泛应用于生物学、病理学、细胞组织学、药物化学等各个领域。显微镜视野小，无法一次采集到大视野的图像，同时对于大目标的数据测量也需要把不完整的图像拼接为一个整体。所以，把相邻的各幅图像拼接起来成为显微镜测量的关键环节。

显微镜的图像随着放大倍数的增加而成倍缩小，在低倍镜下视野较大但是很难观察样本细节，在高倍镜下虽然能看到样本细节，但是却不能看到样本的整体。因此，如何在高放大状态下获得样本整体的高分辨率图像是显微镜图像拍摄时的一个难点。而利用图像拼接算法可以实现多张高分辨率局部图像的拼接，从而生成样本全景图，是解决该问题的一个有效方法。

图像拼接算法研究的核心问题是提高拼接的速度、精度和算法的稳健度。传统的拼接方法包括基于全像素的方法和基于角点、纹理等特征的算法，基于全像素的方法主要缺陷是计算量太大，不利于快速拼接；基于角点、纹理等特征算法比较容易受图像尺度变化和旋转的影响；而且以上算法对细胞、气泡中斑点状的特征不敏感。另外尺度不变特征转换特征SIFT和快速鲁棒性特征SURF都具有旋转尺度不变特性，但是SIFT运算速度较慢，并且SIFT操作数对检测圆斑状的特征不敏感，不适用于高分辨率显微镜图像的拼接。

发明内容

为弥补现有技术的不足，本发明提出了一种基于SURF的显微镜图像拼接算法；SURF是一种尺度旋转不变的检测操作数和描述操作数，在检测斑点状结构时具有很高的精确度，并且算法时间较以往方法快速。该方法采用积分图像和快速海塞Hessian矩阵检测特征点，然后用哈尔Haar小波提取特征点主方向，并在主方向上建立的坐标系上构造描述向量。在特征检测和描述上都大大提升了算法速度。

为实现上述目的，本发明采用如下技术方案：

一种基于SURF操作数的显微镜图像拼接方法，该方法的实现步骤如下：

1)利用电动马达带动相机获取显微镜图像序列；

2)在图像序列中依次选取相邻两幅图像1和2；

3)对于两幅图像，分别利用快速Hessian矩阵检测不同尺度下的图像斑点，得到特征点并利用特征点构建特征描述向量；

4)当两幅图像的特征描述向量生成后，将特征向量间的欧式距离作为两幅图像中特征点的相似性判定度量，找到两幅图像间的初步匹配点；

5)再利用RANSAC方法提纯匹配点；

6)找到准确的匹配点后，采用最小二乘算法估计图像变换模型参数实现两幅图像的拼接；

7)最后通过色彩补偿的方法消除拼接图像的颜色亮度差异，并进行平滑拼接边缘；

8)将平滑拼接后的拼接图像作为参考图像，与图像序列中下一相邻图像进行拼接，重复执行步骤3)至步骤8)，直至完成整个图像序列的拼接处理。

所述步骤3)中，检测不同尺度下的图像斑点得到特征点的过程如下：

A)采用方块滤波代替高斯滤波的方法，得到图像斑点在不同尺度下的响应；

B)确定特征点的位置：首先对经过阈值筛选的点进行非极大值抑制处理，之后将每一个经过筛选的点与其同尺度邻近的8个像素点以及上下邻近的各9个像素点共26点进行比较，获得满足阈值条件并且是局部极大值的特征点。

所述步骤A)中，得到图像斑点在不同尺度下的响应的过程如下：

a)首先用D_xx、D_yy和D_xy分别表示在水平方向，垂直方向以及水平和垂直方向上的方块波，用det(H_approx)表示Hessian行列式的近似估计，则det(H_approx)可表示为：

其中：权值w的作用是平衡Hessian行列式的值；

b)将w设为0.9，则上式可以表示为：

det(H_approx)＝D_xxD_yy-(0.9D_xy)²

其中，det(H_approx)代表在尺度σ下点(x，y)处的斑点响应。

所述步骤3)中构建特征描述向量的方法如下：

a)采用Haar小波获得特征点在x、y方向的梯度；