[发明专利]低复杂度的全景影像接合方法

说明书

技术领域

本发明涉及一种低复杂度的全景影像接合技术。

背景技术

在全景影像接合的步骤中，首要步骤为影像对齐(Image Alignment)，意即从一张来源影像当中寻找多个特征点，此特征点即为在另一张欲作接合的来源影像的相同对应点位置，并利用这些配对的特征点来做后续处理。在影像对齐的研究方面，英属哥伦比亚大学(University of British Columbia，UBC)的David Lowe提出了「尺度不变特征转换算法」(Scale-invariant Feature Transform，SIFT)，此算法为针对来源影像，利用高斯模糊(Gaussian Blur)在不同的空间尺度中寻找极值，并标示为初步的特征点。然后利用拉普拉斯运算子(Laplacian Operator)筛选掉较不明显的特征点。接下来利用特征点周围的梯度方向分布，为每个特征点指定方向参数，此步骤可使此算法具备旋转不变性。最后针对每一个特征点，产生一个128维的特征向量来代表它。利用尺度不变特征转换算法所寻找出的特征点，是基于物体的局部外观，而与影像的大小、旋转程度无关，对于光线、噪声、些微视角改变的容忍度也相当高。因此SIFT算法对于寻找特征点方面，具有相当高的准确度，然而其计算复杂度相当高，本发明以减少坐标计算的方式，提高执行效能。在影像投影与扭曲阶段的研究方面，Steve Mann在其发表的文献中比较了多种坐标转换模型，发现以八个参数的单应矩阵转换(eight-parameter projective model)，可以得到较为准确的矩阵转换与投影结果。在此阶段，本发明以固定其中一来源坐标的方式，减少坐标转换所耗的时间；另一方面则以建立对照表的方式，减少冗余的矩阵计算。在影像补色的研究方面，Wu-Chih Hu等人在2007年提出一套补色流程，先针对左右图重迭部份的色彩进行平滑化，接下来计算出重迭部分的每一点的强度值，然后用非线性权重函式(nonlinear weighted function)计算最后输出的像素值。此影像补色流程的实作较为复杂，并且牵涉到三角函数的运算，因此计算复杂度稍嫌略大。对此本发明提出了另一套补色流程，以较为简易的步骤，使之在降低计算复杂度之余，亦能维持高质量的接合影像。

发明内容

本发明主要是侦测多组输入影像中相同的物体特征，将相同之处利用坐标转换接合起来成一全景接合影像，其中并利用降阶等技术来达到降低计算量的目的，并维持了良好的输出画面质量。

具体地，本发明提出了一种低复杂度的全景影像接合方法，用以侦测彼此相邻的两个影像中相同的物体特征，将相同之处利用坐标转换接合成一全景影像，其中所述两个影像为第一影像和第二影像，该全景影像接合方法包括：影像亮度均衡化步骤：将明暗不同的所述两个影像均衡化，以使所述两个影像的明暗度彼此接近；影像对齐步骤：寻找所述两个影像中的相对应的特征点，并进行所述两个影像中的所述特征点之间的配对；错误匹配点检测步骤：对已配对的特征点进行去除错误配对特征处理，以消除所述已匹配的特征点之中的错误匹配点；以及影像投影与扭曲步骤：基于经去除错误配对特征处理后的所述特征点确定一坐标转换矩阵，固定所述两个影像中的第一影像的坐标，并根据所述坐标转换矩阵将所述两个影像中的第二影像的坐标直接对应到该第一影像的坐标系统上，从而将所述两个影像接合为一全景影像。

较佳地，在上述的全景影像接合方法中，所述影像亮度均衡化步骤进一步包括：利用一直方图均衡化算法将所述两个图像均衡化。

较佳地，在上述的全景影像接合方法中，在所述影像对齐步骤进一步包括：在所述第一影像的与第二影像相邻的半边影像中寻找所述特征点；以及在所述第二影像的与第一影像相邻的半边影像中寻找所述特征点。

较佳地，在上述的全景影像接合方法中，在所述影像对齐步骤之前且在所述影像亮度均衡化步骤之后进一步包括：检测所述两个影像的解析度；若所述解析度高于一阈值，则将所述两个影像进行降阶处理，以降低该解析度。

较佳地，在上述的全景影像接合方法中，所述降阶处理包括根据所述两个影像的解析度选择一降阶率，并利用该降阶率对所述两个影像进行降阶处理。

较佳地，在上述的全景影像接合方法中，所述影像投影与扭曲步骤进一步包括：建立一个描述影像在转换前后的坐标对应关系的对照表。

较佳地，在上述的全景影像接合方法中，在所述影像投影与扭曲步骤之后，所述全景影像接合方法进一步包括：影像补色步骤：消除所述全景影像中的所述两个影像的接合部分的颜色失真。