[发明专利]基于点、线双重特征的快速图像拼接方法

权利要求书

1.基于点、线双重特征的快速图像拼接方法，其特征在于，包括以下步骤：

步骤S1：利用Canny边缘检测算法和Harris函数的角点检测算法，提取出图像的线特征，然后在线特征的基础上提取点特征，通过点特征和线特征两种特征的结合得到最佳特征点；

步骤S2：利用相似测度NCC对所述最佳特征点进行粗匹配；

步骤S3：利用RANSAC算法剔除错误匹配点提高图像配准的精度，采用LSM方法计算变换模型参数；

步骤S4：最后采用加权平均法对拼接后的图像进行融合并消除拼接缝隙。

2.如权利要求1所述的基于点、线双重特征的快速图像拼接方法，其特征在于：

所述通过点特征和线特征两种特征的结合得到最佳特征点的方法如下：

步骤S11：用高斯滤波器平滑图像：用高斯滤波器对输入的两幅图像进行卷积滤波，滤除噪声，减小噪声对梯度计算的影响，二维高斯滤波函数G(x，y,σ)定义如下

G(x,y,σ)=12πσ2exp(-x2+y22σ2)]]>

其中，σ表征高斯滤波平滑程度；

g(x,y)＝f(x,y)*G(x，y,σ)

f(x,y)为原始图像函数，g(x,y)为滤波平滑后的图像；

步骤S12：使用一阶差分算子计算水平方向和垂直方向的梯度幅值分量，从而得到图像的梯度的幅值和梯度的方向一阶差分卷积模板如下

H1=-1-111H2=1-11-1]]>

其中，和分别为图像x，y方向上的偏导数,利用直角坐标到极坐标转换公式，得到图像梯度和方向角公式；表征图像的边缘强度，使得取得局部最大值的方向角，反映了图像边缘的方向；

步骤S13：非极大值抑制：遍历梯度幅值图像上每个像素，插值计算当前像素梯度方向上相邻两个像素的梯度幅值，如果当前像素的梯度幅值大于或等于这个两个值，则当前像素是可能的边缘点，否则该像素点为非边缘像素，将图像边缘细化为一个像素宽度，梯度幅值图像经过非极大值抑制得到图像NMS[x，y]；

步骤S14:阈值化提取边缘特征：采用双阈值算法，对非极大值抑制图像作用两个阈值τ1和τ2，，从而可以得到两个阈值边缘图像N1［x,y］和N2［x,y］；在N1［x,y］的8邻点位置寻找可以连接到轮廓上的边缘，直到将N2［x,y］连接起来为止，初步得到图像的线特征；

步骤S15：边缘细化，图像增强：用形态学的方法把检测到的线特征变细，然后叠加到原图像上，得到增强后的图像J(x,y)；

步骤S16：为了滤除图像处理过程中产生的噪声，对步骤S15增强后的图像进行高斯滤波，高斯滤波函数如下：

Gh(x,y,σh)=12πσh2exp(-x2+y22σh2)]]>

I(x,y)＝J(x,y)*G_h(x,y,σ_h)

其中，I（x,y）为滤波后的图像；

步骤S17：计算I（x,y）的一阶灰度梯度，得到f_x,f_y，f_xf_y；

fx=∂I∂xfy=∂I∂xfxfy=∂I2∂x∂y]]>

步骤S18：根据一阶灰度梯度f_x,f_y，f_xf_y和高斯滤波器G(x,y,σ_h)构造自相关矩阵M

M=ACCB]]>

A、B、C定义如下：

A=fx2*Gh(x,y,σh)B=fy2*Gh(x,y,σh)C=fxfy*Gh(x,y,σh)]]>

其中，M为2×2的对称矩阵，设λ₁和λ₂是M的两个特征值，λ₁和λ₂的值的情况决定角点；

步骤S19：计算I（x,y）上对应的每个像素点的局部区域最大值

R(x,y)=det[M(x,y)]-k*trace²[M(x,y)]，

其中：det[M(x,y)]=λ₁*λ₂是矩阵M的行列式；trace[M(x,y)]=λ₁+λ₂　是矩阵M的迹；k为经验值，为0.04～0.06；

步骤S110：用非极抑制窗口选择局部极值点，定义阈值T，用以选取一定量的角点；设T=0.1*R（x，y）max，R（x，y）max表示R（x，y）的最大值；当R(x,y)>T,则该点为角点；

步骤S111：通过过滤函数设定检测出角点数目，滤除多余角点，从而获得最佳特征点。