[发明专利]基于点、线双重特征的快速图像拼接方法

说明书

技术领域

本发明属图像处理和模式识别领域，具体涉及一种基于点、线双重特征的快速图像拼接方法。

背景技术

图像特征是区分图像内部元素的最基本属性，而参与匹配的图像特征则构成特征空间。特征分为人工特征和自然特征，前者是为了进行图像分析和处理而指定的特征，例如图像直方图、矩不变量、图像频谱、高层结构描述等；后者是图像固有的，比如图像的灰度、颜色、轮廓、角点、线交点等。图像特征的选择至关重要，它关系到搜索匹配算法的复杂度和计算量。选择特征必须满足3点要求：1.被选特征需是所有待配准图像的共有特征；2.特征集的特征数量适中：如果特征太少则不利于配准，特征太多会带来严重的运算负担，另外还需特征在图像上分布均匀；3.特征点对旋转缩放平移等变换保持不变性，易于精确匹配。

图像匹配方法主要有：利用图像的灰度信息进行匹配的模板匹配法、相位相关法和基于特征的配准方法。其中基于特征的方法已逐渐成为未来的发展方向，主要原因是基于特征的方法是利用拼接图像中数量较少、特征较稳定的一些点、线或边缘等进行匹配,大大压缩了所需处理信息量,使得匹配搜索的计算量较小、速度较快，且该方法对图像灰度的变化具有鲁棒性，适合于多幅图像拼接。此方法先从两幅图像中提取了变化明显的点、线、区域等特征形成特征集，再依据两幅图像间对应的特征集中的特征点，利用特征匹配算法尽可能地将存在对应关系的特征对选择出来，然后，以图像特征为标准，对图像重叠部分的对应特征区域进行搜索匹配，最后完成多幅图像的快速拼接，该类方法有比较高的健壮性和鲁棒性。

但常见的基于图像特征的匹配算法中也存在两个不足之处:

1.基于特征的匹配算法往往只用到图像的一个特征，如点特征、线特征、灰度特征等，导致提取出来的特征不能完全的描述图像细节，因此匹配结果容易受到噪声、图像信息分布等因素的影响，匹配精度不高、稳定性不好。且若拼接图像中两幅图重叠区域不大，则对特征点的准确性及稳定性的依赖较高。此时非常容易出现图像匹配错误或者无法匹配。

2.作为比较经典的角点提取算法，Harris角点提取结果受图像质量的影响非常大，如果图像曝光不足、过度，提取出来的角点数目不足，而且错误率很高，而且当待配准的两幅图像的曝光度不同时，提取出来可以配准的角点数目很少，错误匹配率很高，直接影响图像拼接质量。

发明内容

本发明的目的是解决图像特征匹配过程中，提取特征不能完全反映图像细节、特征点数目不足、有效待匹配点数目少的问题，提出一种基于点、线双重特征的快速图像拼接方法，可以增强图像细节，提高图像拼接质量。

本发明采用以下技术方案实现，所述基于点、线双重特征的快速图像拼接方法，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。

步骤S1中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