[发明专利]一种改进的基于SIFT特征的图像配准算法

说明书

技术领域

本发明涉及图像处理技术领域，具体涉及一种改进的基于SIFT特征的图像配准算法。

背景技术

驻车爪是汽车自动变速箱中的关键零部件，很大程度上影响了汽车的变速性能，是一种非常关键的零部件。驻车爪在自动变速箱中发挥着重要作用，工件的制造误差将会很大程度上决定了驻车爪的使用性能，进而极大影响到汽车的使用性能，甚至可能危害驾驶员的人身安全。但是锻造过程中工件的整体参数和具体尺寸锻造过程中由于模具和压机磨损、变形、振动、偏载及人工操作不当等原因导致锻造成品与模具设计尺寸不一致，所以在锻件生产过程中，需要对其尺寸进行实时在线测量。目前国内锻造车间不论其规模大小及工件尺寸大小，对锻件的测量普遍采用直接接触法进行人工逐件测量或抽样测量，人工测量劳动强度大、劳动条件差、测量精度低、速度慢、测量数据有限、容易受个人因素的影响；抽查测量很容易出现废品。因此，我们采用了高精度、自动化程度高的的计算机测量方法对工件进行尺寸测量，使其尺寸在一定的误差之内，但利用计算机对驻车爪尺寸测量过程中，在获取图像阶段，由于射向设备的视野及角度的限制，不可能一次摄取完整的场景图像，需要采用图像拼接技术将多幅有重叠部分的图像简介在一起，并且消除各图像之间存在的接缝，最终构成一幅包含全部场景的高清晰图像来解决这一问题。在工厂中，工件需要进行实时检测，因此，图像拼接的速度要足够快，但是，采用SIFT算法，针对特征点检测，检测阶段耗时较多，检测效率较低。

发明内容

本发明的目的是为针对现有SIFT算法针对特征点检测，检测阶段耗时较多，检测效率较低的问题，提出基于金字塔结构以及特征点邻域改进的SIFT算法。

本发明为解决上述问题采取的技术方案是：一种改进的基于SIFT特征的图像配准算法，具体步骤包括：

步骤a、图像采集：

将工件固定好，通过旋转照相机拍摄的角度，拍摄带有重叠部分的完整工件图像；

步骤b、图像几何校正：

对步骤a中获取的图像进行几何运算改变图像中物体的形状和空间位置，建立图像变换前与变换后的图像中所有像素点间的映射关系的函数；

步骤c、图像预处理：

对成像系统获得的原始图像进行图像的去噪和还灰度处理，去除无关的信息，恢复有用的信息；

步骤d、图像配准：

采用基于图像特征的图像配准方法，首先提取待配准的两幅图像中满足特定应用要求的特征集，将这些特征作为控制结构，寻找两幅图像控制结构的映射关系，这种基于图像特征的方法，在特征提取后得到的特征点的数量将会大大减少，因此可以提高配准的速度。

步骤e、图像融合：

由于拍摄时刻的不同以及传感器自身的物理特性、观察视角和成像机理等各方面的种种限制，待拼接的各个图像之间会存在亮度上的差异，因此在对图像配准之后拼接之前，必须对待拼接图像的重叠区域进行适当的处理。图像融合就是为了消除待拼接图像之间的拼接缝隙，以实现拼接图像的自然过渡，图像融合操作可以采用平均值法或加权平均法。

平均值法：

配准后的图像的重叠区域像素点的灰度值采用参加配准的两幅图像的灰度值。设I(x,y)，I₁(x,y)和I₂(x,y)分别表示融合后的图像、参考图像和待配准图像在(x,y)处的像素灰度值，则融合后的图像中各像素点灰度值如下式表示:

其中，R₁表示拼接后图像中原属于第一幅图像的未重叠区域，R₂表示两幅图像的重叠区域，R₃表示拼接后图像中原属于第二幅图像的未重叠区域。平均值法类似于低通滤波器，算法的速度很快，但是在两幅图像的重叠区域会有明显的带状感觉，从而使拼接图像存在十分明显的拼接缝隙，这通过肉眼就可以很容易观察出区别。

加权平均值法：

加权平均法由平均值法改进而来，是对重叠部分的图像灰度值进行加权后再叠加平均。设I(x,y)、I₁(x,y)和I₂(x,y)分别表示融合后的图像，参考图像和待配准图像在点(x,y)处的像素灰度值，则有下式：