[发明专利]基于马氏距离判别的自适应图像融合方法和系统

说明书

本发明涉及一种基于马氏距离判别的自适应图像融合方法和系统，在融合过程中将目标图像分为三部分，重合区域最左边完全取自img1中的数据，右边的部分完全取自img2经变换后的图像，通过对各个相机的重叠区域部分评估择优，自动选择规划出合适的各镜头成像点集，使得融合的图像更为真实，细节更加突出，极大地减小了因为细节丢失而导致的系统检测误差。本发明将马氏距离判别分析的方法引入图像融合技术之中，可以有效克服重叠区域坐标内各像素间的噪声干扰，自动选择规划出合适的各相机成像点集，以此评估出的像素点集合成后的图像整体平滑度更好，同时对真实场景的还原度高，极大的提升了图像融合的准确率。

技术领域

本发明属于图像处理领域，特别是涉及基于马氏距离判别的自适应图像融合方法和系统。

背景技术

目前机器视觉已成为工业领域研究的热门话题，在工业生产现场引入视觉可以更好地完成对工件的识别、检测、包装和搬运等项目，但在获取工件视觉信息的时候，一些生产项目需要识别的工件视场较大，单个相机不能够很好的满足实际需求，所以通常会采用具有平行光轴结构的多相机成像系统(如图1)，最后利用图像拼接算法得到所需要的图像数据。

图像拼接算法的核心主要是图像配准和图像融合，图像配准的方法经过大量研究人员多年的研究已经较成熟，但是在图像融合部分，由于复杂的工业现场环境(光照、温度等)及成像系统本身的装配误差，各相机所成像的结果存在一定的差异，传统的图像合成方法在此基础上的合成效果并不好，小小的细节错误就会使得工件检测等项目产生重大失误。因此，对于多相机成像系统的重叠区域判定择优显得极为关键。

现有的图像融合方法主要分为两种：一种简易的方法是先将附图2中的右图img2经变换矩阵H变换到一个新图像中，然后直接将左图img1加到新图像中，这样拼接出来会有很明显的拼接缝；另一种方法首先也是将右图img2经变换矩阵H变换到一个新图像中，在融合过程中将目标图像分为三部分，最左边完全取自img1中的数据，重合区域右边的部分完全取自img2经变换后的图像，中间的重合部分取两幅图像的加权平均值，这样一来可能导致重叠区域细节部分的丢失，并且也会存在一定的拼接缝。因此，上述两种方法在工件检测领域都不适用。

发明内容

本发明通过对各个相机的重叠区域部分评估择优，自动选择规划出合适的各镜头成像点集，使得融合的图像更为真实，细节更加突出，极大地减小了因为细节丢失而导致的系统检测误差。

为了达到上述目的，本发明提供的技术方案是一种基于马氏距离判别的自适应图像融合方法，包括如下步骤：

步骤1，合成图像左右部分的确定：针对图像配准后得到两幅图像img1和img2的重叠区域，根据匹配出的相同特征点计算变换矩阵H后构建两幅图像在重叠区域的映射关系，将img2经变换矩阵H变换到一个新图像中；以img1的坐标位置为基础建立合成图像的框架坐标，定义img1除去重叠区域的像素信息K^l为合成图像的左边部分，img2变换后的图像除去重叠区域的像素信息K^r为合成图像的右边部分，并将K^r和K^l一一映射到合成图像的框架坐标中；

步骤2，合成图像重叠区域像素的确定：定义img1在重叠区域的像素信息集合为C₁，img2变换后的重叠区域像素信息集合为C₂，则整个图像重叠区域的像素信息集合K^m＝{C₁，C₂}，图像重叠区域坐标内任意一点都包含两个像素点即其中，n表示重叠区域内需要选取的像素点的个数，设需要填补的某点为i，C_1i表示img1中对应这一点坐标位置的像素信息，C_2i表示img2中对应这一点坐标位置的像素信息；

步骤3，求取C₁，C₂的像素均值为计算图像重叠区域的像素均值方差：