[发明专利]一种基于层次聚类的多平面图像拼接方法

权利要求书

1.一种基于层次聚类的多平面图像拼接方法，其特征在于，包括以下步骤：

步骤1，提取待拼接图像A和B的SIFT特征点，完成特征点的初始匹配，并利用层次聚类方法将图像A的特征点划分为不同平面，筛选误匹配点，得到正确特征匹配点的集合；

步骤2，对待拼接图像A和B分块，根据每个图像块中心像素周围的特征点平面信息计算图像块所属平面；利用带权重的线性变换方法计算图像A和B中每个对应分块的变换矩阵；最后将图像B映射到图像A的坐标系下；

步骤3，构造待拼接图像A和B的拉普拉斯金字塔，对每一层采取不同的融合权重进行融合，再将融合后的各层拉普拉斯金字塔恢复得到最终的拼接结果。

2.根据权利要求1所述的方法，其特征在于，步骤1包括以下步骤：

步骤1-1，提取待拼接图像A和B的SIFT特征点；

步骤1-2，对于图像A中每个SIFT特征点，分别计算与图像B中所有SIFT特征点特征描述子的欧式距离，选择距离最小的点组成匹配对；

步骤1-3，按照SIFT特征点间坐标的欧式距离小于规定阈值的规则对图像A中的特征点进行采样，构建两个以上的最小采样集；

步骤1-4，利用最小二乘法分别计算每个采样集的单应性矩阵；

步骤1-5，定义每对匹配点在不同单应变换下的残差，计算每两个匹配点残差较小的值所对应的单应性矩阵交集的个数，构建相似度矩阵；

步骤1-6，根据相似度矩阵计算每两个特征匹配点的距离，作为聚类的相似度度量，采用凝聚层次聚类，利用平均值合并簇，建立层次聚类树；

步骤1-7，根据聚类后每个类别中包含的特征点与每个单应矩阵的残差均值筛选特征点，得到正确特征匹配点的集合。

3.根据权利要求2所述的方法，其特征在于，步骤1-2包括：对于图像A中的SIFT特征点，分别计算每个SIFT特征点与图像B中所有SIFT特征点的特征描述子的欧式距离，并选择最近距离d₁与次近距离d₂，当d₁/d₂小于阈值时，则与距离为d₁的特征点匹配，匹配对记为X＝{x^A,x^B}，其中，x^A和x^B是分别来自于图像A的特征点和来自于图像B的特征点；构建特征点对集为φ＝{X₁，X₂，…，X_N}，其中N为两幅图像特征点匹配的总对数，代表第i个匹配对，i＝1,2,…,N，分别表示第i个匹配对中来自于图像A的特征点和来自于图像B的特征点。

4.根据权利要求3所述的方法，其特征在于，步骤1-3包括：从中随机选择1个特征点p，再从图像A中距离点p为d的范围内随机选择其他3个特征点，若4个特征点中任意3点不共线，则构成最小采样集，否则重新选择；按照上述采样规则，得到K个最小采样集；

步骤1-4包括：利用最小二乘法计算每个最小采样集所对应的单应性矩阵，第j个最小采样集所对应的单应性矩阵记为h_j，j＝1,2,…,K。