[发明专利]一种基于层次聚类的多平面图像拼接方法

说明书

本发明公开了一种基于层次聚类的多平面图像拼接方法，包括以下步骤：(一)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；(二)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；(三)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。

技术领域

本发明涉及计算机处理图像的方法，特别是涉及一种基于层次聚类的多平面图像拼接方法。

背景技术

图像拼接是将一系列在同一场景下不同角度拍摄的相互之间带有重叠区域的窄视角图像合成为一幅高分辨率的宽视角图像。日常生活中拍摄相机的光心并不固定在一个位置，存在移动，旋转等空间变化，因此，捕获的图像存在视差，就会产生明显的伪影和对不齐。

目前比较主流的针对具有视差的图像拼接方法的基本模型都是基于网格的变换模型，该方法将图像划分为密集网格用全局单应性矩阵代替基本单应性矩阵，对每一个特征点用一个局部单应性矩阵来映射，使用移动直接线性变换进行配准，强调全局投影特性，同时允许局部非投影偏差，在一定程度上缓解了视差造成的拼接误差。但是该算法的配准精度依赖于特征点的均匀度和匹配精度。在拼接过程中，采用传统随机抽样一致性方法用全局单应变换筛选特征点，由于多平面场景，一个平面对应着一个单应变换，因此导致部分正确匹配的特征点会被筛选。一些方法通过增大阈值缓解漏检特征点，但该方法同时会引入错误的匹配点，增加虚警率。

发明内容

发明目的：为了解决上述技术问题，本发明公开了一种基于层次聚类的多平面图像拼接方法，能够提高特征点筛选的精确度，并对重叠区域的不同平面采用不同的单应变换，从而提高了配准的精度。

本发明的基于层次聚类的多平面图像拼接方法，包括以下步骤：

步骤1，提取待拼接图像A和B的SIFT(尺度不变特征变换，Scale-invariantfeature transform，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。

本发明中，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(参见David G.Lowe,Distinctiveimage features from scale-invariant keypoints,International Journal ofComputer Vision,60,2(2004),pp.91-110)；

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；