[发明专利]一种基于SIFT特征的鱼眼图像拼接方法

权利要求书

1.一种基于SIFT特征的鱼眼图像拼接方法，其特征在于，首先对鱼眼图像进行校正，采用SIFT特征算子对校正后的鱼眼图像进行特征点提取和匹配，再利用RANSAC鲁棒算法对变换参数进行估计，最后使用加权平均法对图像进行拼接融合，该包含以下步骤：

步骤1，使用经纬映射法得到校正鱼眼图像；

步骤2，对校正鱼眼图像进行SIFT特征点提取，首先将图像分配到不同的尺度空间上，通过对尺度空间上的像素间的对比找出局部极值点，然后去除对比度较低的点，确定SIFT特征点的方向，最终生成128维方向信息的SIFT特征向量，以避免尺度缩放、旋转和光照变化带来的影响；

步骤3，采用欧式距离对每两个相邻的SIFT特征点进行匹配，当SIFT特征向量到最邻近与次邻近距离之比小于设定阈值时，认为该两个相邻的SIFT特征点匹配，得到匹配点；

步骤4，使用RANSAC算法对得到的匹配点计算，得到变换模型参数；

步骤5，根据变换模型参数计算剩下的所有匹配点，得到变换后的图像坐标；再计算变换后图像坐标与提取SIFT特征点坐标之间的距离，如果距离小于设定的阈值T，则认为该匹配点为内点即正确的匹配点，否则是外点即误匹配的点，将内点的个数记录下来；

步骤6，重复步骤4～5，直到到达指定的采样次数，结束计算，选择指定的采样次数中内点数最多的那组匹配点计算模型参数作为最终结果；

步骤7，根据计算模型参数估算出各匹配点的坐标值，利用加权平均融合算法进行融合，输出拼接的鱼眼图像。

2.根据权利要求1所述的一种基于SIFT特征的鱼眼图像拼接方法，其特征在于，所述步骤2中SIFT特征点生成的SIFT特征向量获取的具体方法为：

1)确定SIFT特征点位置，由校正鱼眼图像得出图像在各个尺度下的尺度空间，大尺度空间包含图像的轮廓信息，小尺度空间则展现图像的细节信息，按照尺度的大小，由大到小依次选择三个尺度从下往上依次排列，形成上、中、下三个尺度空间，每个尺度空间上的像素都要和它邻域的像素、上下相邻的尺度空间上的像素进行对比，找出局部极值点；

2)在1)的基础上进行精炼求精，去除对比度较低的点，消除DoG算子引入的边缘响应，增加SIFT特征点抗噪声能力和SIFT特征点之间的匹配能力；

3)确定SIFT特征点的方向，利用直方图统计以SIFT特征点为中心的领域窗口里像素的梯度方向对该窗口进行抽样，SIFT特征点的领域梯度的主方向，即该SIFT特征点的方向；

4)生成SIFT特征向量，以SIFT特征点为中心选取8×8的小格领域范围，将其分成4个4×4的小格，每个小格对应一个像素，模值用长度表示，再以每小格为单位在8个方向即上、下、左、右、左上、右上、左下、右下方向上求得梯度值，计算每个梯度上的累加和，生成一个种子点，4个种子点构成一个SIFT特征点，即SIFT特征点生成的SIFT特征向量具有128维，4×4×8的方向信息；为增加匹配的稳健性，选取16个种子点描述一个SIFT特征点。

3.根据权利要求1所述的一种基于SIFT特征的鱼眼图像拼接算法，其特征在于，所述步骤4中RANSAC算法具体方法为：

1)随机取任意三点不共线的四个匹配点；

2)对抽取匹配点计算对应变换模型参数。

4.根据权利要求1所述的一种基于SIFT特征的鱼眼图像拼接算法，其特征在于，所述步骤7中，加权平均融合算法是对两幅图像的像素值分配一个权值进行融合计算，假设f为拼接后的图像，f₁和f₂代表待拼接的两幅图像，则有下式：

其中，k的范围为0～1，实现重叠区域的平滑过渡。权值的选择跟距离有关，公式如下所示：

k＝(x₂-x)/(x₂-x₁)x₁≤x≤x₂

x₁，x₂是重叠区域x轴最小和最大值，k由1慢慢变化为0，从而实现图像的平滑。

5.根据权利要求1所述的一种基于SIFT特征的鱼眼图像拼接算法，其特征在于，所述步骤3中设定阈值的阈值取为0.6；所述步骤5中阈值T取为1～2个像素；所述步骤6中指定的采样次数取为200次。