[发明专利]基于超像素提升图像拼接质量的方法、移动终端、相机

说明书

本发明属于图像拼接技术领域，公开了一种基于超像素提升图像拼接质量的方法、移动终端、相机；对图像进行SIFT特征提取，利用描述子进行特征匹配，得到匹配对集合；对匹配对集合进行内点的筛选，并根据直接线性算法DLT，利用筛选得到的内点集合构造系数矩阵A；对图像进行超像素划分，并计算超像素的中心坐标；利用超像素中心坐标和匹配对集合，计算得到超像素的权重矩阵W；利用超像素的权重矩阵W乘以系数矩阵A，并对该乘积进行奇异值分解，得到超像素的映射变换矩阵；利用映射变换矩阵对超像素进行映射变换，得到拼接图像。本发明可以高效的对齐需要拼接的图像，解决了图像拼接过程中的重影和错位问题。

技术领域

本发明属于图像拼接技术领域，尤其涉及一种基于超像素提升图像拼接质量的方法、移动终端、相机。

背景技术

目前，业内常用的现有技术是这样的：目前，随着移动端手机的不断发展和迭代，人们对于相机的要求也越来越高，人们已经不满足于拍摄单张图像，而是希望将拍摄的图像拼接起来，图像拼接也成为计算机视觉领域的研究热点。基于特征点的图像拼接目前依然是图像拼接中的主流算法，最具代表性的就是AutoStitch，该软件集合了全局单应性对齐、球面投影、BA优化和多频段融合等算法。但是该软件对拼接的图像有两个要求，第一要求图像的重合区域要近似一个平面，第二要求拍摄的时候相机的光心要近似重合，对于不满足上述两个条件的拼接图像，拼接得到的结果就会出现重影和错位问题。之后的人们针对一个单应矩阵的对齐能力不够，提出了Dual-Homography Warping(DHW)方法，即双映射变换矩阵对齐图像的方法，将图像中的场景划分为背景平面和前景平面，利用两个单应矩阵对上述两个场景进行对齐，解决了现实中的大部分现实场景拼接问题。之后人们有继续优化拼接方法，出现了Smoothly Varying Affine(SVA)多个仿射变换对齐图像，可以对具有较大视差的图像进行拼接。之后在As-Projective-As-Possible(APAP)中将对齐图像的能力发挥到最大，该方法将图像划分为密集的网格，每个网格都对应一个映射变换矩阵，该方法可以很好的对齐现实中的场景。但是该方法的对齐能力是建立在对图像进行密集的网格划分之上的，根据论中的实验数据，该方法划分的网格数量在一万个左右，所以该算法在时间复杂度和空间复杂度上并不是很理想。

综上所述，现有技术存在的问题是：对于重叠区域不在一个平面，或者图像之间存在较大视差的情况，现有算法不能很好的对其图像，或者对齐的效率太低，处理速度太慢。

解决上述技术问题的难度和意义：如何保证算法在对图像进行拼接时，待拼接图像的重叠区域不在同一个景深平面或者图像之间存在较大的视差时既能够对齐图像，使得拼接的图像无重影和错位等问题；又能够快速的完成图像的拼接，做到对齐能力强同时满足拼接速度快。

发明内容

针对现有技术存在的问题，本发明提供了一种基于超像素提升图像拼接质量的方法、移动终端、相机。

本发明是这样实现的，一种基于超像素提升图像拼接质量的方法，所述基于超像素提升图像拼接质量的方法包括：

(1)对图像进行SIFT特征提取，并利用提取的特征描述子进行特征匹配，得到匹配对集合；

(2)利用RNASAC算法对匹配对集合进行内点的筛选，根据直接线性算法DLT，利用筛选得到的内点集合构造系数矩阵A；

(3)对图像进行超像素的划分，并计算超像素的中心坐标；

(4)利用超像素的中心坐标和筛选得到的内点，计算超像素的权重矩阵W；

(5)利用超像素的权重矩阵W和全局系数矩阵A，根据奇异值分解技术计算超像素的映射变换矩阵H；

(6)利用超像素的映射变换矩阵对图像进行映射变换，并对映射变换后的图像进行插值处理，得到最终的拼接结果。