[发明专利]一种图像拼接方法及拼接装置

说明书

本发明提供一种图像拼接方法及拼接装置，能够实现快速准确的图像配准、拼接。所述方法包括：获取待拼接图像和参考图像；对待拼接图像和参考图像分别进行特征点检测并计算加速稳健特征；针对待拼接图像和参考图像，分别以检测到的每个特征点为中心，选取预设尺寸的特征图像块，根据选取的特征图像块提取卷积神经网络特征，将得到的加速稳健特征和卷积神经网络特征进行融合，生成待拼接图像的特征和参考图像的特征；计算融合后的待拼接图像的特征和参考图像的特征之间的匹配度，进行变换矩阵估计，实现待拼接图像和参考图像配准；对配准后的待拼接图像和参考图像进行融合，得到完整的拼接图像。本发明涉及图像处理领域。

技术领域

本发明涉及图像处理领域，特别是指一种图像拼接方法及拼接装置。

背景技术

图像拼接是指将两张或数张有重叠部分的同一场景的图像结合在一起，生成一副无缝的全景图或高分辨率图像的技术，是图像处理领域的研究热点。图像拼接技术在遥感技术、虚拟现实、军事监测等领域有广泛的应用。如何准确的提取特征点并实现图像配准是改善图像拼接质量的关键问题，具有重要的研究意义。

加速稳健特征(Speed Up Robust Features，SURF)算法是目前常用的一种特征提取算法，相较于其它算法，其运算速度大大提高，但是提取的特征点较少，只使用了一些低层次的特征信息，影响了图像配准的准确度，限制了图像拼接质量的提升。

发明内容

本发明要解决的技术问题是提供一种图像拼接方法及拼接装置，以解决现有技术所存在的基于SURF算法提取的低层次特征进行图像配准、拼接，导致配准准确度低、拼接质量差的问题。

为解决上述技术问题，本发明实施例提供一种图像拼接方法，包括：

获取待拼接图像和参考图像；

对待拼接图像和参考图像分别进行特征点检测并计算加速稳健特征；

针对待拼接图像和参考图像，分别以检测到的每个特征点为中心，选取预设尺寸的特征图像块，根据选取的特征图像块提取卷积神经网络特征，将得到的加速稳健特征和卷积神经网络特征进行融合，生成待拼接图像的特征和参考图像的特征；

计算融合后的待拼接图像的特征和参考图像的特征之间的匹配度，进行变换矩阵估计，实现待拼接图像和参考图像配准；

对配准后的待拼接图像和参考图像进行融合，得到完整的拼接图像。

进一步地，在对待拼接图像和参考图像分别进行特征点检测并计算加速稳健特征之前，所述方法还包括：

对待拼接图像和参考图像分别进行降噪处理。

进一步地，所述针对待拼接图像和参考图像，分别以检测到的每个特征点为中心，选取预设尺寸的特征图像块，根据选取的特征图像块提取卷积神经网络特征包括；

针对待拼接图像和参考图像，分别以检测到的每个特征点为中心，选取预设尺寸的特征图像块；

将选取的所有特征图像块输入到VGG16模型中提取卷积神经网络特征。

进一步地，所述计算融合后的待拼接图像的特征和参考图像的特征之间的匹配度，进行变换矩阵估计，实现待拼接图像和参考图像配准包括：

利用欧式距离计算融合后的待拼接图像的特征和参考图像的特征之间的匹配度，当欧式距离小于设定的阈值时，将待拼接图像的特征和参考图像的特征进行匹配；

根据特征匹配结果确定变换矩阵完成坐标变换，实现待拼接图像和参考图像配准。

进一步地，欧式距离的计算公式为：