[发明专利]大数据监控系统中的图像识别拼接方法及系统

说明书

本发明公开了一种精准医疗图像分析方法及机器人手术系统，获得病变部位的多张图像；对每张图像进行分区，每张图像对应得到多个区域图像；将多张图像的位置对应的区域图像按照拍摄时间的先后顺序构建成区域链；将多条区域链同时输入联动分析模型；全适应映射网络根据输出层的联动分析网的联动分析节点的输出值，得到病变部位的疾病特征，所述疾病特征包括对所述病变部位预测的疾病类型和严重程度。因为相同层的联动分析网的联动分析节点之间能够相互影响、相互调节，上下两层的相互对应的联动分析节点也能够相互影响、相互调节，实现了对相互影响的图像区域或者像素点或者细微到细胞之间的影响进行分析。

技术领域

本发明涉及监控领域，具体而言，涉及一种大数据监控系统中的图像识别拼接方法及系统。

背景技术

监控系统广泛应用于银行、商场、公司办公楼、公交、地铁、城市道路、高速公路、学校中，用以对这些地方的区域进行监控，以提高这些区域的安全性。在全景监控领域，图像的识别和拼接是得到全景图像的必要手段。

现有技术中，全景图像主要来自于多个摄像机拍摄的不同角度的图像，对这些图像基于深度值进行匹配，从而得到匹配的图像点对，进而对实现图像拼接。这种方法，一方面需要通过多个摄像机，摄像机造价昂贵，成本高，另一方面，基于深度值进行匹配的方法计算量大，匹配精度低。

发明内容

本发明的目的在于提供了一种大数据监控系统中的图像识别拼接方法及系统，用以解决现有技术中存在的上述问题。

第一方面，本发明实施例提供了一种大数据监控系统中的图像识别拼接方法，包括：

获得需要拼接的两张图像，两张图像包括第一图像和第二图像；

分别提取第一图像和第二图像中的特征点，其中，第一特征点和第二特征点分别是第一图像和第二图像中的特征点；

获得第一特征点和第二特征点之间的位置坐标距离和像素值差值的绝对值；

获得匹配因子，所述匹配因子等于所述位置坐标距离与位置坐标距离加1的商，乘以像素值差值与像素值差值加1的商，具体为：r=d/（d+1）* Id /(Id+1)，其中，r为匹配因子，匹配因子用于表示第一特征点和第二特征点的相似程度，d表示位置坐标距离，位置坐标距离为第一特征点与第二特征点之间的像素距离，d为0或者正数；Id表示像素值差值的绝对值，像素值差值为第一特征点的像素值减去第二特征点的像素值；

若所述匹配因子小于预设值，确定所述第一特征点和所述第二特征点相互匹配，第一特征点和第二特征点构成匹配点对；

基于匹配的第一特征点和第二特征点，对相互匹配的两张图像中的其他像素点进行稠密匹配，得到相互匹配的两张图像的匹配点对，匹配点对包括第一像素点和第二像素点，第一像素点和第二像素点相互匹配；相互匹配的第一特征点和所述第二特征点分别是第一像素点和第二像素点；

对第一像素点所在的图像进行扩张，扩张后的第一像素点所在的图像包括扩原始的第一像素点和扩张像素点；

获得相互匹配的第一像素点和第二像素点的像素值的平均值；将所述平均值作为扩张后的图像的第一像素点的像素值；

对于第二像素点所在的图像中未匹配成功的像素点的像素值作为与所述未匹配成功的像素点对应的扩张像素点的像素值；所述未匹配成功的像素点与所述扩张像素点对应的物理坐标相同。

可选的，所述对第一像素点所在的图像进行扩张，包括：

获得第二像素点所在图像中未匹配成功的像素点的数量和与未匹配成功的像素点的对应的物理位置信息；