[发明专利]一种改进的GMS特征匹配图像拼接方法

权利要求书

1.一种改进的GMS特征匹配图像拼接方法，其特征在于，包括以下步骤，且以下步骤顺次进行：

步骤1、使用中值滤波算法去除输入的两张图片中的椒盐噪声；

步骤2、使用改进的“动态规划”技术确定重叠区域的边界；

步骤3、使用ORB特征提取算法分别提取两幅图像重叠区域中的特征点；

步骤4、通过BF简单拼配算法进行简单匹配；

步骤5、通过改进的GMS快速鲁棒特征匹配算法过滤算法筛选内点；

步骤6、通过极限约束检测图中的特征点并且进行匹配；

步骤7、通过改进的最佳拼接线算法实现图像融合。

2.根据权利要求1所述的改进的GMS特征匹配图像拼接方法，其特征在于，所述步骤1具体包括以下步骤，且以下步骤顺次进行：

步骤1-1、引入椒盐噪声标记函数F_ij：

其中，x_ij表示图像X中位于坐标为(i，j)的像素，F_ij＝1表示为椒盐噪声，F_ij＝0表示为非椒盐噪声；

步骤1-2、对于图像X中的椒盐像素定义一个以该像素为中心的滤波窗口，窗口为：

步骤1-3、遍历图像的像素，直至滤波窗口中心与图中某个像素位置完全一致；

步骤1-4、将滤波窗口中每个对应位置像素点的灰度值提取出来；

步骤1-5、对提取的灰度值按照从小到大的顺序进行排序；

步骤1-6、找出灰度值中的中值，并将其值代替对应模板中间像素的灰度值。

3.根据权利要求1所述的改进的GMS特征匹配图像拼接方法，其特征在于，所述步骤2中“动态规划”技术使用Scharr算子计算图像重叠区域的结构差异确定重叠区域的边界。

4.根据权利要求1所述的改进的GMS特征匹配图像拼接方法，其特征在于，所述步骤3具体包括以下步骤，且以下步骤顺次进行：

步骤3-1、构建尺度空间，使用高斯核函数对原图像I(x,y)滤波和降采样，得到高斯尺度空间，构建的高斯尺度空间公式：

L(x，y，σ，ρ)＝ρ·I(x，y)·G(x，y，σ)

式中，I(x,y)为灰度图像；σ为尺度因子；ρ为缩放因子，G(x,y,σ)为高斯核函数；

步骤3-2、使用加速分割测试算法快速提取特征点，再计算特征点的Harris响应值并且给这些值排序，使用非极大值抑制算法筛选特征点；

步骤3-3、采用BRIEF算法来计算一个特征点的描述子。

5.根据权利要求1所述的改进的GMS特征匹配图像拼接方法，其特征在于，所述步骤5具体包括以下步骤，且以下步骤顺次进行：

步骤5-1、引入匹配二项式公式：

式中，n表示匹配点对的数量，K表示与特征点匹配对所在网格区域相邻不相交的网格数目，P_t表示正确匹配率，P_f表示错误匹配率；T表示X_i属于正确匹配点，F表示X_i属于错误匹配点；

步骤5-2、通过设定阈值τ，借助S_i的均值和方差区分正确和错误匹配点；

步骤5-3、保留待配准网格中邻域特征点支持量大于τ_i，反之剔除。

6.根据权利要求1所述的改进的GMS特征匹配图像拼接方法，其特征在于，所述步骤6具体包括以下步骤，且以下步骤顺次进行：

步骤6-1、引入约束方程：

式中，p₁和p₀为物点p在摄像机成像上的两个投影，p₀的坐标为(x₁,y₁,1)^T，p₁的坐标为(x₂,y₂,1)^T；

步骤6-2、计算参数F，将相关数据代入就可以求出对应点的外极限方程，再判断匹配点是否满足如果满足则保留匹配点对，反之舍弃。

7.根据权利要求1所述的改进的GMS特征匹配图像拼接方法，其特征在于，所述步骤7具体包括以下步骤，且以下步骤顺次进行：

步骤7-1、获取两幅图像重叠部分；

步骤7-2、计算重叠区域图像的亮度差异；

步骤7-3、使用Scharr算子计算重叠区域图像的结构差异。