[发明专利]一种改进的GMS特征匹配图像拼接方法

说明书

本发明一种改进的GMS特征匹配图像拼接方法，属于图像处理技术领域；主要包括图像预处理、图像配准和图像融合三个阶段。具体步骤为：使用中值滤波算法去除输入的两张图片中的椒盐噪声；使用“动态规划”技术确定重叠区域的边界；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；通过BF简单拼配算法进行简单匹配；通过改进的GMS快速鲁棒特征匹配过滤算法筛选内点；通过极限约束检测图中的特征点并且进行匹配；通过改进的最佳拼接线算法实现图像融合。本发明在保证图像拼接的准确性和稳定性基础上，提升了拼接的速度和有效的去除重影，是一种良好有效的图像拼接方法。

技术领域

本发明属于数图像处理领域，尤其涉及一种改进的GMS特征匹配图像拼接方法。

背景技术

传统的相机难以获得广视角和高分辨率的图像，通过图像拼接这项技术可以消除这一弊端。如今，这项技术广泛应用于医学图像、军事和图像遥感等领域，为人们的生活带来了便利。图像拼接主要分为图像采集、图像预处理、图像配准和图像融合这四个步骤。在图像配准的过程中，如果匹配正确的点比较少，这将会使拼接出来的图像出现鬼影。

目前，常用的图片拼接方法一般采用SIFT(Scale-Invariant FeatureTransform)算法、SURF(Speeded Up Robust Features)算法或者ORB(Oriented FAST(Features from Accelerated Segment Test)and Rotated BRIEF(Binary RobustIndependent Elementary Features))算法提取特征点，然后通过RANSAC(RANdom SAmpleConsensus)算法对提取的特征点进行筛选并且完成精匹配，最后使用渐入渐出法进行图像融合。

虽然SIFT算法有较好的鲁棒性，但是计算量比较大，导致计算时间比较长。在SIFT的基础上，SURF算法的计算时间得到了提高，但是在拼接大视差图片时，该算法的鲁棒性较差。ORB算法的鲁棒性更好并且计算速度更快，但是在处理密集重复结构的图像的时候，鲁棒性会降低，所以需要对ORB算法进行改进。因此在保证图像拼接的准确性和稳定性基础上，提升拼接速度和有效的去除重影是图像拼接领域主要的研究方向之一。

发明内容

本发明目的在于提供一种改进的GMS特征匹配图像拼接方法，以解决上述背景技术中提到的技术问题。

为实现上述目的，本发明的一种改进的GMS特征匹配图像拼接方法的具体技术方案如下：

一种改进的GMS特征匹配图像拼接方法，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。

进一步，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；