[发明专利]一种面向大视差场景的图像配准方法

说明书

本发明公开了一种面向大视差场景的图像配准方法，涉及视频图像全景拼接领域。本发明首先根据仿射变换定义推导求取仿射变换参数精确解的条件和参数解的表达式；然后利用随机抽样方法获取同一关键点处的20组仿射变换参数精确解，通过加权平均计算得到既满足精确解条件，又符合局部最优化的要求的仿射变换参数；最后，再次利用随机抽样方法计算非关键点处的放射变换矩阵。本发明能精准的计算每个关键点处的仿射变换参数，同时又能使图像中每个点处的仿射变换参数在线性空间中连续，同时本发明可以很好的满足GPU并行计算要求，在GPU上达到10FPS的高实时性。

技术领域

本发明涉及视频图像全景拼接技术领域，特别是指一种面向大视差场景的图像配准方法。

背景技术

传统视频及图像拼接流程包括：输入两帧图像并分别提取其关键点、进行关键点匹配、通过RANSAC算法进行关键点提纯、计算投影变换参数、图像融合等流程。以上流程中计算得到的投影变换算子是一个3×3的矩阵，它是全局投影变换的最小二乘解。当两帧图像之间存在较大视差时，全局投影变换算子往往表现不好，难以很好的融合两幅图像。

为了克服视差问题，提高视频图像的拼接质量，近年来领域学者提出了一种网格化局部配准技术(As-Projective As-Possible，简称APAP)。它首先将关键的点空间划分成100×100的网格，然后利用加权奇异值分解技术分别求得每个小网格的投影变换算子。网格化局部配准技术在解决视差问题上取得了显著的突破，近几年在此基础上衍生出了AANAP、GSP等一系列网格配准优化算法。网格化局部配准是视频图像拼接领域的一大进步，但现有网格化局部配准算法存在计算复杂度高的问题。

网格化局部配准首先将待配准图像划分成n×n的网格，计算关键点到每个网格中心的欧氏距离作为权值来估计每个关键点参与计算的权值；然后通过加权奇异值分解求超定方程组的最小二乘解。基于APAP的网格投影方法存在以下问题：

(1)复杂度很高，实时性较低，难以满足实时视频拼接的需求；

(2)当网格附近关键点过于稀疏时，会导致局部发生较大的畸变。

发明内容

本发明的目的在于避免上述背景方法中的不足之处而提供一种面向大视差场景的图像配准方法。本发明具有计算复杂度低、精度高、鲁棒性强的特点，尤其适合在GPU上进行并行处理。

为了实现上述目的，本发明所采用的技术方案是：

一种面向大视差场景的图像配准方法，包括以下步骤：

(1)输入待配准的两帧图像，记为I_L和I_R，分别提取其SURF关键点，并将关键点集合记为K_L{p}和K_R{p}；

(2)利用暴力匹配算法计算K_L{p}与K_R{q}集合中的关键点匹配对，并将匹配结果记为DM{p,q,dl|p_∈K_L,q_∈K_R}，其中dl表示关键点对{p,q}之间的特征距离；

(3)对DM进行均匀稀疏化，并分区滤除不好的匹配对，均匀稀疏化后的匹配结果记为DM_P；

(4)计算关键点的仿射变换参数，记关键点的仿射变换参数矩阵为{M(p)|p∈DM_P}；

(5)计算非关键点的仿射变换参数，记非关键点的仿射变换参数矩阵为

(6)将图像I_L投影到I_R坐标系下，记配准结果为I_L',则有