[发明专利]一种基于多粒度处理融合的图像对齐方法、设备及介质

权利要求书

1.一种基于多粒度处理融合的图像对齐方法，其特征在于，所述方法包括：

识别并获取两张待拼接图像中对应的若干对第一特征点，并根据所述若干对第一特征点，确定所述两张待拼接图像对应的粗粒度单应性变换矩阵；

利用所述粗粒度单应性变换矩阵，对目标图像进行图像变换，以获得所述目标图像对应的变换图像；其中，所述目标图像为所述两张待拼接图像中的一张待拼接图像；

确定源图像与所述变换图像中的图像重合区域，并确定第一图像重合区域与第二图像重合区域中对应的若干对第二特征点；其中，所述源图像为所述两张待拼接图像中的另一张待拼接图像，所述第一图像重合区域为所述源图像中对应的图像重合区域，所述第二图像重合区域为所述变换图像中对应的图像重合区域；

基于所述若干对第二特征点，确定所述源图像与所述变换图像对应的细粒度单应性变换矩阵；

基于所述粗粒度单应性变换矩阵与所述细粒度单应性变换矩阵，确定融合单应性变换矩阵，并基于所述融合单应性变换矩阵对所述目标图像进行图像变换，以获得所述源图像对应的对齐图像。

2.根据权利要求1所述的一种基于多粒度处理融合的图像对齐方法，其特征在于，根据所述若干对第一特征点，确定所述两张待拼接图像对应的粗粒度单应性变换矩阵，具体包括：

分别构建所述两张待拼接图像对应的像素坐标系，并基于所述像素坐标系确定所述若干对第一特征点对应的像素坐标；

基于所述若干对第一特征点对应的像素坐标，通过预设的单应性变换矩阵计算模型，确定所述两张待拼接图像对应的粗粒度单应性变换矩阵。

3.根据权利要求2所述一种基于多粒度处理融合的图像对齐方法，其特征在于，粗粒度单应性变换矩阵计算模型，由以下公式表示：

其中，X_d1…X_dn表示源图像中的n个第一特征点的像素横坐标，Y_d1…Y_dn表示源图像中的n个第一特征点的像素纵坐标，a…h表示粗粒度单应性变换矩阵中的八个参数值，X_s1…X_sn表示目标图像中的n个第一特征点的像素横坐标，Y_s1…Y_sn表示目标图像中的n个第一特征点的像素纵坐标。

4.根据权利要求1所述的一种基于多粒度处理融合的图像对齐方法，其特征在于，确定第一图像重合区域与第二图像重合区域中对应的若干对第二特征点，具体包括：

基于预设的区域划分规则，将所述第一图像重合区域与所述第二图像重合区域分别进行区域划分；

对各区域进行特征点检测与匹配，以确定确定第一图像重合区域与第二图像重合区域中对应的若干对第二特征点。

5.根据权利要求1所述的一种基于多粒度处理融合的图像对齐方法，其特征在于，基于所述若干对第二特征点，确定所述源图像与所述变换图像对应的细粒度单应性变换矩阵，具体包括：

确定所述若干对第二特征点对应的像素坐标；

基于所述若干对第二特征点对应的像素坐标，通过预设的单应性变换矩阵计算模型，确定所述两张待拼接图像对应的粗粒度单应性变换矩阵。

6.根据权利要求3所述的一种基于多粒度处理融合的图像对齐方法，其特征在于，融合单应性变换矩阵由以下公式计算得出：

其中，a1…h1表示经细粒度单应性变换矩阵中的八个参数值，a2…h2表示融合单应性变换矩阵中的八个参数值。

7.根据权利要求1所述的一种基于多粒度处理融合的图像对齐方法，其特征在于，在识别并获取两张待拼接图像中对应的若干对第一特征点之前，所述方法还包括：

在数据中心机柜上设置若干个特征标识；其中，所述特征标识用于确定第一特征点；以及，

根据预设的若干组待拼接图像样本，对识别神经网络进行训练，以获得收敛的第一特征点识别模型。