專利名稱：：基于邊緣分類信息的圖像拼接方法
技術(shù)領(lǐng)域：
：本發(fā)明涉及一種圖像拼接方法，特別是涉及一種基于邊緣分類信息和高效拼接痕跡消除的圖像拼接方法。
背景技術(shù)：
：圖像拼接是計(jì)算機(jī)視覺(jué)的一個(gè)重要分支，其主要是將兩幅以上有重疊區(qū)域的圖像進(jìn)行無(wú)縫拼接得到一幅較高分辨率或者寬視角的圖像。主要應(yīng)用如衛(wèi)星遙感、海底勘探、地表植被測(cè)繪、無(wú)人機(jī)監(jiān)視和搜索、機(jī)器人視覺(jué)、視頻監(jiān)控、醫(yī)學(xué)探查、電子穩(wěn)像、和虛擬現(xiàn)實(shí)等。圖像拼接技術(shù)主要涉及圖像配準(zhǔn)和圖像融合兩項(xiàng)關(guān)鍵技術(shù)。圖像配準(zhǔn)主要有基于灰度相關(guān)法、基于相位相關(guān)法、基于變換模型法、基于特征相關(guān)法等；圖像融合主要有中值濾波法、加權(quán)平均法、多分辨率分析法等?；谔卣鞯膱D像配準(zhǔn)法[1]和多分辨率分析法[2]分別為圖像配準(zhǔn)技術(shù)和拼接痕跡消除技術(shù)的效果最好的方法，所以，目前最流行的圖像拼接方法就是這兩種方法的結(jié)合。基于特征的方法健壯性和魯棒性都很強(qiáng)，如當(dāng)前最流行的SIFT特征[3]提取算法，其對(duì)旋轉(zhuǎn)、尺度縮放、亮度變化保持不變性，對(duì)視角變化、仿射變換、噪聲也保持一定程度的穩(wěn)定性，但是SIFT算法計(jì)算量極大，且計(jì)算很復(fù)雜。多分辨分析融合技術(shù)的引入使圖像拼接痕跡消除的效果大大改善，其既可以平滑過(guò)渡不同圖像間的差異，又可以避免傳統(tǒng)方法平滑后"鬼影"的出現(xiàn)。但是目前幾種多分辨分析融合方法(金字塔多分辨法、小波分析等)在圖像拼接痕跡消除中的應(yīng)用都未能很好的解決實(shí)時(shí)性問(wèn)題?！悴捎眠@兩種方法進(jìn)行圖像拼接的過(guò)程為首先在待拼接圖像的整個(gè)圖像空間中搜索圖像特征，提取出各個(gè)待拼接圖像的特征向量；然后進(jìn)行特征匹配，計(jì)算出圖像間的矯正參數(shù)，根據(jù)矯正參數(shù)將圖像拼接到一起；最后利用多分辨率圖像融合技術(shù)將圖像處理成"無(wú)縫"圖像。由于特征提取和多分辨率分析融合計(jì)算都很耗時(shí)，導(dǎo)致整個(gè)拼接過(guò)程很慢，實(shí)時(shí)性太差，很難在實(shí)際中應(yīng)用。因此，如何提高圖像拼接的實(shí)時(shí)性，使其能在實(shí)際中應(yīng)用，就變的非常關(guān)鍵。本發(fā)明將為解決上述問(wèn)題提供一種有效的方法。本發(fā)明所涉及的參考文獻(xiàn)包括[1]李云霞，曾毅，鐘瑞艷，郭濤.基于SIFT特征匹配的圖像拼接算法[J].計(jì)算機(jī)技術(shù)與發(fā)展，2009，19(1):43-52.[2]LiJ皿li，SUNJiabing，廳Xi.MultiresolutionFusionofRemoteSensingImagesBasedonResolutionDegradationModel[J].GE0-SPATIALINF0薩TI0NSCIEN，8(1):50-56,2005.[3]Heritier.M，Gagnon丄，F(xiàn)oucher.S，PlacesClusteringofFull-LengthFilmKey-FramesUsingLatentAspectModelingOverSIFTMatches[J].CircuitsandSystemsSociety,6(19):832-841,2009。
發(fā)明內(nèi)容本發(fā)明的目的在于提供一種拼接速度快，能有效消除拼接痕跡的基于邊緣分類信息的圖像拼接方法。本發(fā)明包括如下步驟1.首先提取圖像的邊緣類；2.在已經(jīng)獲取的圖像邊緣類中提取圖像SIFT特征；3.利用K-D樹(shù)搜索近似最近鄰的方法對(duì)兩幅有重疊圖中的對(duì)應(yīng)SIFT特征點(diǎn)進(jìn)行匹配；獲取匹配的特征后，使用RANSAC算法去除錯(cuò)誤的特征點(diǎn)對(duì)；利用正確的特征點(diǎn)對(duì)計(jì)算圖像間的矯正參數(shù)，以兩幅待拼接圖像中的一幅為參考，對(duì)另一幅圖像進(jìn)行矯正，將兩幅圖像拼接在一起；4.利用以下公式找到兩幅圖像的兩個(gè)公共邊界點(diǎn)P、Q，得到P、Q兩點(diǎn)后，以過(guò)PQ的直線作為圖像拼接的縫合線；<formula>formulaseeoriginaldocumentpage5</formula>式中，F(xiàn)ij代表兩幅圖像幅圖像A，B經(jīng)過(guò)配準(zhǔn)后，拼接合成一幅圖像對(duì)應(yīng)的像素點(diǎn)，Y代表公共邊界點(diǎn)集合，E代表非公共邊界點(diǎn)集合，;.代表在圖像A中對(duì)應(yīng)的有效像素點(diǎn)，^;.代表Fij在圖像B中對(duì)應(yīng)的有效像素點(diǎn)，(K代表圖像A的邊界點(diǎn)集合，s代表圖像B的邊界點(diǎn)集合；5.利用小波變換將待拼接圖像轉(zhuǎn)換成多個(gè)帶通信號(hào)，根據(jù)縫合線的位置，在各個(gè)帶通空間中選擇合適的過(guò)渡區(qū)，使用下式進(jìn)行過(guò)渡區(qū)選擇T=2k+l式中，T為固定當(dāng)前縱坐標(biāo)，橫坐標(biāo)是以縫合線上的點(diǎn)為中心的過(guò)渡區(qū)長(zhǎng)度，kG為當(dāng)前帶通圖像空間索引值；6.在各個(gè)空間中利用下式進(jìn)行變換系數(shù)融合<formula>formulaseeoriginaldocumentpage5</formula>式中^"為1層的融合后小波系數(shù)，_/^數(shù)，《=會(huì)+<formula>formulaseeoriginaldocumentpage5</formula>//分別為圖像A、B的1層小波變換系分別為1層小波變換的左側(cè)、右側(cè)融合函數(shù)，|JC..—xl為當(dāng)前點(diǎn)x方向距縫合線的距離、y為當(dāng)前層的縫合線上點(diǎn)的x坐標(biāo)，T，T/分別為1層過(guò)渡區(qū)位于縫合線左側(cè)和右側(cè)的x坐標(biāo)集合；7.最后經(jīng)過(guò)經(jīng)過(guò)小波逆變換，得到一個(gè)"無(wú)縫"的拼接圖像。本發(fā)明還可以包括1.所述提取圖像的邊緣類的方法為A)將mXn圖像分割成MXM(MG[4，16])大小的圖像子塊，利用下式計(jì)算各個(gè)圖像子塊的幾何不變矩<formula>formulaseeoriginaldocumentpage6</formula>式中，1G(0，m/M)和kG(0，n/M)為圖像子塊的索引值，<formula>formulaseeoriginaldocumentpage6</formula>，upq為圖像的中心矩，定義為<formula>formulaseeoriginaldocumentpage6</formula>式中<formula>formulaseeoriginaldocumentpage6</formula>和<formula>formulaseeoriginaldocumentpage6</formula>為圖像矩心的模擬坐標(biāo)位置，g(i，j)為像素灰度值，p+q為附OO,0矩的階數(shù)，iV為圖像的幾何矩，定義為<formula>formulaseeoriginaldocumentpage6</formula>B)得到各圖像子塊的幾何不變矩后，利用下式計(jì)算其梯度<formula>formulaseeoriginaldocumentpage6</formula>然后利用門(mén)限，將大于門(mén)限的梯度值對(duì)應(yīng)的圖像子塊作為圖像邊緣類；C)門(mén)限的選取規(guī)則為<formula>formulaseeoriginaldocumentpage6</formula>2.所述在已經(jīng)獲取的圖像邊緣類中提取圖像SIFT特征的方法為A)建立0組，每組S+2幅平滑圖像的DOG圖像金字塔，同時(shí)利用圖像的邊緣類信息建立0組，每組1幅除邊緣類區(qū)域像素保留外，其余區(qū)域均置零的參考圖像金字塔，其中0的計(jì)算方法如下<formula>formulaseeoriginaldocumentpage6</formula>式中m，n為原圖像的寬和高，min(m，n)為取最小值，int()為取整運(yùn)算；B)在搜索極值點(diǎn)時(shí)，首先判斷參考圖像金字塔當(dāng)前組的當(dāng)前像素是否為零，如果為零則繼續(xù)搜索其他點(diǎn)，如果不為零，則進(jìn)行同尺度相鄰層的相鄰點(diǎn)比較，如此循環(huán)到整個(gè)DOG圖像金字塔搜索完畢，得到邊緣類里的極值點(diǎn)，稱之為關(guān)鍵點(diǎn)；C)利用門(mén)限去除低對(duì)比度和不穩(wěn)定邊緣響應(yīng)關(guān)鍵點(diǎn)，并對(duì)像素利用三維二次函數(shù)進(jìn)行插值；D)統(tǒng)計(jì)關(guān)鍵點(diǎn)鄰域的梯度直方圖，以直方圖峰值方向作為該關(guān)鍵點(diǎn)的主方向；E)以關(guān)鍵點(diǎn)為中心取16X16的窗口，劃分為16個(gè)4X4的子區(qū)域作為種子點(diǎn)，每個(gè)種子點(diǎn)對(duì)應(yīng)一個(gè)4X4像素的區(qū)域，在該區(qū)域內(nèi)分別計(jì)算8個(gè)方向的梯度累加值，沿各梯度方向繪制方向直方圖，最終由16個(gè)種子點(diǎn)得到一個(gè)128維的特征描述子，即每個(gè)種子點(diǎn)用8個(gè)方向直方圖表達(dá)。本發(fā)明的實(shí)質(zhì)是在經(jīng)典的圖像拼接過(guò)程中，添加了提取圖像邊緣類步驟，從而使提取圖像SIFT特征步驟的計(jì)算時(shí)間大大減少，達(dá)到提高整個(gè)拼接過(guò)程實(shí)時(shí)性的目的，同時(shí)提出一個(gè)快速搜索縫合線的方法，結(jié)合小波多分辨率分析技術(shù)，可以高效的完成拼接痕跡的消除。本發(fā)明的有意效果在于1.利用圖像幾何不變矩來(lái)提取圖像的邊緣分類信息，使圖像的SIFT特征提取在圖像的邊緣類中進(jìn)行。由于圖像的特征信息一般都集中在圖像的邊緣信息中，所以在非邊緣區(qū)域中進(jìn)行的特征搜索的實(shí)際意義有限，這不但會(huì)導(dǎo)致運(yùn)算復(fù)雜度提高，也會(huì)導(dǎo)致運(yùn)算處理的時(shí)間更為冗長(zhǎng)。本發(fā)明首先利用圖像幾何不變矩提取圖像的邊緣信息，然后在邊緣區(qū)域中來(lái)提取其圖像特征，可以使經(jīng)典SIFT特征提取的時(shí)間減少20X-50%。2.提出了一種方便有效的縫合線搜索方法，能加快消除圖像拼接痕跡的運(yùn)算處理過(guò)程。每?jī)煞鶊D像經(jīng)過(guò)矯正后都一定會(huì)有兩個(gè)公共邊界交點(diǎn)，找到這兩個(gè)點(diǎn)后，將連接此兩點(diǎn)的直線作為縫合線，這樣既不會(huì)對(duì)融合效果產(chǎn)生影響，又可以快速地找到縫合線，節(jié)省大量時(shí)間。本發(fā)明采取小波多分辨率分析融合方法，結(jié)合縫合線搜索、過(guò)渡區(qū)選擇，不但效果比經(jīng)典的拉普拉斯金字塔方法好，而且使處理速度提高25%-40%。因此，本發(fā)明有提高經(jīng)典圖像拼接方法的實(shí)時(shí)性和一定程度上改善圖像拼接質(zhì)量的效果。圖1同尺度相鄰層地6點(diǎn)；圖2矯正后拼接到一起的圖像示意圖；圖3原圖像和拼接后的圖像實(shí)例。具體實(shí)施例方式下面結(jié)合附圖舉例對(duì)本發(fā)明做更詳細(xì)地描述1.首先提取圖像的邊緣類，分以下兩步來(lái)進(jìn)行A)將mXn圖像分割成MXM(MG[4，16])大小的圖像子塊，利用下式計(jì)算各個(gè)圖像子塊的幾何不變矩(j^(1，k)=n20+n02(1)式中，1G(0，m/M)和kG(0，n/M)為圖像子塊的索引值，=了，7=^^+1，upq為圖像的中心矩，定義為"w=SZ(Z.—Z:)P(乂—義)g("力(2)y=l,=1式中4=;^和人二；^為圖像矩心的模擬坐標(biāo)位置，g(i，j)為像素灰度值，p+q為矩的階數(shù)，iV為圖像的幾何矩，定義為=ZZ''o.w,y)(3)乂=1,=iB)得到各圖像子塊的幾何不變矩后，利用式(4)計(jì)算其梯度7G[(j^(1，k)]=I(j^(1，k)-(j^(l+l，k)|+|(j^(1，k)-(j^(1，k+1)I(4)然后利用門(mén)限，將大于門(mén)限的梯度值對(duì)應(yīng)的圖像子塊作為圖像邊緣類。C)門(mén)限的選取規(guī)則為T(mén)=0.15(j^(1，k)(5)2.在已經(jīng)獲取的圖像邊緣類中提取圖像SIFT特征，分為以下四個(gè)步驟進(jìn)行A)建立0組，每組S+2幅平滑圖像的DOG(DifferenceofGaussian)圖像金字塔。同時(shí)利用圖像的邊緣類信息建立O組，每組1幅除邊緣類區(qū)域像素保留外，其余區(qū)域均置零的參考圖像金字塔。其中O的計(jì)算方法如下o=int(log『in(w'"))—2(6)式中m，n為原圖像的寬和高，min(m，n)為取最小值，int()為取整運(yùn)算。B)在搜索極值點(diǎn)時(shí)，首先判斷參考圖像金字塔當(dāng)前組的當(dāng)前像素是否為零，如果為零則繼續(xù)搜索其他點(diǎn)，如果不為零，則進(jìn)行如圖1所示的26個(gè)相鄰點(diǎn)比較，如此循環(huán)到整個(gè)DOG圖像金字塔搜索完畢，得到邊緣類里的極值點(diǎn)，我們稱之為關(guān)鍵點(diǎn)。C)利用門(mén)限去除低對(duì)比度和不穩(wěn)定邊緣響應(yīng)關(guān)鍵點(diǎn)，并對(duì)像素利用三維二次函數(shù)進(jìn)行插值以便精確定位關(guān)鍵點(diǎn)。D)統(tǒng)計(jì)關(guān)鍵點(diǎn)鄰域的梯度直方圖，以直方圖峰值方向作為該關(guān)鍵點(diǎn)的主方向。E)以關(guān)鍵點(diǎn)為中心取16X16的窗口，劃分為16個(gè)4X4的子區(qū)域作為種子點(diǎn)，每個(gè)種子點(diǎn)對(duì)應(yīng)一個(gè)4X4像素的區(qū)域，在該區(qū)域內(nèi)分別計(jì)算8個(gè)方向的梯度累加值，沿各梯度方向繪制方向直方圖，最終由16個(gè)種子點(diǎn)得到一個(gè)128維的特征描述子，即每個(gè)種子點(diǎn)用8個(gè)方向直方圖表達(dá)。3.利用K-D樹(shù)搜索近似最近鄰的方法對(duì)兩幅有重疊圖中的對(duì)應(yīng)SIFT特征點(diǎn)進(jìn)行匹配。獲取匹配的特征后，使用RANSAC(RandomSampleConsensus)算法去除錯(cuò)誤的特征點(diǎn)對(duì)。利用正確的特征點(diǎn)對(duì)計(jì)算圖像間的矯正參數(shù)，以兩幅待拼接圖像中的一幅為參考，對(duì)另一幅圖像進(jìn)行矯正，從而可以將兩幅圖像拼接在一起。4.利用以下公式找到圖1所示的P，Q兩個(gè)公共邊界點(diǎn)卞，V丄G^且Vl(乂U(7)￡，其他式中，代表2幅圖像A，B經(jīng)過(guò)配準(zhǔn)后，拼接合成一幅圖像對(duì)應(yīng)的像素點(diǎn)，Y代表公共邊界點(diǎn)集合，E代表非公共邊界點(diǎn)集合，J〃代表Fij在圖像A中對(duì)應(yīng)的有效像素點(diǎn)，^;.代表Fij在圖像B中對(duì)應(yīng)的有效像素點(diǎn)，(K代表圖像A的邊界點(diǎn)集合，、代表圖像B的邊界點(diǎn)集合。得到PQ兩點(diǎn)后，以過(guò)PQ的直線作為圖像拼接的縫合線。5.利用小波變換將待拼接圖像轉(zhuǎn)換成多個(gè)帶通信號(hào)，我們根據(jù)縫合線的位置，在各個(gè)帶通空間中選擇合適的過(guò)渡區(qū)，我們使用下式進(jìn)行過(guò)渡區(qū)選擇T=2k+l(8)式中，T為固定當(dāng)前縱坐標(biāo)，橫坐標(biāo)是以縫合線上的點(diǎn)為中心的過(guò)渡區(qū)長(zhǎng)度，8kG[O，n]為當(dāng)前帶通圖像空間索引值。6.在各個(gè)空間中利用下式進(jìn)行變換系數(shù)融合<formula>formulaseeoriginaldocumentpage9</formula><formula>formulaseeoriginaldocumentpage9</formula>式中^"為1層的融合后小波系數(shù)，^:4y;f'分別為圖像a、b的i層小波變換系分別為i層小波變換的左側(cè)、右側(cè)融合<formula>formulaseeoriginaldocumentpage9</formula>函數(shù)，lx.—^為當(dāng)前點(diǎn)x方向距縫合線的距離(為當(dāng)前層的縫合線上點(diǎn)的x坐標(biāo))，T，分別為1層過(guò)渡區(qū)位于縫合線左側(cè)和右側(cè)的x坐標(biāo)集合。7.最后經(jīng)過(guò)經(jīng)過(guò)小波逆變換，得到一個(gè)"無(wú)縫"的拼接圖像。下面以二幅具有重疊區(qū)域分辨率為288X384的彩色圖像為例進(jìn)一步詳細(xì)說(shuō)明本發(fā)明的圖像拼接方法。1.提取圖邊緣類A)將每幅圖像分割成8X8的圖像子塊，得到1728個(gè)圖像子塊((288X384)/(8X8)=1728)。對(duì)每個(gè)像素，利用下式計(jì)算其亮度信息g(i，j)=0.3R(i，j)+0.59G(i，j)+0.11B(i，j)(10)得到像素的亮度信息后，利用式(1)進(jìn)行計(jì)算各子塊的幾何不變矩，共得到1728個(gè)矩值。B)得到每個(gè)圖像子塊的幾何不變矩后，我們將1728個(gè)圖像子塊看做1728個(gè)像素，其幾何不變矩值看做像素的亮度值，然后計(jì)算其梯度信息，即利用式(2)計(jì)算其梯度。C)使用局部可變門(mén)限(式(5))過(guò)濾各梯度值，把大于門(mén)限T的圖像子塊集合作為圖像邊緣類。2.在圖像邊緣類中提取SIFT特征。A)根據(jù)式(6)我們得到0為6，因此，建立6組圖像金字塔，即每組有5幅(SIFT提出者推薦)高斯平滑圖像的金字塔，以及6組每組有1幅邊緣圖像的參考圖像金字塔。B)在邊緣類中搜索關(guān)鍵點(diǎn)。C)利用門(mén)限0.04(經(jīng)驗(yàn)值)去除低對(duì)比度關(guān)鍵點(diǎn)，利用門(mén)限10(SIFT提出者推薦)去除不穩(wěn)定邊緣響應(yīng)點(diǎn)，并對(duì)剩下各關(guān)鍵點(diǎn)進(jìn)行三維二次函數(shù)插值以精確定位各關(guān)鍵點(diǎn)。D)統(tǒng)計(jì)各關(guān)鍵點(diǎn)鄰域的梯度直方圖，為其分配方向。E)按照前面提到的方法，為每個(gè)關(guān)鍵點(diǎn)建立特征描述子，得到全部特征點(diǎn)。3.利用K-D數(shù)搜索和RANSAC對(duì)兩幅圖的特征點(diǎn)進(jìn)行匹配和除錯(cuò)后，利用正確的匹配特征點(diǎn)對(duì)計(jì)算兩幅圖象之間的矯正參數(shù)，然后將兩幅圖像拼接到一起。4.利用式(7)找到拼接后兩幅圖像的2個(gè)公共邊界點(diǎn)，過(guò)該2點(diǎn)貫穿整幅圖像的直線作為縫合線。5.對(duì)兩幅矯正后的圖像進(jìn)行3層Haar小波變換，得到帶通圖像，則根據(jù)式(8)，我們得到各層的過(guò)渡區(qū)長(zhǎng)度依次為3、5、9。6.將式(9)中的l分別取l，2，3，x取過(guò)渡區(qū)像素的橫坐標(biāo)，計(jì)算出全部小波系數(shù)。7.將上步得到的小波系數(shù)進(jìn)行Haar小波逆變換，便可得到"無(wú)縫"的拼接圖像。權(quán)利要求一種基于邊緣分類信息的圖像拼接方法，其特征是包括如下步驟(1)首先提取圖像的邊緣類；(2)在已經(jīng)獲取的圖像邊緣類中提取圖像SIFT特征；(3)利用K-D樹(shù)搜索近似最近鄰的方法對(duì)兩幅有重疊圖中的對(duì)應(yīng)SIFT特征點(diǎn)進(jìn)行匹配；獲取匹配的特征后，使用RANSAC算法去除錯(cuò)誤的特征點(diǎn)對(duì)；利用正確的特征點(diǎn)對(duì)計(jì)算圖像間的矯正參數(shù)，以兩幅待拼接圖像中的一幅為參考，對(duì)另一幅圖像進(jìn)行矯正，將兩幅圖像拼接在一起；(4)利用以下公式找到兩幅圖像的兩個(gè)公共邊界點(diǎn)P、Q，得到P、Q兩點(diǎn)后，以過(guò)PQ的直線作為圖像拼接的縫合線；式中，F(xiàn)ij代表兩幅圖像幅圖像A，B經(jīng)過(guò)配準(zhǔn)后，拼接合成一幅圖像對(duì)應(yīng)的像素點(diǎn)，Y代表公共邊界點(diǎn)集合，E代表非公共邊界點(diǎn)集合，代表Fij在圖像A中對(duì)應(yīng)的有效像素點(diǎn)，代表Fij在圖像B中對(duì)應(yīng)的有效像素點(diǎn)，φA代表圖像A的邊界點(diǎn)集合，φB代表圖像B的邊界點(diǎn)集合；(5)利用小波變換將待拼接圖像轉(zhuǎn)換成多個(gè)帶通信號(hào)，根據(jù)縫合線的位置，在各個(gè)帶通空間中選擇合適的過(guò)渡區(qū)，使用下式進(jìn)行過(guò)渡區(qū)選擇T＝2k+1式中，T為固定當(dāng)前縱坐標(biāo)，橫坐標(biāo)是以縫合線上的點(diǎn)為中心的過(guò)渡區(qū)長(zhǎng)度，k∈為當(dāng)前帶通圖像空間索引值；(6)在各個(gè)空間中利用下式進(jìn)行變換系數(shù)融合<mrow><msubsup><mi>f</mi><mi>ij</mi><msup><mi>F</mi><mi>l</mi></msup></msubsup><mo>=</mo><mfencedopen='{'close=''><mtable><mtr><mtd><msubsup><mi>f</mi><mi>ij</mi><msup><mi>A</mi><mi>l</mi></msup></msubsup><msubsup><mi>H</mi><mi>L</mi><mi>l</mi></msubsup><mo>+</mo><msubsup><mi>f</mi><mi>ij</mi><msup><mi>B</mi><mi>l</mi></msup></msubsup><msubsup><mi>H</mi><mi>R</mi><mi>l</mi></msubsup><mo>,</mo></mtd><mtd><mi>i</mi><mo>∈</mo><msubsup><mi>T</mi><mi>L</mi><mi>l</mi></msubsup></mtd></mtr><mtr><mtd><msubsup><mi>f</mi><mi>ij</mi><msup><mi>B</mi><mi>l</mi></msup></msubsup><msubsup><mi>H</mi><mi>L</mi><mi>l</mi></msubsup><mo>+</mo><msubsup><mi>f</mi><mi>ij</mi><msup><mi>A</mi><mi>l</mi></msup></msubsup><msubsup><mi>H</mi><mi>R</mi><mi>l</mi></msubsup><mo>,</mo></mtd><mtd><mi>i</mi><mo>∈</mo><msubsup><mi>T</mi><mi>R</mi><mi>l</mi></msubsup></mtd></mtr></mtable></mfenced></mrow>式中為l層的融合后小波系數(shù)，分別為圖像A、B的l層小波變換系數(shù)，分別為l層小波變換的左側(cè)、右側(cè)融合函數(shù)，為當(dāng)前點(diǎn)x方向距縫合線的距離、為當(dāng)前層的縫合線上點(diǎn)的x坐標(biāo)，TLl，TRl分別為l層過(guò)渡區(qū)位于縫合線左側(cè)和右側(cè)的x坐標(biāo)集合；(7)最后經(jīng)過(guò)經(jīng)過(guò)小波逆變換，得到一個(gè)“無(wú)縫”的拼接圖像。FSA00000048265200011.tif,FSA00000048265200012.tif,FSA00000048265200013.tif,FSA00000048265200021.tif,FSA00000048265200022.tif,FSA00000048265200023.tif,FSA00000048265200024.tif,FSA00000048265200025.tif,FSA00000048265200026.tif2.根據(jù)權(quán)利要求1所述的基于邊緣分類信息的圖像拼接方法，其特征是所述提取圖像的邊緣類的方法為A)將mXn圖像分割成MXM(MG[4，16])大小的圖像子塊，利用下式計(jì)算各個(gè)圖像子塊的幾何不變矩<formula>formulaseeoriginaldocumentpage3</formula>式中，1G(0，m/M)和kG(0，n/M)為圖像子塊的索引值<formula>formulaseeoriginaldocumentpage3</formula>為圖像的中心矩，定義為式中^=，和7:"^為圖像矩心的模擬^標(biāo)位胃，g(i，J)為像素灰度值，p+q為矩的階數(shù)，iV為圖像的幾何矩，定義為<formula>formulaseeoriginaldocumentpage3</formula>B)得到各圖像子塊的幾何不變矩后，利用下式計(jì)算其梯度<formula>formulaseeoriginaldocumentpage3</formula>然后利用門(mén)限，將大于門(mén)限的梯度值對(duì)應(yīng)的圖像子塊作為圖像邊緣類；C)門(mén)限的選取規(guī)則為T(mén)=0.15^(1，k)。3.根據(jù)權(quán)利要求1或2所述的基于邊緣分類信息的圖像拼接方法，其特征是所述在已經(jīng)獲取的圖像邊緣類中提取圖像SIFT特征的方法為A)建立0組，每組S+2幅平滑圖像的DOG圖像金字塔，同時(shí)利用圖像的邊緣類信息建立O組，每組1幅除邊緣類區(qū)域像素保留外，其余區(qū)域均置零的參考圖像金字塔，其中0的計(jì)算方法如下<formula>formulaseeoriginaldocumentpage3</formula>2式中m，n為原圖像的寬和高，min(m，n)為取最小值，int()為取整運(yùn)算；B)在搜索極值點(diǎn)時(shí)，首先判斷參考圖像金字塔當(dāng)前組的當(dāng)前像素是否為零，如果為零則繼續(xù)搜索其他點(diǎn)，如果不為零，則進(jìn)行同尺度相鄰層的相鄰點(diǎn)比較，如此循環(huán)到整個(gè)DOG圖像金字塔搜索完畢，得到邊緣類里的極值點(diǎn)，稱之為關(guān)鍵點(diǎn)；C)利用門(mén)限去除低對(duì)比度和不穩(wěn)定邊緣響應(yīng)關(guān)鍵點(diǎn)，并對(duì)像素利用三維二次函數(shù)進(jìn)行插值；D)統(tǒng)計(jì)關(guān)鍵點(diǎn)鄰域的梯度直方圖，以直方圖峰值方向作為該關(guān)鍵點(diǎn)的主方向；E)以關(guān)鍵點(diǎn)為中心取16X16的窗口，劃分為16個(gè)4X4的子區(qū)域作為種子點(diǎn)，每個(gè)種子點(diǎn)對(duì)應(yīng)一個(gè)4X4像素的區(qū)域，在該區(qū)域內(nèi)分別計(jì)算8個(gè)方向的梯度累加值，沿各梯度方向繪制方向直方圖，最終由16個(gè)種子點(diǎn)得到一個(gè)128維的特征描述子，即每個(gè)種子點(diǎn)用8個(gè)方向直方圖表達(dá)。全文摘要本發(fā)明提供的是一種基于邊緣分類信息的圖像拼接方法。(1)首先提取圖像的邊緣類；(2)在已經(jīng)獲取的圖像邊緣類中提取圖像SIFT特征；(3)利用K-D樹(shù)搜索近似最近鄰的方法對(duì)兩幅有重疊圖中的對(duì)應(yīng)SIFT特征點(diǎn)進(jìn)行匹配；(4)找到兩幅圖像的兩個(gè)公共邊界點(diǎn)P、Q，得到P、Q兩點(diǎn)后，以過(guò)PQ的直線作為圖像拼接的縫合線；(5)利用小波變換將待拼接圖像轉(zhuǎn)換成多個(gè)帶通信號(hào)；(6)在各個(gè)空間中進(jìn)行變換系數(shù)融合；(7)最后經(jīng)過(guò)經(jīng)過(guò)小波逆變換，得到一個(gè)“無(wú)縫”的拼接圖像。本發(fā)明可以使經(jīng)典SIFT特征提取的時(shí)間減少20％-50％。使處理速度提高25％-40％。本發(fā)明有提高經(jīng)典圖像拼接方法的實(shí)時(shí)性和一定程度上改善圖像拼接質(zhì)量的效果。文檔編號(hào)G06T5/50GK101794439SQ201010117300公開(kāi)日2010年8月4日申請(qǐng)日期2010年3月4日優(yōu)先權(quán)日2010年3月4日發(fā)明者付永慶,宋寶森,張林,郭慧申請(qǐng)人:哈爾濱工程大學(xué)