一种基于surf算法的图像拼接方法
【技术领域】
[0001 ]本发明涉及一种图像拼接方法，涉及图像处理技术领域。
【背景技术】
[0002] 现有的图像拼接方法一般采用SIF T算法和H a r r i S角点算法，采用SIF T算法和 Harris角点算法存在特征点提取速度慢，而且鲁棒性低。尤其是在图像中存在尺度变换、视 角变换、光照变化时，图像拼接处理效果不理想。
【发明内容】
[0003] 本发明的目的是提供一种基于SURF算法的图像拼接方法，以解决采用SIFT算法和 Harris角点算法存在特征点提取速度慢，而且鲁棒性低，致使图像拼接处理效果不理想的 问题。
[0004] 本发明为解决上述技术问题采取的技术方案是：
[0005] -种基于SURF算法的图像拼接方法，所述方法的实现过程为：
[0006]步骤一:应用Mat lab对工业摄像头进彳丁驱动，完成摄像头的标定，以使用摄像头进 行视频录制；
[0007] 步骤二:应用灰色世界法，对所录制视频中每一帧的图像进行白平衡的调节；
[0008] 步骤三:应用SURF算法，对白平衡调节后的同时刻录制的两张照片进行特征点提 取；
[0009] 步骤四：应用RANSAC算法，将已经标出特征点的两张图像进行误匹配特征点对剔 除；
[0010]步骤五：采用插值运算，将经RANSAC算法处理后的图像拼接在一起，完成图像拼 接，获得视角更大的图像。
[0011] 步骤一中，在应用摄像头进行视频录制时，利用多媒体移动采集平台；所述多媒体 移动采集平台用于同时承载充电电池、电脑、工业摄像头，以实现摄像头边录制边移动。
[0012] 步骤三中，应用SURF算法进行特征点提取的过程为：
[0013] 第一步、特征点检测：
[0014]利用盒子滤波器对白平衡调节后的同时刻录制的两张图像进行卷积，通过改变盒 子滤波器的大小，用不同大小的滤波器在所述两张图像的x，y，z三个方向上作卷积，形成多 尺度空间函数Dxx，D yy，Dxy，构建尺度空间金字塔；
[0015] det Η的含义是Hessian矩阵的行列式，通过下式计算
[0016] det H=LxxXLyy-Lxy2；
[0017] 在尺度空间金字塔构建完毕后，通过下式近似代替det H，
[0018] det H=DxxXDyy-(0.9XDxy)2
[0019] 求取某一特定尺度下的局部极值;在得到局部极值后，需要对它们在3 X 3 X 3的立 体邻域内进行非极大值抑制，把符合条件的点筛选为候选极值点，同时记下位置和尺寸，完 成特征点检测；
[0020]第二步、特征点描述：
[0021 ]在确定特征点位置之后，利用haar小波对特征点进行主方向的确定以保证特征点 的旋转和尺度不变性，在完成haar小波主方向确定之后，以特征点为中心，将坐标轴旋转到 haar小波主方向上，做一个边长为20〇的正方形窗口，σ为高斯滤波器的尺度，并将窗口划分 为16个大小为5〇X5〇的子窗口区域；
[0022]以采样间隔〇，分别计算每个子窗口水平和垂直方向上的小波响应，得到的小波系 数记为dx和dy;然后对响应系数求和得到Σ(1Χ和Σ4,再求取响应系数绝对值之和得到Σ |dx 和Σ |dy| ;因此，每个子窗口都能够得到一个4维向量ν=[ Σ(1Χ，2dy，Σ |dx|，Σ |dy| ]，并且 用这个向量来描述该特征点；
[0023]第三步、特征点匹配：
[0024] 完成特征点描述后进行特征匹配，特征匹配是指在高维向量空间中寻找出最相似 的特征向量；
[0025] 根据特征向量之间的欧式距离来衡量特征点的相似度，选取一张图像中的一个特 征点与别一张图像中所有特征点分别求取欧式距离，从中选出最近邻特征点欧式距离和次 近邻特征点欧式距离，计算二者的比值ratio;
[0026] 对于比值ratio小于某阈值的特征点，则认为是正确匹配的特征点，否则是错误匹 配的特征点，将正确匹配的特征点进行连接，
[0027]
(1)
[0028]步骤三中，使用RANSAC算法剔除匹配质量较差的点的具体过程为：
[0029] (1)从正确匹配的特征点对中随机选择m对特征点来求解单应性矩阵模型Hcur;
[0030] (2)将除上述m对特征点以外的其他特征点对利用H?r计算其对称变换误差di，统 计误差cU〈T_di St的内点的个数M;T_dist为指定的一个阈值，用于表示欧式距离；
[0031] (3)若M>M_inlier，或者M=M_inlier，则认为Hcur是当前最好的模型，并且保存内 点M;
[0032] M_inlier为指定的一个阈值，表示符合单应性矩阵模型Hcur的内点的个数；
[0033] (4)利用式(2)计算循环次数N，步骤（1)~（3)执行N次，当循环结束时，得到Μ最大 的对应的单应性矩阵模型，得到最优的模型矩阵；
[0034]
[0035] 其中ε为外点所占的比例，Ρ表示置信概率。
[0036]置信概率Ρ取值为0.99、m取值为大于或等于4、公式（1)中阈值取0.7时为最佳的选 择。
[0037]本发明的有益效果是：
[0038]利用本发明方法进行图像拼接时，拼接速度快，鲁棒性好，受图像的尺度变换、视 角变换、光照变化等影响较小，拼接效果好。在工业摄像头平台下采用灰色世界法（图象预 处理）、SURF算法、RANSAC算法，并且使用插值来对图像进行处理。
[0039] 本发明解决了在工业摄像头平台下将摄像头驱动，应用灰色世界法对所拍摄照片 进行白平衡处理，并且将相互有重叠的两幅图片快速、高效地拼接成大视角、高分辨率无缝 的图像的问题。本发明依次采用了 SURF算法、RANSAC算法对图像进行处理。本发明尤其是适 用于工业摄像头平台下的图像拼接。
【附图说明】
[0040] 图1是本发明中多媒体移动采集平台的结构示意图，图中：1_滑轮、2-底板、3-立 杆、4-摄像头安装件、5-抽屉，抽屉5上部用于承载电脑、雷达等，平台下部可以承载电池等； 图2是白平衡处理前的图像，图3是白平衡处理后的图像，图4是利用SURF算法特征匹配结果 图，图5是利用RANSAC算法进宪剔除误匹配的结果图，图6是基于本发明方法进行图像拼接 的结果图。
【具体实施方式】
【具体实施方式】 [0041] 一:本实施方式所述的一种基于SURF算法的图像拼接方法，所述方 法的实现过程为：
[0042]步骤一:应用Mat lab对工业摄像头进彳丁驱动，完成摄像头的标定，以使用摄像头进 行视频录制；
[0043]步骤二:应用灰色世界法，对所录制视频中每一帧的图像进行白平衡的调节；
[0044]步骤三:应用SURF算法，对白平衡调节后的同时刻录制的两张照片进行特征点提 取；
[0045] 步骤四：应用RANSAC算法，将已经标出特征点的两张图像进行误匹配特征点对剔 除；
[0046]步骤五：采用插值运算，将经RANSAC算法处理后的图像拼接在一起，完成图像拼 接，获得视角更大的图像。
[0047] 针对上述实施方式中出现的技术手段进行如下阐述：
[0048] 1多媒体移动采集平台：设计一个多媒体移动图像采集设备并制作。设备设计图 如图1所示，小车下部可以承载充电电池，上部可以承载笔记本电脑、工业摄像头、以及西科 激光雷达，利用人眼惰性的原理，将拍摄到的照片一帧帧播放形成视频，从而实现边录制边 移动的功能。
[0049] 2摄像头标定：用于获得摄像头的焦距，主点坐标，像素等内部参数。摄像头标定 所利用的原理是用摄像机拍摄到的图像来还原空间物体，找到三维世界和二维图形之间的 映射关系。在这里，可以假设摄像机拍摄的图像与三维空间中的物体之间存在一种简单的 线性关系，即[像]=M[像]。这里，矩阵Μ可以看成是摄像机成像的几何模型.Μ中的参数就是 摄像机参数。通常，这些参数是要通过实验与计算来得到的，这个求解参数的过程就称为摄 像机标定。
[0050] 3 SURF特征的提取：SURF特征提取的第一步是尺度空间极值检测，SURF在进行特 征点极值检测时需要先构建尺度空间金字塔并且确定候选极值点。进行多尺度空间构建 时，SURF算法使用的是盒子滤波器，并且在进行图像卷积的过程中应用了积分图像的技巧。 通过改变盒子滤波器的大小，用不同大小的滤波器在原始图像的x，y，z三个方向上做卷积， 即可形成多尺度空间函数〇^，〇"，〇^构建尺度空间金字塔。在尺度空间金字塔构建完毕 后，需要求取某一特定尺度下的局部极值。在得到局部极值后，需要对它们在3 X 3 X 3的立 体邻域内进行非极大值抑制，把符合条件的点筛选为候选极值点，同时记下位置和尺寸。在 确定特征点位置之后，为了保证特征点的旋转和尺度不变性，需要利用haar小波对特征点 进行主方向的确定。
[0051 ]在检测到SURF特征之后，接下来要做的就是进行特征匹配。特征匹配是指在高维 向量空间中寻找出最相似的特征向量。特征点的相似度是根据特征向量之间的欧式距离来 衡量的。基于最近邻与次近邻比的特征点匹配方法是指在图像的样本特征点中，寻找与它 距离最近和次近的特征点，然后计算这两个特征点与样本点之间欧式距离的比值。对于比 值小于某阈值的特征点，则认为是正确匹配的特征点，否则是错误匹配的特征点。公式（1) 如下：
[0052]
(3)
[0053]经大量实验证明阈值为0.7时为最佳的选择。
[0054] 4 RANSAC算法：由于特征点提取时存在一定的精度误差，提取出的特征点会比求 解方程式所需的多很多。另外，自动提取和匹配得到的匹配点集中也难免存在一些误匹配 点，因此需要一种容错能力很强的算法来优化匹配点集。本文使用RANSAC算法剔除匹配质 量较差的点。RANSAC算法要求在一定的置信概