本发明涉及一种图像拼接方法。
背景技术：
视觉是人类获取外部信息的最重要途径，人们已经不满足于仅仅从单幅图像上获取信息。图像拼接技术应运而生，目前为止，它已经广泛地应用于生活的各个角落。今天的高分辨率数字地图和卫星照片就应用了数字图像的拼接技术，大部分的数码相机和手机也应用此项技术衍生出各种功能，比如360度全景图片等。现有的图像拼接技术存在许多不足，比如计算量大、实时性很差、算法较为复杂等。
技术实现要素：
针对现有技术的步骤，本发明提供了一种图像拼接方法，包括如下步骤：
步骤1，输入拥有重叠区域的两幅图像；
步骤2，对输入的图像进行预处理；
步骤3，对图像进行匹配对齐；
步骤4，将匹配对齐后的图像进行融合(参考文献：朱炼，孙枫，夏芳莉，等.图像融合研究综述[j].传感器与微系统，2014)。
步骤2包括：对输入的图像进行几何畸变校正和噪声点的抑制，使得图像不存在明显的几何畸变(参考文献：范承啸，韩俊，熊志军，等.无人机遥感技术现状与应用[j].测绘科学，2009)。
步骤3包括：
步骤3-1，输入的两幅图像分别记为i1、i2，则图像i2上的像素i2(x,y)在图像i1上存在如下映射关系：
i2(x,y)＝i1[s(xcosβ0+ysinβ0)+δx，s(-xsinβ0+ycosβ0)+δy]，(1)
即图像i2上一点的横坐标x在图像i1上映射为s(xcosβ0+ysinβ0)+δx，图像i2上一点的纵坐标y在图像i2上映射为s(-xsinβ0+ycosβ0)+δy，β0为旋转角，s为尺度因子，δx和δy分别表示平移的横坐标参数和平移的纵坐标参数；
步骤3-2，得到旋转角β0和尺度因子s的值后(通过采集图像i1、i2的特征值得到旋转角β0和尺度因子s的值，参考文献：韩龙，郭立，李玉云.sift算法的并行实现及应用[j].计算机工程与应用，2010)，根据公式(1)对图像i1、i2进行旋转对齐；
步骤3-3，旋转对齐后的图像i1、i2变成了平移关系，使用相位相关法完成匹配(参考文献：lowedg.objectrecognitionfromlocalscale-invariantfeatures[c]//theproceedingsoftheseventhieeeinternationalconferenceoncomputervision,1999)。
步骤4包括(参考文献：cn2015101861337，一种基于多尺度全局特征和局部特征的图像分类方法)：
步骤4-1：计算输入图像的灰度图像，其中输入图像属于rgb颜色空间，每个像素由红，绿，蓝三个颜色值决定，每种颜色取值范围0～255，计算后的灰度图像每个像素由一个灰度值决定，灰度值取值范围0～255；
步骤4-2：计算灰度图像的canny边缘图像和sobel边缘图像，其中，canny边缘图像和sobel边缘图像都属于二值图像，每个像素取值0或1；
步骤4-3：分别计算canny边缘图像的特征向量场和sobel边缘图像的特征向量场，计算得到的特征向量场在每个像素处，其值为一个向量，表示该像素处场值的大小和方向；
步骤4-4：分别计算canny特征向量场的显著区域和sobel特征向量场的显著区域，其中，显著区域表现为二值图像，像素值为0表示该像素不属于显著区域，像素值为1表示该像素属于显著区域；
步骤4-5：计算canny显著区域和sobel显著区域的交集，得到这两种显著区域的重合区域，过滤后作为最终显著区域；
步骤4-6：提取最终显著区域的空间分布特征；
步骤4-7：根据最终显著区域，保留其对应位置处输入图像的像素值，提取这些像素值的颜色特征，颜色特征包括rgb颜色特征，hsv颜色特征和灰度颜色特征，rgb颜色指红色red，绿色green和蓝色blue首字母缩写，hsv颜色指色调hue，饱和度saturation和亮度value首字母缩写；
步骤4-8：合并步骤4-6得到的空间分布特征和步骤4-7得到的颜色特征，得到输入图像的全局特征，将输入图像i1、i2的全局特征进行融合，得到最终目标图像。
有益效果：本发明方法能够显著缩短图像匹配的时间，实时性较好，能够适用于图像信息量丰富且对实时性要求较高的场合，比如用于无人机遥感图像匹配等。
附图说明
下面结合附图和具体实施方式对本发明做更进一步的具体说明，本发明的上述或其他方面的优点将会变得更加清楚。
图1为本发明流程图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
如图1所示，本发明提供了一种图像拼接方法，包括如下步骤：
步骤1，输入拥有重叠区域的两幅图像；
步骤2，对输入的图像进行预处理；
步骤3，对图像进行匹配对齐；
步骤4，将匹配对齐后的图像进行融合(参考文献：朱炼，孙枫，夏芳莉，等.图像融合研究综述[j].传感器与微系统，2014)。
步骤2包括：对输入的图像进行几何畸变校正和噪声点的抑制，使得图像不存在明显的几何畸变(参考文献：范承啸，韩俊，熊志军，等.无人机遥感技术现状与应用[j].测绘科学，2009)。
步骤3包括：
步骤3-1，输入的两幅图像分别记为i1、i2，则图像i2上的像素i2(x,y)在图像i1上存在如下映射关系：
i2(x,y)＝i1[s(xcosβ0+ysinβ0)+δx，s(-xsinβ0+ycosβ0)+δy]，(1)
即图像i2上一点的横坐标x在图像i1上映射为s(xcosβ0+ysinβ0)+δx，图像i2上一点的纵坐标y在图像i2上映射为s(-xsinβ0+ycosβ0)+δy，β0为旋转角，s为尺度因子，δx和δy分别表示平移的横坐标参数和平移的纵坐标参数；
步骤3-2，得到旋转角β0和尺度因子s的值后，根据公式(1)对图像i1、i2进行旋转对齐；
步骤3-3，旋转对齐后的图像i1、i2变成了平移关系，使用相位相关法完成匹配(参考文献：lowedg.objectrecognitionfromlocalscale-invariantfeatures[c]//theproceedingsoftheseventhieeeinternationalconferenceoncomputervision,1999)。
步骤4包括：
步骤4-1：计算输入图像的灰度图像，其中输入图像属于rgb颜色空间，每个像素由红，绿，蓝三个颜色值决定，每种颜色取值范围0～255，计算后的灰度图像每个像素由一个灰度值决定，灰度值取值范围0～255；
步骤4-2：计算灰度图像的canny边缘图像和sobel边缘图像，其中，canny边缘图像和sobel边缘图像都属于二值图像，每个像素取值0或1；
步骤4-3：分别计算canny边缘图像的特征向量场和sobel边缘图像的特征向量场，计算得到的特征向量场在每个像素处，其值为一个向量，表示该像素处场值的大小和方向；
步骤4-4：分别计算canny特征向量场的显著区域和sobel特征向量场的显著区域，其中，显著区域表现为二值图像，像素值为0表示该像素不属于显著区域，像素值为1表示该像素属于显著区域；
步骤4-5：计算canny显著区域和sobel显著区域的交集，得到这两种显著区域的重合区域，过滤后作为最终显著区域；
步骤4-6：提取最终显著区域的空间分布特征；
步骤4-7：根据最终显著区域，保留其对应位置处输入图像的像素值，提取这些像素值的颜色特征，颜色特征包括rgb颜色特征，hsv颜色特征和灰度颜色特征，rgb颜色指红色red，绿色green和蓝色blue首字母缩写，hsv颜色指色调hue，饱和度saturation和亮度value首字母缩写；
步骤4-8：合并步骤4-6得到的空间分布特征和步骤4-7得到的颜色特征，得到输入图像的全局特征，将输入图像i1、i2的全局特征进行融合，得到最终目标图像。
本发明提供了一种图像拼接方法，具体实现该技术方案的方法和途径很多，以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。