一种多图像拼接方法
【技术领域】
[0001] 本发明设及计算机图像领域，尤其设及一种多图像拼接方法。
【背景技术】
[0002] 图像拼接技术，是通过各种方法，将多源图像无缝的融合成一张超高分辨率的完 整图像。目前已经有很多的解决方案，早期的方法往往把重点放在单台计算机的处理上。
[0003] 图像拼接主要分为图像配准和图像融合两个部分，其中图像配准为图像拼接的核 屯、部分，主要目的为精确确定图像间的重叠位置。图像配准的一般方法有；基于区域的图 像配准和基于特征的图像配准。由于基于区域的图像配准鲁椿性比较差，目前主流的图像 配准方法为基于特征的图像配准。而基于图像特征的图像配准比较依赖图像特征的选取 计算，由此如何选取鲁椿性较强的图像特征算子成为图像配准的主要难题。常见的图像特 征有点特征，线特征，块特征等。2007年提出一种新的点特征计算方法，SIFT特征（Scale InvariantFeETture)，该特征具有很好的鲁椿性，具有尺度不变和旋转不变的优点，且对于 有光照亮度差异拍摄图像也具有一定的稳定性，因此目前该算子的应用比较广泛。
[0004] 图像融合是将互相重叠的图像融合成一张无缝的全景图。虽然图像融合不是图像 拼接的核屯、部分，但融合算法的优劣却决定该最后全景图的质量，优秀的融合算法甚至能 弥补图像配准准确度的缺陷。常见的融合算法有：平均值法、加权平滑法和多分辨率样条 法。平均值法计算简单快速，但效果比较粗趟；加权平滑法为平均值法的改进，效果比平均 值法好，但当融合区比较大时，容易导致图像模糊，而融合区较小，则会看到明显的过渡窄 带；多分辨率样条法把图像分离到不同的频域进行加权平均求解，效果最好，但由于设及到 图像全局高斯金字塔和拉普拉斯金字塔的构造计算，计算量非常大。
[0005] 基于特征点的图像拼接方法，它利用图像特征点进行图像配准，利用已经配准的 图像对，在独立的计算机中，利用图像融合的方法，从而实现对多图像的无缝拼接。该方法 针对低分辨率的少量图像拼接的效率还是可行的，但是面对如今单张图像达到几千万像素 的超高分辨率的大量图像拼接，其执行效率是相当的不乐观的。
[0006] 近年来，随着分布式计算技术的不断成熟，其技术已经在越来越多的大数据处理 中取得了非常理想效果。分布式计算是利用网络，把成千上万的物理计算机连接起来，组成 一台虚拟的超级计算机，在完成单个的任务时，分布式计算框架将任务并行的分配给成千 上万的物理计算机单独运行，最后通过同步处理，对运行结果进行合并输出。近年来，随着 数字图像分辨率的不断提高，分布式计算技术已被引入到超高分辨率数字图像处理中。目 前已经有相关论文针对分布式计算在超高分辨率数字图像处理领域的应用做了论证。从该 些论文的论证可知，同样的计算量，分布式计算系统可W实现几十倍的速度提升。
[0007] 虽然目前已经有部分论文提出了分布式计算在图像处理领域的使用，但是目前还 没有系统实现了基于分布式计算框架的多图像拼接。
【发明内容】
[000引针对现有技术的不足，本发明提供了一种多图像拼接方法，大大的提高了图像拼 接的拼接效果。
[0009] 一种多图像拼接方法，包括如下步骤：
[0010] (1)对每个待拼接图像进行降采样处理得到相应的降采样图像，并确定各个降采 样图像之间的重叠关系和相对位置关系；
[0011] 似针对任意一个待拼接图像，进行如下操作：
[0012] (2-1)根据各个降采样图像之间的重叠关系和相对位置关系确定当前待拼接图像 对应的重叠图像，并计算当前待拼接图像与各个重叠图像之间的特征点匹配对集合；
[0013] (2-2)根据当前待拼接图像与所有重叠图像之间的特征点匹配对集合，利用光束 平差法对当前待拼接图像的相机位置进行标定；
[0014] (3)根据所有待拼接图像W及对应的标定结果拟合得到最佳正射投影平面；
[0015] (4)将各个待拼接图像正射投影到该最佳正射投影平面得到相应的投影结果，并 将所有待拼接图像对应的投影结果进行融合即得到多图像拼接结果。
[0016] 本发明的方法多图像拼接方法中首先对各个待拼接图像进行降采样处理，由于降 采样图像与待拼接图像之间的对应关系，利用得到的降采样图像之间的重叠关系和相对位 置关系获取各个待拼接图像之间的对应关系和特征点匹配对集合，大大降低了计算量，有 利于提局拼接效率。
[0017] 为保证拼接效果，本发明中通过降采样将各个待拼接图像的长宽缩小为原图像的 10%，如5000X3000的输入图像（即待拼接图像）降采样为500X300的图像（即降采样 图像）。
[001引此外，针对每个待拼接图像，根据所有与其有重叠的待拼接图像的特征点匹配关 系进行相机标定（即对待拼接图像的相机位置进行标定），并根据所有待拼接图像的相机 标定结果拟合得到最佳正射投影平面，通过全局考虑，有利于提高得到的最佳正射投影平 面的精确度，进而有利于提高拼接效果。
[0019] 所述步骤（1)通过如下方法确定各个降采样图像之间的重叠关系：
[0020] (a)对各个降采样图像进行特征点提取得到相应的特征点集合；
[0021] 化）针对任意两个降采样图像，确定两个降采样图像之间的特征点匹配对：
[0022] 若匹配对的数量大于预设的数量阔值，则认为二者相互重叠；
[0023] 否则，认为二者不重叠。
[0024] 作为优选，所述步骤（a)通过如下方法确定两个降采样图像之间的特征点匹配 对：
[0025] 对于其中一个降采样图像对应的特征点集合中的任意一个特征点，W该特征点作 为参考特征点，W另一个降采样图像对应的特征点集合中各个特征点作为候选匹配特征 点，计算该参考特征点与各个候选匹配特征点的距离，若最小距离与次最小距离的比值小 于0. 36,则W最小距离对应的候选匹配特征点作为该参考特征点的匹配特征点，并W二者 作为一个特征点匹配对。
[0026]作为优选，所述的数量阔值为两个待拼接图像中对应的特征点较少的待拼接图像 对应的特征点数量的10%，可W根据实际应用情况调整。
[0027]为提高本发明的多图像拼接方法的鲁椿性，所述步骤（a)中对各个降采样图像 进行SIFT特征点提取。SIFT特征点由Brown.M和D.Lowe在2007年提出，SIFT(Scale Invariant化ature)特征点包含每个特征点的坐标和128维特征描述子。SIFT特征具有 很好的鲁椿性，具有尺度不变和旋转不变的优点，且对于有光照亮度差异拍摄图像也具有 一定的稳定性。
[002引所述步骤（1)确定各个降采样图像之间相对位置关系时具体如下：
[0029] (1-1)从所有降采样图像中任意选择一张作为参考图像；
[0030] (1-2)针对任意两个降采样图像，利用两个降采样图像相对于所述参考图像之间 的旋转矩阵和平移矩阵表示二者之间的相对位置关系。
[0031] 通过求解如下目标函数的最小值计算降采样图像i与另一个降采样图像i'之间 的相对位置关系：
[0032]
[003引其中，n表示所有降采样图像中相互重叠的图像对数，
[0034]m表示当前降采样图像图i与重叠图像i'的特征点匹配对的数量，
[0039]
分别为降采样图像i相对于参考图像的旋转矩阵和平移矩 阵；
[0040]
分别为降采样图像i'相对于参考图像的旋转矩阵和平 移矩阵。
[0041] 所述步骤（2-1)利用基于位置的特征点匹配方法确定当前待拼接图像与其对应 的任意一张重叠图像之间的特征点匹配对集合，具体如下：
[0042] (S1)按照相应两个降采样图像之间的相对位置关系对该重叠图像的特征点集合 进行位置变换，得到该重叠图像的特征点集合中各个特征点在当前待拼接图像上对应的映 射特征点；
[0043] (S2)针对该重叠图像的特征点集合中每一个特征点，W该特征点作为参考特征 点：
[0044] (S21)针对该参考特征点对应的映射特征点，确定当前待拼接图像的特征点集合 中与该映射特征点位置对应的特征点作为该参考特点的候选匹配特征点；
[0045] (S22)计算该参考特征点与各个候选匹配特征点的距离，若最小距离与次最小距 离的比值小于0. 36,则W最小距离对应的候选匹配特征点作为该参考特征点的匹配特征 点，并w二者作为一个特征点匹配对；
[0046] (S3) W该重叠图像的特征点集合中每一个特征点对应的特征点匹配形成特征点 匹配对集合。
[0047] 各个待拼接图像之间的重叠关系W及任意两个待拼接图像之间的相对位置关系 与相应的降采样图像相同。因此，该重叠图像的特征点集合进行位置变换得到重叠图像的 各个特征点在待拼接图像上的映射特征点的方法如下：
[0048] 利用该重叠图像对应的降采样图像与相应的参考图像之间的相对位置关系对重 叠图像进行位置变换，得到各个特征点在参考图像上的映射特征点；
[0049] 根据相对位置关系的求解方法，令重叠图像的各个特征点在参考图像上的映射特 征点作为当前待拼接图像在参考图像上的映射特征点相同，进而求解出重叠图像的各个特 征点在待拼接图像上的映射特征点。
[0050] 所述步骤（S21)中利用空间索引树方法确定当前待拼接图像的特征点集合中与 该映射特征点位置对应的特征点，具体如下：
[0051]当前待拼接图像的特征点集合中各个特征点的位置（即空间坐标）建立相应的空 间索引树，在每一个节点有若干个表示空间区域的子区块，每个子区块中包括位于相应空 间区域的特征点；
[0052] 针对当前映射特征点，在所述的空间索引数进行捜索，W空间索引树中与当前映 射特征点所属空间区域相同的特征点作为当前映射特征点位置对应的特征点。
[005引所述步骤做中采用RANSAC算法拟合得到最佳正射投影平面。采用随机抽样一 致性算法（即RANSAC算法）有利于提高获取的最佳正射投影平面的准确性和鲁椿性。 [0化4]所述步骤（4)中利用图像插值方法将各个待拼接图像正射投影到最佳拟合平面。 [0化5] 对各个待拼接图像的特征点集合进行DelaunayS角剖分，得到若干个Delaunay =角形，对于每个Delaunay=角形，采用双=次立方插值算法，从而实现了将图像都正射 投影到最佳拟合平面中。
[0056] 为提高多图像拼接方法的速度，所述多图像拼接方法基于分布式计算框架实现。
[0化7] 与现有技术相比，本发明具有如下优点：
[0化引通过降采样处理并利用得到的降采样图像计算各个待拼接图像之间的对应关系 和特征点匹配对集合，大大降低了计算量，有利于提高拼接效率；
[0化9] 针对每个