[发明专利]CIS大幅面扫描仪的图像融合拼接方法

说明书

技术领域

本发明属于数字图像处理领域，具体涉及一种基于大幅面扫描仪的接触式图像传感器(Contact Image Sensor，CIS)图像采集装置的图像融合与拼接方法。

背景技术

现代光电信息技术的发展突飞猛进，人们对高分辨率、高清晰的数字图像要求也越来越高。随着待扫描介质的物理尺寸变得越来越大，采用多根CIS的大幅面扫描仪应运而生。在CIS大幅面扫描仪系统中，许多因素会给图像采集带来误差，如扫描仪系统本身的复杂性和扫描介质的多样性，各个CIS采集的重叠图像会存在差异性等。因此，CIS大幅面扫描仪的图像融合与拼接成为重要的技术难点。

目前，传统的大幅面扫描仪的图像拼接方法主要是利用图像配准计算后直接进行图像硬拼接。因为不同CIS采集的重叠图像会存在一定的差异，所以采用直接方法拼接后，扫描图像将呈现出较为明显的拼接缝，降低了扫描图像的主观视觉质量。

针对这种情况，本发明给出了一种专门针对CIS大幅面扫描仪的图像融合拼接方法，用以获得高质量的扫描图像。

发明内容

本发明提供了一种基于CIS大幅面扫描仪的图像融合拼接方法，目的是解决现有的CIS大幅面扫描仪存在扫描的图像间边缘部分像素不匹配，扫描图像存在明显拼接缝的问题。为了实现上述目的，本发明采用的技术方案如下：

1.边缘信息提取

准备一张大幅面样稿，并对其进行扫描。N根平行安装的CIS图像采集装置可获得数字图像I⁽¹⁾,I⁽²⁾...I^(k),I^(k+1)，其中k∈[1,2...N-1]。定义图像I^(k)的大小为width×height，i∈[1,2...width]，j∈[1,2...height]。

分别提取原始图像I^(k)和I^(k+1)的三个RGB分量矩阵[R^(k) G^(k) B^(k)]和[R^(k+1) G^(k+1)B^(k+1)]，其中，

利用公式

将矩阵R^(k)归一化得到γ^(k)，其中eps为浮点数极小常量，以防止除零。

基于脉冲耦合的神经网络方法的参数初始化。矩阵L,U,Y₀,Y是与γ^(k)维数相同且元素均为0的矩阵，相应网络的参数初始化为a_L＝1,a_T＝0.2,β＝0.2,v_L＝0.2,v_T＝20，θ是维数和输入图像相同且元素均为1的矩阵，迭代次数count＝15，卷积核矩阵为

利用公式

U＝γ^(k)·(1+β·L^*) (4)

Y₀＝Y₀+Y (7)

其中，公式(2)中的代表卷积运算；公式(6)中，u_i,j∈U，

将神经网络方法的各参数进行迭代count次，得到最终的Y₀(元素为0和1)，即为R分量的边缘信息矩阵E^(k)|_R。

2.最佳行窗口匹配

以图像I^(k)的第t行为中心，在I^(k)右侧边缘部分选取行数为m(m＜M，M为I^(k)的总行数，m一般取值为1)的窗口同样，在图像I^(k+1)第t行左侧边缘选取相同大小的窗口分别在该窗口周围选取相同大小的窗口其中s为周围的窗口计数。

利用欧拉公式

分别计算出与之间的d_k(k+1)(t,s)，选出取得min(d_k(k+1)(t,s))的窗口，记为

3.融合与拼接

根据窗口和的中心坐标和计算出两窗口的位移矢量