[发明专利]一种基于SURF特征提取结合CS-LBP描述符的图像拼接方法

说明书

本发明涉及一种基于SURF特征提取结合CS‑LBP描述符的图像拼接方法，包括以下步骤：获取待拼接图像；使用SURF提取待拼接图像的特征点信息；求取上述每个特征点的Harr描述符和CS‑LBP描述符；利用上述得到的Harr描述符和CS‑LBP描述符，确定待拼接图像的特征点匹配对；利用平滑的渐入渐出法对匹配后的图像进行融合，得到拼接图像。CS‑LBP采用中心对称比较方法，相对于传统LBP更简化，运行效率更高；SURF和CS‑LBP结合方法在保持SURF速度快、可以实时处理的基础上，对大面积旋转、光照复杂图像的拼接效果良好。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于SURF特征提取结合CS-LBP描述符的图像拼接方法。

背景技术

图像拼接是数字图像处理中一个重要的内容，是一种将两张甚至多张图片拼接成一张视野更宽广的图片。图像拼接可以弥补摄像机广角不够的缺陷，而且可以通过设置多摄像头达到超广角视野拍摄的目的，以及拍摄全景照片。

图像拼接技术主要包括图像配准和图像融合两个关键环节。图像配准是图像拼接的核心部分,其目标是找出对齐的两幅或多幅重叠图像之间的运动情况,图像配准直接关系到图像拼接算法的成功率和运行速度。图像融合技术是用来消除由于几何校正、动态的场景或光照变化引起的相邻图像间的强度或颜色不连续问题,将两幅经过匹配确定出重叠区域的图像合并为一幅无缝图像。关于图像拼接的方法国内外已有不少的论文发表,其算法大致可分为基于模型的方法、基于变换域的方法、基于灰度相关的方法和基于特征的方法,而如何提高图像拼接的效率,减少处理时间和增强拼接系统的适应性一直是研究的重点。

图像拼接从方法上可以分为基于灰度相关法和基于特征的方法。

基于灰度相关的方法是以两幅图像重叠部分所对应在或颜色系统中灰度级的相似性为准则寻找图像的配准位置。常用的算法有比值匹配法、块匹配法和网格匹配法。基于特征的方法首先从待匹配图像中提取特征集,利用特征的对应关系进行匹配。

基于特征的方法利用了图像的显著特征,具有计算量小,速度快的特点,对与图像的畸变、噪声、遮挡等具有一定的鲁棒性,但是它的匹配性能在很大程度上取决于特征提取的质量。特征匹配其中又分为基于角点匹配和基于斑点匹配的方法。基于角点常见的方法有：Harris，Fast。基于斑点的方法有：SIFT，SURF。

目前流行的基于特征的方法中，SURF(Speeded Up Robust Features)在特征点提取方面有着优秀的表现，但在旋转、光照不均等复杂场景下的图像拼接中，获得的正确匹配点对较少，直接影响拼接效果，方法的复杂度高，运行的速度慢。

发明内容

鉴于上述的分析，本发明旨在提供一种基于SURF特征提取结合CS-LBP描述符的图像拼接方法，用以解决现有SURF方法在大面积旋转图像条件下匹配表现不佳或运算速度慢的问题。

本发明的目的主要是通过以下技术方案实现的：

提出了一种基于SURF特征提取结合CS-LBP描述符的图像拼接方法，包括以下步骤：

使用SURF提取待拼接图像的特征点信息；

求取上述每个特征点的Harr描述符和CS-LBP描述符；

利用上述得到的Harr描述符和CS-LBP描述符，确定待拼接图像的特征点匹配对；

根据上述特征点匹配对结果，利用平滑的渐入渐出法对图像进行融合，得到拼接图像。

本发明有益效果如下：