[发明专利]改进的LLT-GST图像配准算法在审

专利信息
申请号: 202210208032.5 申请日: 2022-03-04
公开(公告)号: CN114677420A 公开(公告)日: 2022-06-28
发明(设计)人: 蔡永华;赵永华;周志勇;杨航 申请(专利权)人: 武汉理工大学
主分类号: G06T7/35 分类号: G06T7/35;G06T7/33
代理公司: 湖北武汉永嘉专利代理有限公司 42102 代理人: 许美红
地址: 430070 湖*** 国省代码: 湖北;42
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 改进 llt gst 图像 算法
【权利要求书】:

1.一种基于线性化局部单应性矩阵与全局相似性变换矩阵改进的LLT-GST配准算法,其特征在于,包括以下步骤:

S1、利用SUFR算法对采集的图像进行图像特征提取,得到匹配对;

S2、将图像划分为多个网格,每一个网格对应一个局部单应性矩阵,将Moving DLT应用于图像间的重叠区域的匹配对,得到重叠区域的局部单应性矩阵,并利用线性化方法将在重叠区域获得的局部单应性矩阵线性化,并外推到非重叠区域,得到非重叠区域的局部单应性矩阵;

S3、假设重叠区域存在多个平面,且每个平面与相机投影平面都有一定的角度,首先利用RANSAC算法得到单一平面内的匹配对,然后对重叠区域中代表不同平面的匹配对集合进行迭代划分,接着对匹配对集合均进行相似性矩阵估计,得到全局相似性变换矩阵;

S4、利用加权融合方法对每个网格中的线性化局部单应性矩阵和全局相似性变换矩阵进行加权融合得到加权后的投影变换矩阵;

S5、利用加权后的投影变换矩阵进行图像配准。

2.根据权利要求1所述的基于线性化局部单应性矩阵与全局相似性变换矩阵改进的LLT-GST配准算法,其特征在于,步骤S3中具体利用RANSAC算法得到最大内点作为当前平面的匹配对,去除内点后在剩余的外点中重复寻找最大内点,直到最终的内点数目小于阈值。

3.根据权利要求1所述的基于线性化局部单应性矩阵与全局相似性变换矩阵改进的LLT-GST配准算法,其特征在于,步骤S4中,当待投影区域远离重叠区域,落在有畸变的非重叠区域时,给全局相似变换矩阵分配的权重大于给局部单应性矩阵分配的权重;当待投影区域接近重叠区域时,给局部单应性矩阵分配的权重大于给全局相似变换矩阵分配的权重。

4.一种基于线性化局部单应性矩阵与全局相似性变换矩阵改进的LLT-GST配准系统,其特征在于,包括:

匹配对提取模块,用于利用SUFR算法对采集的图像进行图像特征提取,得到匹配对;

局部单应性矩阵计算模块,用于将图像划分为多个网格,每一个网格对应一个局部单应性矩阵,将Moving DLT应用于图像间的重叠区域的匹配对,得到重叠区域的局部单应性矩阵,并利用线性化方法将在重叠区域获得的局部单应性矩阵线性化,并外推到非重叠区域,得到非重叠区域的局部单应性矩阵;

全局相似性变换矩阵计算模块,假设重叠区域存在多个平面,且每个平面与相机投影平面都有一定的角度,首先利用RANSAC算法得到单一平面内的匹配对,然后对重叠区域中代表不同平面的匹配对集合进行迭代划分,接着对匹配对集合均进行相似性矩阵估计,得到全局相似性变换矩阵;

加权融合模块,用于利用加权融合方法对每个网格中的线性化局部单应性矩阵和全局相似性变换矩阵进行加权融合得到加权后的投影变换矩阵;

配准模块,用于利用加权后的投影变换矩阵进行图像配准。

5.根据权利要求4所述的基于线性化局部单应性矩阵与全局相似性变换矩阵改进的LLT-GST配准系统,其特征在于,全局相似性变换矩阵计算模块具体用于利用RANSAC算法得到最大内点作为当前平面的匹配对,去除内点后在剩余的外点中重复寻找最大内点,直到最终的内点数目小于阈值。

6.根据权利要求4所述的基于线性化局部单应性矩阵与全局相似性变换矩阵改进的LLT-GST配准系统,其特征在于,加权融合模块具体用于当待投影区域远离重叠区域,落在有畸变的非重叠区域时,给全局相似变换矩阵分配的权重大于给局部单应性矩阵分配的权重;当待投影区域接近重叠区域时,给局部单应性矩阵分配的权重大于给全局相似变换矩阵分配的权重。

7.一种计算机存储介质,其特征在于,其内存储有可被处理器执行的计算机程序,该计算机程序执行权利要求1-3中任一项所述的基于线性化局部单应性矩阵与全局相似性变换矩阵改进的LLT-GST配准算法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于武汉理工大学,未经武汉理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210208032.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top