[发明专利]改进的LLT-GST图像配准算法

说明书

本发明公开了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，包括以下步骤：S1、利用SUFR算法提取待配准图像的特征，获取匹配对；S2、用网格划分法将图像划分为多个等距的网格，计算重叠区域中网格的局部单应性矩阵，并利用线性化方法得到非重叠区域的局部单应性矩阵，确保每个网格都对应局部单应性矩阵；S3、计算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。本发明可有效解决具有视差的图像配准问题。

技术领域

本发明涉及图像处理领域，尤其涉及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。

背景技术

随着汽车智能网联化进程不断加速，辅助驾驶成为其关键技术，其中环境感知作为辅助驾驶最基础的部分可以为驾驶员提供周围环境信息，来保证驾驶员和汽车进行有效的决策，全景拼接系统作为环境感知中的一部分，可以为驾驶员提供更广阔的视野。然而，目前全景拼接系统中的全景图仍然存在拼接质量差、可见范围受限等问题。

图像配准技术是全景拼接系统的关键部分之一。一般的图像配准算法中的单应投影变换要求图像重叠部分处于同一平面且无明显视差，而对于车辆中的全景拼接技术来说，摄像头会存在一定的安装误差，这会使采集的图像不处于同一平面且存在视差。若在图像拼接中直接采取单应投影变换，会在生成的图像中重叠区域引起扭曲，其他部分也会产生明显错位。因此，适用于车辆的全景拼接的图像配准方法值得深入研究。

发明内容

本发明主要针对目前基于特征点的，全景拼接系统中视觉误差带来的误对齐问题和非重叠区域图像变形严重的问题等问题，提出一种可提升对齐精度与降低图像的形变，使拼接效果更加自然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。

本发明所采用的技术方案是：

提供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，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。

接上述技术方案，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。

接上述技术方案，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。

本发明还提供了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，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；