[发明专利]一种基于ORB特征的高分辨率图像拼接改进算法

说明书

本发明提供了一种基于ORB特征的高分辨率图像拼接改进算法，包括如下步骤：S1：对拼接图像进行特征点提取；S2：对S1中提取的特征点实现快速粗匹配；S3：对S2中进行粗匹配点进行优化，剔除错误的匹配点阵；S4：通过计算单应性变换矩阵的相关参数，求解出图像变换矩阵，进行图像拼接，获得初步拼接图像；S5：通过采用渐入渐出加权融合算法对初步拼接图像中的重叠区域进行融合处理，去除图像拼接的痕迹，得到拼接图像。本发明所提供的算法改进了ORB算法的特征点匹配步骤，在运行速度上具有很大提升，缩短了匹配时间，同时匹配准确度有一定提高，图像拼接质量好，满足了高分辨率图像拼接的快速准确拼接的使用需求。

技术领域

本发明属于图像处理技术领域，涉及一种基于ORB特征的高分辨率图像拼接改进算法。

背景技术

随着社会经济与科学技术的快速发展，越来越多的地方与场所都开始安装使用各种类型的视频监控设备，例如工厂企业内一些危险局域、人流密集的公共交通场合。传统的人工进行监控的方式已经开始逐渐淘汰，进而选择依靠视频监控代替落后的传统监控方式。然而，现有的视频监控装置大多数是采用固定位置拍摄采集的，单个摄像装置获取的视频画面视野有限，有视觉盲区区域，会存在安全隐患。若通过鱼眼镜头进行拍摄，监控画面会存在较大的畸变现象，影响视频监控效果。随着图像拼接技术的应用，现在可以采用多台摄像装置进行组合，形成大视场无死角的视频监控系统。

图像拼接技术一直是计算机视觉领域与数字图像处理技术中非常重要且热门的一个研究方向，其研究目的为了获取更大的视野与更高的分辨率的数字图像，通过将两张或多张不同视角或不同传感器获得具有相同区域的数字图像，进行一系列的图形几何变换关系，拼接得到单张更大视野更高质量的图像。目前，图像拼接处理技术已经在移动虚拟增强现实图像技术、遥感远程监控图像、医疗卫生影像数据分析、视频图像监控等诸多应用发展场景中逐渐得到了广泛性的关注和推广应用。

Lowe D G等人总结并发表了尺度不变特征转换SIFT(Scale Invariant FeatureTransform)算法，具有里程碑意义，能够在图像的大小与角度发生变化时，仍保持良好的性能，拼接效果优异，得到快速的推广与应用。但SIFT算法运算时间较长，匹配速度不够快。针对SIFT算法的特征点描述向量维度较高、算法复杂度较大、运算消耗费时较长等缺陷。Bay等人提出了SIFT算法的改进版——SURF(Speeded Up Robust Features)算法，通过减少和降低图像提取出特征点的描述的维数，该算法极大地提高了SIFT算法的计算和处理速度，但匹配精度不够高。

目前，研究改进的图像拼接算法，往往过于注重图像拼接的准确性，对图像拼接处理的实时性和稳定性有所忽视。而且现有的图像拼接算法处理的图像分辨率依旧较低，无法完成对高分辨率图像的快速处理，随着图像采集设备的快速发展，采集图像的分辨率变得越来越高。但现有图像拼接算法处理速度较慢，往往只能处理较低分辨率的图像，无法达到实际应用的高分辨率的需求，应用推广仍存在很大的限制。

发明内容

本发明目的在于提供一种基于ORB特征的高分辨率图像拼接改进算法，所述方法包括如下步骤：

S1：对拼接图像进行特征点提取；

S2：对S1中提取的特征点实现快速粗匹配；

S3：对S2中进行粗匹配点进行优化，剔除错误的匹配点阵；

S4：通过计算单应性变换矩阵的相关参数，求解出图像变换矩阵，进行图像拼接，获得初步拼接图像；

S5：通过采用渐入渐出加权融合算法对初步拼接图像中的重叠区域进行融合处理，去除图像拼接的痕迹，得到拼接图像。

本发明所提供的基于ORB特征的高分辨率图像拼接改进算法，还具有这样的特征，所述S1中采用FAST算法对拼接图像的特征点进行提取，然后将提取的特征点进行BRIEF算法描述。