[发明专利]一种多矩阵顶点融合拼接方法、系统、电子设备

说明书

本发明提供一种多矩阵顶点融合拼接方法、系统、电子设备，通过分别提取目标图像和参考图像中的特征点，并构建对应的特征点集C和特征点集D；初始匹配目标图像和参考图像的特征点集C和特征点集D，得到初始匹配对；筛选初始匹配对，并利用计算出的仿射变换矩阵H配准图像；依次融合并自动矫直配准后的图像。本发明使用的多矩阵顶点融合算法，对拼接的图片进行双向矩阵计算，并计算出最终矩阵，弥补了单矩阵计算方式的不足，使得拼接图片更加自然，消除了拼接图像的倾斜扭曲现象，提高了图像拼接方法的准确性。

技术领域

本发明涉及图像拼接技术领域，尤其涉及一种多矩阵顶点融合拼接方法、系统、电子设备。

背景技术

图像拼接技术就是将数张有重叠部分的图像，例如可能是不同时间、不同视角或者不同传感器获得的图像，将它们拼成一幅无缝的全景图或高分辨率图像的技术。

现有的多图全景拼接技术在拼接图片序列时，由于拍摄设备的拍摄角度的视角变化，在拼接图片时会导致拼接完成的图像存在倾斜扭曲现象，影响到拼接图像质量。

因此，有必要提供一种多矩阵顶点融合拼接方法、系统、电子设备解决上述技术问题。

发明内容

为解决上述技术问题，本发明提供一种多矩阵顶点融合拼接方法、系统、电子设备。

本发明提供的一种多矩阵顶点融合拼接方法，包括：

分别提取目标图像和参考图像中的特征点，并构建对应的特征点集C和特征点集D；

初始匹配目标图像和参考图像的特征点集C和特征点集D，得到初始匹配对；

筛选初始匹配对，并利用计算出的仿射变换矩阵H配准图像；

依次融合并自动矫直配准后的图像。

优选的，所述分别提取目标图像和参考图像中的特征点，包括：

利用A-KAZE算法提取目标图像和参考图像中的特征点。

优选的，所述利用A-KAZE算法提取目标图像和参考图像中的特征点，包括：

对目标图像和参考图像进行非线性扩散滤波；

获取目标图像和参考图像中特征点的位置信息；

采用二进制描述子M-LDB描述特征点。

优选的，所述初始匹配目标图像和参考图像的特征点集C和特征点集D，包括：

从目标图像特征点集C中寻找两个最临近的特征点P₁、P₂，并分别计算目标图像特征点至P₁的欧氏距离为D₁，至P₂的欧式距离D₂；

从参考图像特征点集D中寻找两个最临近的特征点Q₁、Q₂，并分别计算目标图像特征点至Q₁的欧氏距离为D₁₁，至Q₂的欧式距离D₂₂；

匹配出特征点距离误差满足阈值条件的初始匹配对。

优选的，所述匹配出特征点距离误差满足阈值条件的初始匹配对，包括：

若D₁/D₂≤设定的距离误差R，则将对应的匹配特征点加入集合A；

若D₁₁/D₂₂≤设定的距离误差R，则将对应的匹配特征点加入集合B；

提取集合A和集合B中的共同匹配特征点，作为初始匹配对。

优选的，所述筛选初始匹配对，并利用计算出的仿射变换矩阵H配准图像，包括：

从初始匹配对中选取m对匹配对，经过多次迭代计算出仿射变换矩阵H，矩阵H如下：

H=