[发明专利]一种前扫声纳图像序列拼接方法

权利要求书

1.一种前扫声纳图像拼接方法，其特征在于：通过下列步骤实现声纳图像序列的无缝拼接：

1）声纳图像预处理：去除声纳图像的噪声以及提高对比度；

2）特征点双重检测：为提高声纳图像特征点的检测精度；

3）特征点对双重校验：为提高特征点对匹配的精度；

4）序列图像单应矩阵求解：用于拼接声纳图像序列；

5）图像融合：为消除声纳图像拼接后的接缝。

2.根据权利要求1所述的前扫声纳图像拼接方法，其特征在于：所述步骤（1）声纳图像预处理的具体步骤是：

①采用高斯平滑的方法来去除高斯噪声；

②采用基于图像灰度拉伸的方法来改善了图像的对比度。

3.根据权利要求1所述的前扫声纳图像拼接方法，其特征在于，所述步骤（2）中的特征点双重检测的具体步骤是：

①将声纳图像转换成积分图像：对于积分图像中某点                                                ，，该点的值用表示计算如公式(1)所示；

                        （1）

②利用Hessian矩阵计算图像的兴趣点：计算图像中一点在不同尺度下的Hessian矩阵行列式的局部最大值，图像中任意一点，该点在尺度下的Hessian矩阵定义为

                   （2）

式中：表示高斯二阶偏导在处的卷积；、具有相似的含义；③构建尺度空间：采用不断增大盒子滤波模板的尺寸建立图像金字塔；

④特征点的确定：通过筛选滤波响应并对筛选的点进行处理，将每一个筛选的点与同尺度的8个像素点和上下相邻尺度各9个点一共26个点进行比较，求得局部极大值点即为特征点；

⑤特征点的描述：分别求出特征点在x、y方向上的梯度，以这两个方向为坐标轴建立坐标系，将个点的响应映射到坐标系中，累加在各方向一定范围内的小波响应，将获得最大响应的方向确定为梯度的主方向，并且在主方向上建立特征点的描述向量，最终得到每个特征点的64维特征向量；

⑥无特征点的剔除：检测提取的特征点是否在声纳图像的检测区域内，将不在声纳图像检测区域内的特征点以及对应的特征向量剔除。

4.根据权利要求1所述的前扫声纳图像拼接方法，其特征在于：所述步骤（3）特征点对双重校验的具体步骤是：①特征点匹配：当两幅图像的SURF特征向量生成后，采用下式特征向量间欧式距离作为两幅图像中特征点的相似性判定度量：

                        （3）

其中，表示特征向量间的欧式距离；表示图像中任意一点；表示图像中任意一点；表示描述子向量中第个分量；、分别表示图像、描述子向量的第个分量；为特征向量的维数，这里；首先取参考图像的某个特征点并在待匹配图像中找出与该点欧式距离最近和次近的两个特征点，如果最近距离的平方与次近距离平方的比例小于60%，则认为最近的这一对特征点为对应的匹配对；遍历参考图像中的特征点，找出所有潜在的匹配点对；

②采用随即抽样一致（RANSAC）算法剔除误匹配点对。