[发明专利]一种前扫声纳图像拼接方法

摘要

本发明涉及一种前扫声纳图像拼接方法。本方法包括：通过SURF算法实现参考声纳图像与其相邻帧的待匹配声纳图像之间的特征点匹配；通过变换模型估计计算出参考声纳图像与待匹配声纳图像之间的单应变换矩阵，将待匹配声纳图像的特征点一一映射到参考声纳图像的坐标系中，再经过图像插值实现参考图像与待匹配之间的配准；不断重复上述步骤实现声纳序列中所有声纳图像的配准，然后通过亮度调整、图像融合实现声纳图像的拼接。本发明的方法能够解决DIDSON在水下监测过程中，声纳图像分辨率低、探测范围视角小的问题；通过声纳图像拼接，将一系列声纳图像拼接成一个分辨率高、大范围的声纳图像，使DIDSON能够同时监测较大范围的水下环境。

主权项

一种前扫声纳图像拼接方法，其特征在于操作步骤如下：（1）声纳图像输入；（2）特征点检测和描述：通过SURF算法实现待匹配声纳图像与参考声纳图像之间的特征点检测和描述：首先对图像进行积分处理，这样可以大幅减少运算量，然后运用近似的Hessian矩阵检测特征点，实现了特征点的检测；利用特征点某个小邻域内的灰度分布信息，使用一阶Haar小波在x、y两个方向的响应作为构建特征向量的基础，实现特征点的描述；（3）特征点匹配：利用计算特征向量间欧式距离的方法来实现参考图像与待匹配图像之间的特征点匹配：当两幅图像的SURF特征向量生成后，采用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；首先取参考图像中的某个特征点并在待匹配中找出与该点欧式距离最近和次近的两个特征点，如果最近距离与次近距离的比例小于60%，则认为最近的这一对特征点为对应的匹配点对；遍历参考图像中的特征点，找出所有潜在的匹配点对；（4）变换模型估计：通过两幅图像之间的特征点匹配关系，估计两幅图像之间的几何变换模型：采用628个分布均匀的匹配点对，通过直接线性变换算法求取变换矩阵的最小二乘解，实现对单应矩阵H的估计；     （5）坐标映射和图像插值：通过单应矩阵H把待匹配图像中的每一点映射到参考图像中，并对图像进行插值处理：在完成几何变换模型的估计之后，利用得到的单应矩阵H把待匹配图像中的每一点映射到参考图像的坐标系中去；运用双线性插值方法处理图像，对那些映射后没有落到整数网格上的点进行取整处理；（6）图像配准：选择第一帧声纳图像作为参考图像，第二帧声纳图像作为待匹配图像，对第一帧和第二帧声纳图像进行步骤（2）～（5）的配准处理；然后每次将前一次得到的配准图像作为参考图像，与下一帧声纳图像进行配准，直至完成整个声纳图像序列的配准工作，实现所有待匹配声纳图像之间的配准；    （7）图像融合：通过灰度拉伸调整配准后声纳图像的亮度，运用一种边界保持的加权平滑算法实现声纳图像的融合：采用了图像灰度拉伸的方法来改善图像的对比度，将不同帧图像的亮度调整一致，增强图像的分辨率；然后运用一种边界保持的加权平滑算法来实现配准后图像的融合；至此，就完成了所有前扫声纳图像的拼接。