【技術實現步驟摘要】
本專利技術涉及圖像處理，特別是一種圖像拼接處理方法及裝置。
技術介紹
1、在計算機視覺與圖像處理領域，圖像拼接技術作為一種重要的信息融合手段，近年來得到了廣泛的研究和發展。隨著數字攝影技術的進步和智能設備的普及，用戶能夠輕松獲取大量的高分辨率圖像。然而，單幅圖像往往無法全面地捕捉復雜的場景或廣袤的視野，這促使了對多張圖像進行拼接以形成全景圖的需求。
2、現有的圖像拼接解決方案仍然存在若干局限性，首先，對于特征點匹配而言，傳統方法通常只考慮局部幾何關系，忽略了全局上下文信息的影響，容易導致錯誤匹配；此外，從初步全景圖到最終輸出的過程中，缺乏有效的優化機制來解決邊界不連續、亮度不均勻等問題，影響了最終生成圖像的質量。
技術實現思路
1、鑒于上述現有存在的問題，提出了本專利技術。
2、因此，本專利技術提供了一種圖像拼接處理方法解決從初步全景圖到最終輸出的過程中，缺乏有效的優化機制來解決邊界不連續、亮度不均勻等問題，影響了最終生成圖像的質量的問題。
3、為解決上述技術問題，本專利技術提供如下技術方案：
4、第一方面，本專利技術提供了一種圖像拼接處理方法，其包括，
5、接收一組待拼接的圖像，并進行矯正；
6、提取矯正后的圖像的特征點位置及其對應的子向量；
7、計算不同圖像的特征點之間的相似度分數，進行特征點的匹配；
8、基于完成匹配的特征點建立圖像組合模型，得到初步全景圖；
9、基于物
10、對拼接圖像集合進行全局優化、拼接，輸出完整的全景圖。
11、作為本專利技術所述圖像拼接處理方法的一種優選方案，其中：接收一組待拼接的圖像，并進行矯正，具體包括如下步驟，
12、對圖像進行白平衡矯正和色彩調整；
13、對色彩調整后的圖像進行直方圖均衡化和去噪濾波。
14、作為本專利技術所述圖像拼接處理方法的一種優選方案，其中：提取矯正后的圖像的特征點位置及其對應的子向量，具體包括如下步驟，
15、對矯正后的圖像進行標準化處理，并評估圖像中局部區域的內容復雜度；
16、根據內容復雜度設定調整特征點提取的密度和尺度；
17、將標準化后的圖像輸入深度卷積神經網絡，獲取特征響應圖；
18、從特征響應圖中提取局部最大值作為特征點，形成每個圖片的特征點集合；
19、提取每個圖片的特征點周圍固定大小的感受野，并基于感受野生成固定維度的特征描述向量，將所有圖片的特征描述向量整合為特征描述向量集合。
20、作為本專利技術所述圖像拼接處理方法的一種優選方案，其中：計算不同圖像的特征點之間的相似度分數，進行特征點的匹配，具體包括如下步驟，
21、使用歐氏距離計算每個圖像的特征描述向量的距離，并根據距離進行每個特征點的匹配，其表達式為：
22、；
23、其中，表示特征描述向量和特征描述向量的歐式距離，表示圖像中第個特征點的特征描述向量，表示圖像中第個特征點的特征描述向量，表示特征描述向量的維度，表示特征描述向量的第維分量，表示特征描述向量的第維分量；
24、對于每個圖片的特征點的特征描述向量，根據歐式距離在其他圖像的特征描述向量集合中找到最近鄰匹配點；
25、執行雙向匹配驗證，確認當前的特征點和當前最近鄰匹配點的特征點是否互為最近鄰，得到初步篩選的特征點匹配對；
26、使用ransac對特征點匹配對進行幾何一致性驗證，得到幾何一致性得分；
27、將特征描述向量之間的歐式距離轉化為相似性分數；
28、根據特征點匹配對的幾何一致性得分和相似性分數設置獎勵函數，得到獎勵值；
29、使用非線性函數和縮放因子對相似性分數進行調整；
30、對調整后的相似性分數應用sigmoid函數，得到歸一化的相似性評分；
31、將歸一化的相似性評分與獎勵值進行計算，得到匹配對的保留貢獻；
32、對時間區間內的保留貢獻進行積分，得到匹配對的累積保留可能性；
33、遍歷每個圖片的特征點，計算每個匹配對的時間積分，并將每個匹配對的時間積分結果進行求和；
34、根據匹配對的累積保留可能性和每個匹配對的時間積分求和結果進行計算，得到匹配對的保留概率，其表達式為：
35、；
36、其中，表示圖像中第個特征點與圖像中第個特征點構成的匹配對在最終決策中被保留的概率，表示匹配對的獎勵值，表示sigmoid函數，表示縮放因子，表示對相似性評分進行非線性調節的函數，表示匹配對的相似性分數，表示圖像一中的特征點總數量，表示圖像二中的特征點總數量，表示強化學習的起始時間，表示強化學習的結束時間；
37、設置配對閾值，當匹配對在最終決策中被保留的概率大于閾值，則保留配對。
38、作為本專利技術所述圖像拼接處理方法的一種優選方案，其中：基于完成匹配的特征點建立圖像組合模型，得到初步全景圖，具體包括如下步驟，
39、從圖像集合中選取一對重疊區域最大的相鄰圖像作為拼接的起點；
40、使用sift算法提取重疊區域最大的一對相鄰圖像的特征點，并找到兩個圖像特征點的最近鄰匹配對；
41、對于特征點應用單應性矩陣描述兩幅圖像之間的幾何變換關系，其表達式為：
42、；
43、其中，表示圖像和圖像的幾何變換關系，表示圖像的特征點的二維坐標，表示圖像的特征點的二維坐標，表示圖像和圖像之間所有匹配的特征點對，表示圖像的特征點的二維坐標在單應性矩陣下變換后的投影位置，表示求解最優的幾何變換關系；
44、將圖像按照兩幅圖像之間的幾何變換關系，變換到圖像的坐標系下，并對重疊區域進行線性混合拼接，形成初始小范圍全景圖；
45、從剩余圖像中選擇與當前全景圖重疊程度最大的圖像，重新進行特征點提取、匹配和變換矩陣方法，直至完成整個初始全景圖。
46、作為本專利技術所述圖像拼接處理方法的一種優選方案，其中：基于物理模型對初步全景圖中的組成圖像進行幾何矯正，得到拼接圖像集合，具體包括如下步驟，
47、通過標準棋盤格得到相機的焦距和主點偏移；
48、使用徑向和切向畸變模型描述鏡頭畸變，并將畸變像素點映射回無畸變像素點坐標；
49、通過逆向映射求解無畸變坐標的方法，遍歷圖中的每個像素點；
50、使用插值法對畸變校正導致圖像邊緣出現的空白區域進行填補，得到經過幾何校正的圖像集合。
51、作為本專利技術所述圖像拼接處理方法的一種優選方案，其中：對拼接圖像集合進行全局優化、拼接，輸出完整的全景圖，具體包括如下步驟，
52、基于圖像集合，根據單應性矩陣計算每對相鄰圖像的重疊區域；
53、在重疊區域內為每幅圖像分配權重，本文檔來自技高網...
【技術保護點】
1.一種圖像拼接處理方法，其特征在于：包括，
2.如權利要求1所述的圖像拼接處理方法，其特征在于：接收一組待拼接的圖像，并進行矯正，具體包括如下步驟，
3.如權利要求2所述的圖像拼接處理方法，其特征在于：提取矯正后的圖像的特征點位置及其對應的子向量，具體包括如下步驟，
4.如權利要求3所述的圖像拼接處理方法，其特征在于：計算不同圖像的特征點之間的相似度分數，進行特征點的匹配，具體包括如下步驟，
5.如權利要求4所述的圖像拼接處理方法，其特征在于：基于完成匹配的特征點建立圖像組合模型，得到初步全景圖，具體包括如下步驟，
6.如權利要求5所述的圖像拼接處理方法，其特征在于：基于物理模型對初步全景圖中的組成圖像進行幾何矯正，得到拼接圖像集合，具體包括如下步驟，
7.如權利要求6所述的圖像拼接處理方法，其特征在于：對拼接圖像集合進行全局優化、拼接，輸出完整的全景圖，具體包括如下步驟，
8.一種圖像拼接處理裝置，基于權利要求1~7任一所述的圖像拼接處理方法，其特征在于：包括，
9.一種計算機設備
10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于：所述計算機程序被處理器執行時實現權利要求1~7任一所述的圖像拼接處理方法的步驟。
...【技術特征摘要】
1.一種圖像拼接處理方法，其特征在于：包括，
2.如權利要求1所述的圖像拼接處理方法，其特征在于：接收一組待拼接的圖像，并進行矯正，具體包括如下步驟，
3.如權利要求2所述的圖像拼接處理方法，其特征在于：提取矯正后的圖像的特征點位置及其對應的子向量，具體包括如下步驟，
4.如權利要求3所述的圖像拼接處理方法，其特征在于：計算不同圖像的特征點之間的相似度分數，進行特征點的匹配，具體包括如下步驟，
5.如權利要求4所述的圖像拼接處理方法，其特征在于：基于完成匹配的特征點建立圖像組合模型，得到初步全景圖，具體包括如下步驟，
6.如權利要求5所述的圖像拼接處理方法，其特征在于：基于物理模型...
【專利技術屬性】
技術研發人員：任國斌，
申請(專利權)人：凱新創達深圳科技發展有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。