一種基于圖像特征點(diǎn)的最優(yōu)投影柱面半徑確定方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像拼接技術(shù)領(lǐng)域，特別涉及一種基于圖像特征點(diǎn)的柱面變換半徑確 定方法。
【背景技術(shù)】
[0002] 圖像拼接技術(shù)從出現(xiàn)以來(lái)一直是圖像處理領(lǐng)域的研究熱點(diǎn)，是獲得大視角圖像的 主要技術(shù)手段之一，通過數(shù)幅甚至數(shù)十幅以上有重疊的小視角，小分辨率圖像，配準(zhǔn)拼接融 合出一幅保留原來(lái)所有圖像信息的高分辨廣角圖像，廣泛應(yīng)用在航空航天，醫(yī)學(xué)技術(shù)，軍事 領(lǐng)域。圖像拼接技術(shù)不僅能有效避免廣角鏡頭因?yàn)槲锢碓蛟斐傻膱D像邊緣畸變，還具有 成本低，效果好，視覺質(zhì)量高的巨大優(yōu)勢(shì)。
[0003] 柱面圖像拼接作為圖像拼接技術(shù)一個(gè)很重要的方法，是當(dāng)今全景圖像拼接的主要 手段。其原理是將一系列的待拼接圖像投影到一個(gè)統(tǒng)一的圓柱面上，對(duì)投影完成的柱面圖 像再進(jìn)行圖像拼接操作，可以有效的避免圖像拼接過程中產(chǎn)生的偏折錯(cuò)位問題，而且柱面 拼接更加符合人眼的特性，視覺質(zhì)量有很大的提高。但是該過程必須知道拍攝一系列待拼 接圖像時(shí)攝像機(jī)的焦距值，才能確定投影圓柱面的半徑。因此，傳統(tǒng)意義上的柱面圖像拼接 應(yīng)用范圍受到了極大地限制。在不清楚相機(jī)焦距的情況下如何確定柱面變換半徑，對(duì)于整 個(gè)柱面圖像拼接過程，起著至關(guān)重要的作用。
[0004] 目前可以確定圖像焦距的方法主要有兩種，一種是基于模糊判定的方法，另外一 種是基于多視點(diǎn)幾何的方法。前者通過模擬相機(jī)鏡頭的特性，基于概率，通過對(duì)圖像進(jìn)行多 尺度的比對(duì)，優(yōu)化選出一個(gè)合適的焦距值。但是該方法計(jì)算效率差，在復(fù)雜場(chǎng)景下，計(jì)算結(jié) 果并不理想?；诙嘁晭缀蔚姆椒?，是現(xiàn)在主要的方法，根據(jù)序列圖像中某些特征，通過幾 何關(guān)系，列出一系列方程組，求解出相應(yīng)的參數(shù)變量。這種方法的優(yōu)點(diǎn)是計(jì)算精確度高，缺 點(diǎn)是理論復(fù)雜，計(jì)算量非常巨大，對(duì)誤差十分敏感且對(duì)攝像機(jī)設(shè)備要求較高。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的發(fā)明目的在于：針對(duì)傳統(tǒng)柱面圖像拼接中必須知道拍攝時(shí)的焦距來(lái)做柱 面變換半徑的弊端，提供了一種在圖像拼接處中，基于圖像特征點(diǎn)的柱面變換半徑確定方 法應(yīng)來(lái)擴(kuò)展柱面全景圖像的應(yīng)用范圍，提高攝像機(jī)焦距未知情況下拼接圖像的視覺效果。
[0006] 本發(fā)明的基于圖像特征點(diǎn)的柱面變換半徑確定方法，包括下列步驟：
[0007] 步驟1 :輸入待拼接圖像序列；
[0008] 步驟2:提取待拼接圖像序列中有重疊區(qū)域的兩幅，提取并匹配該組圖像的圖像 特征點(diǎn)對(duì)。為了提高對(duì)復(fù)雜場(chǎng)景的適應(yīng)性，本方法采用SIFT特征點(diǎn)作為圖像特征點(diǎn)。即首 先提取兩幅圖像的SIFT特征點(diǎn)，通過兩幅圖像特征點(diǎn)描述子之間的歐式距離匹配圖像特 征點(diǎn)（基于預(yù)設(shè)的閾值，通常設(shè)置為〇. 5)，得到匹配完成的SIFT特征點(diǎn)對(duì)集合；
[0009] 步驟3 :剔除不穩(wěn)定的錯(cuò)誤的匹配，計(jì)算兩幅圖像間的幾何變換矩陣。由于采用 閾值方法匹配的特征點(diǎn)對(duì)會(huì)存在不穩(wěn)定的錯(cuò)配現(xiàn)象，因此，需要剔除不穩(wěn)定的匹配。為了 進(jìn)一步提高剔除效果，本文采用隨機(jī)抽樣一致性算法來(lái)對(duì)匹配的特征點(diǎn)對(duì)進(jìn)行篩選，得 到及其穩(wěn)定的匹配特征點(diǎn)對(duì)集合。在該點(diǎn)對(duì)集合的基礎(chǔ)上，我們定義圖像幾何變換矩陣
均為圖像幾何變換參數(shù)。利用已經(jīng)匹配的特征點(diǎn)對(duì)坐標(biāo)，根據(jù)X=Hy，列出方程組計(jì)算該幾 何變換矩陣。X=[Xyl]T，y=[uV1]T，分別為已經(jīng)匹配的特征點(diǎn)對(duì)幾何中的一組匹配 點(diǎn)。
[0010] 步驟4 :列出觀測(cè)方程：為了進(jìn)一步提高焦距值計(jì)算效率，本文采用中心成像模型
成像模型可以用下式描述：
[0011]u=K (RX+t)
[0012]其中，u=[uV1]T為相機(jī)投影成像點(diǎn)（u,v)的增廣矩陣，X=[xyz1]T為實(shí) 際點(diǎn)（x，y，z)的增廣矩陣。R，t分別為旋轉(zhuǎn)矩陣與平移矩陣。
的旋轉(zhuǎn)矩陣分別為Ru，Rv，平移矩陣分別為tu，tv。
[0014] 針對(duì)某個(gè)世界坐標(biāo)下的實(shí)際點(diǎn)x= (x，y，z)，由于在兩幅圖像上其對(duì)應(yīng)的是一對(duì) 匹配特征點(diǎn)U= (ux,uy),V= (vx,vy)。其對(duì)應(yīng)的增廣矩陣分別為：X=[Xyz1]T，U= [ux uy 1]T,v= [vxvyl]T〇
[0015] 根據(jù)中心成像模型，上述變量符合方程組：
[0021] 步驟5 :求解優(yōu)化焦距參數(shù)，計(jì)算最佳柱面半徑值：由步驟4得出的觀測(cè)方程和 約束方程均為含有大量未知參數(shù)的非線性問題，并不存在一個(gè)特定的精確解向量。因此， 本方法采用捆綁調(diào)整策略，求解符合預(yù)設(shè)條件的最優(yōu)解向量。首先定義誤差函數(shù)e= E1E#0?-?)2;其中Hi1,是世界坐標(biāo)系中某點(diǎn)在圖像上的測(cè)量點(diǎn)，Ul]為計(jì)算后的投影點(diǎn)。 設(shè)觀測(cè)方程?(/) = X_；V-RliiyRiK/，約束方程屮(f)=窗X窗窗二0; 根據(jù)捆綁調(diào)整策略，求解的最優(yōu)解向量應(yīng)滿足誤差函數(shù)小于預(yù)設(shè)值。首先，為焦距設(shè)定初 值0。初值的設(shè)定是可以根據(jù)每幅圖像的視角寬度9而大體估算，其與焦距的對(duì)應(yīng)關(guān)系為
[0022] 將初值代入觀測(cè)方程? (f) = ? (f°)+BSf =L+SL;
[0023] 將初值代入約束方程W(f) =W(f°)+CSf = 0。
[0025] 求解觀測(cè)方程與約束方程，計(jì)算優(yōu)化參數(shù)f的修正值Sf。
[0026]對(duì)優(yōu)化參數(shù)f進(jìn)行更新：f1=f°+Sf。將更新過的f1再次代入觀測(cè)方程和約束方 程進(jìn)行求解，并繼續(xù)更新優(yōu)化參數(shù)f，直至誤差函數(shù)e的值小于預(yù)設(shè)條件，此時(shí)的優(yōu)化參數(shù)， 就是我們要求取的每個(gè)相機(jī)的焦距值f。
[0027] 設(shè)參與拼接的圖像有n張，重復(fù)上述步驟，求解出最優(yōu)的相機(jī)焦距值集合
[0028] 綜上所述，由于采用了上述技術(shù)方案，本發(fā)明的有益效果是：本發(fā)明在柱面圖像拼 接處理中，基于圖像特征點(diǎn)實(shí)現(xiàn)了對(duì)未知焦距的待拼接圖像的焦距確定，從而極大地?cái)U(kuò)展 了全景柱面圖像拼接的應(yīng)用范圍，提高了全景拼接圖像的觀賞質(zhì)量。
【附圖說明】
[0029] 圖1是本發(fā)明【具體實(shí)施方式】的處理流程圖；
[0030] 圖2是本發(fā)明【具體實(shí)施方式】中，觀測(cè)方程和約束方程的幾何示意圖。
【具體實(shí)施方式】
[0031] 為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面結(jié)合實(shí)施方式和附圖，對(duì)本發(fā) 明作進(jìn)一步地詳細(xì)描述。
[0032] 實(shí)施例
[0033] 參見圖1，基于本發(fā)明的柱面變換半徑確定方法對(duì)待拼接圖像序列（imagel， image2,image3，…，ima