一種避免全景圖像錯位的融合方法技術
【技術實現步驟摘要】
本專利技術涉及圖像通信
，尤其是涉及魚眼圖像拼接
技術介紹
魚眼圖像拼接是一種利用實景圖像組成全景空間的技術，目前的魚眼圖像拼接技術主要有兩種方案：第一種方案是用一個常規鏡頭的投影變換和多項式畸變校正技術用校正模板圖像對鏡頭畸變參數進行畸變校正，生成一組中間校正后的2D圖像，然后采用2D圖像配準技術對校正后的圖像元進行2D配準，最后對配準的兩幅圖像進行融合。第二種方案是把魚眼圖像的徑向畸變校正參數和圖像元的位姿參數作為一體，整體用最優化技術進行參數估計，最后調用參數映射表對鏡頭單元圖像進行圖像拼接。這些方法在圖像融合過程中如果采用直接融合的方法(例如：平均值法、加權平均法、中值濾波法)，會導致生成的全景圖像因為重疊區域的細節差異而出現明顯的拼接縫。為了解決拼接縫這個技術問題，目前常用的方法是采用動態規劃和graph-cut的方法來查找最優融合中心線，具體來說就是利用兩幅圖像重疊區域內像素之間的灰度差異和顏色差異，在重疊區域中找到一條灰度和顏色差異最小的線，這條線就被稱為最優融合中心線。在中國專利公布號CN105957007A中介紹了一種基于最優融合線的加權融合方法，它采用graph-cut的最優縫合線算法來找出重合區域中差異最小的劃分線，然后利用加權平均法在最優縫合線L周圍對待拼接的圖像像素值進行融合，該最優縫合線算法基于像素級尋找差異最小的劃分線，在對重疊區域中內容豐富的地方進行加權平均融合時，會產生較大的模糊現象。在中國專利公布號CN103856727A中介紹了一種結合顏色和結構差異最小的最優縫合線算法，利用人工智能中的啟發式A*搜索...
【技術保護點】
一種避免全景圖像錯位的融合方法，其特征在于，所述方法包括：獲取同一時刻魚眼鏡頭采集的多幅魚眼圖像，從中取出融合區；在所述融合區內找出最優融合中心線；利用最優融合中心線計算線性映射查找表；根據線性映射查找表進行圖像融合；在所述融合區內找出最優融合中心線的步驟包括：計算融合區的所述邊緣特征；計算邊緣特征的差異性同時利用這個差異性使相互重疊的區域對準；在對準后的融合區域內根據所述融合區的邊緣特征及灰度差值找出最優融合中心線；所述計算融合區的所述邊緣特征的具體步驟如下：利用Canny邊緣檢測算子提取所述融合區中相互重疊的區域I1和I2的邊緣特征，其中第一步：利用高斯濾波模板平滑I1和I2：首先生成方差σ＝1.4的高斯濾波模板h(x，y，σ)，然后對I1和I2進行高斯平滑處理，得到去除噪聲后的相互重疊區域g1(x，y)和g2(x，y)，I1和I2內(x,y)處灰度化后灰度值分別用I1(x,y)和I2(x,y)表示，所用公式如下所示：h(x,y,σ)=12πσ2exp(-x2+y22σ2)∀x∈1......H,&ForAll...
【技術特征摘要】
1.一種避免全景圖像錯位的融合方法，其特征在于，所述方法包括：獲取同一時刻魚眼鏡頭采集的多幅魚眼圖像，從中取出融合區；在所述融合區內找出最優融合中心線；利用最優融合中心線計算線性映射查找表；根據線性映射查找表進行圖像融合；在所述融合區內找出最優融合中心線的步驟包括：計算融合區的所述邊緣特征；計算邊緣特征的差異性同時利用這個差異性使相互重疊的區域對準；在對準后的融合區域內根據所述融合區的邊緣特征及灰度差值找出最優融合中心線；所述計算融合區的所述邊緣特征的具體步驟如下：利用Canny邊緣檢測算子提取所述融合區中相互重疊的區域I1和I2的邊緣特征，其中第一步：利用高斯濾波模板平滑I1和I2：首先生成方差σ＝1.4的高斯濾波模板h(x，y，σ)，然后對I1和I2進行高斯平滑處理，得到去除噪聲后的相互重疊區域g1(x，y)和g2(x，y)，I1和I2內(x,y)處灰度化后灰度值分別用I1(x,y)和I2(x,y)表示，所用公式如下所示：h(x,y,σ)=12πσ2exp(-x2+y22σ2)∀x∈1......H,∀y∈1......W]]>g1(x,y)=h(x,y,σ)*I1(x,y)∀x∈1......H,∀y∈1......W]]>g2(x,y)=h(x,y,σ)*I2(x,y)∀x∈1......H,∀y∈1......W;]]>第二步：利用一階偏導的有限差分計算梯度的幅值和方向：已經平滑濾波后的相互重疊區域g1(x，y)和g2(x，y)的梯度可以用2*2的一階有限差分近似式來計算x和y方向上的偏導數；以g1(x，y)為例，g1(x，y)在x和y方向上的偏導數分別為Gx(x，y)和Gy(x，y)表示：Gx(x,y)=I1(x+1,y)-I1(x,y)+I1(x+1,y+1)-I1(x,y+1)2;]]>Gy(x,y)=I1(x,y+1)-I1(x,y)+I1(x+1,y+1)-I1(x+1,y)2;]]>根據x與y方向的梯度可以計算g1(x，y)像素點的梯度幅值G(x，y)與角度θ(x，y)：G(x,y)=Gx2(x,y)+Gy2(x,y)∀x∈1......H,∀y∈1......W]]>θ(x,y)=tan-1(Gy(x,y)/Gx(x,y))∀x∈1......H,∀y∈1......W]]>第三步：對梯度幅值進行非極大值抑制；將梯度角離散為圓周的四個扇區之一，然后用3*3的模板作抑制運算；對于每個像素點，鄰域的中心像素梯度值G(x，y)與沿著梯度線的兩個像素的梯度值相比，如果G(x，y)不比沿梯度線的兩個相鄰像素梯度值大，則令G(x，y)＝0；第四步：用雙閾值算法檢測和連接邊緣：對非極大值抑制后的g1(x，y)用低閾值t1和高閾值t2進行判斷，其中t1＝0.4×t2；把任意邊緣像素梯度值小于t1的像素丟棄，把任意邊緣像素梯度值大于t2的像素保留，把任意邊緣像素梯度值在t1與t2之間的，如能通過邊緣連接到一個像素大于t2而且邊緣所有像素大于最小閾值t1的則保留，否則丟棄；對一個融合區，利用雙閾值算法檢測得到融合區的邊緣特征G1(x，y)和G2(x，y)；所述計算邊緣特征的差異性同時利用這個差異性使相互重疊的區域對準的步驟包括如下子步驟：計算邊緣特征G1(x，y)和G2(x，y)的絕對誤差值dg(x，y)：dg(x,y)=|G1(x,y)-G2(x,y)|∀x∈1......H,∀y∈1......W]]>對絕對誤差值按列求和得到累加誤差值向量Dg(y)：Dg(y)=Σx=1Hdg(x,y)∀x∈1......H,∀y∈1......W]]>移動重疊區域使計算的邊緣特征的差值最小：取累加誤差值向量Dg(y)中最小元素Dmin，然后固定G1(x，y)，將G2(x，y)向下平移Dmin行，向下超出的部分丟掉，向上空白的部分用G1(x，y)中對應部分填補，之后將G1(x，y)和G2(x，y)做絕對差值運算并且保存在最小邊緣差異Emin中，然后按照步長為1依次向上移動G2(x，y)，同時對G1(x，y)和G2(x，y)做絕對差值運算，將得到的邊緣差異和Emin相比較，如果比Emin小，那么用所述邊緣差異更新Emin，否則丟棄該邊緣差異；當G2(x，y)向上移動到距離原圖像Dmin行時，會得到G2(x，y)在移動范圍為(-Dmin～Dmin)時的最小邊緣差異Emin以及相對應的G2(x，y)向上或向下移動的步數step，然后利用step將融合區中的I2(x，y)相對應的向上或向下移動step行；Emin的計算方法如下：Emin=min|G1(x,y)-G2(x-Dmin+k,y)|∀k∈0......2*Dmin,∀x∈1......H,∀y∈1......W]]>min(.)表示取最小值運算，Emin的大小為H×W，H表示重疊區域的高度，W表示重疊區域的寬度。2.根據權利要求1所述的避免全景圖像錯位的融合方法，其特征在于，所述在對準后的融合區域內根據所述融合區的邊緣特征及灰度差值找出最優融合中心線的具體步驟包括：計算邊緣特征與絕對灰度差值的和、尋找最小累加差值及其路徑；在最小累加差值中找到誤差最小位置；根據保存的路徑從下至上找出那條誤差最小的路徑即最優融合中心線的位置；所述計算邊緣特征與絕對灰度差值的和的具體步驟如下：計算對準之后重疊區域中像素對的絕對灰度差值imgdiff，像素對的絕對灰度差值計算方法如下：imgdiff(x,y)=|I1(x,y)-I2(x,y)|∀x∈1......H,∀y∈1......W;]]>將邊緣特征G1(x，y)和G2(x，y)疊加到絕對灰度差值imgdiff(x，y)中；Imgdiff(x,y)=imgdiff(x,y)+G1(x,y)+G2(x,y)∀x∈1......H,∀y∈1......W;]]>所述尋找最小累加差值及其路徑的具體步驟如下：利用大小為n的濾波模板對Imgdiff(x，y)進行逐行濾波，其中...
【專利技術屬性】
技術研發人員：不公告發明人，
申請(專利權)人：長沙全度影像科技有限公司，
類型：發明
國別省市：湖南;43
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。