一種礦井監控圖像自動快速拼接方法
2023-05-11 19:08:56
一種礦井監控圖像自動快速拼接方法
【專利摘要】本發明公開了一種礦井監控圖像自動快速拼接方法，包含以下步驟：首先利用Harris算法初步得到單一尺度下的特徵點，再採用SIFT算法對特徵點進行精確定位，在此基礎上結合SIFT描述符信息，從而穩定、快速地提取到圖像特徵點；利用位置敏感散列算法(LSH，Locality-Sensitive?Hashing)進行特徵匹配查找，解決基於Kd樹查找算法在高維數據集上的時間效率並不高的問題；再採用改進的RANSAC算法篩選匹配點並計算變換矩陣,提高篩選匹配點的精確度；最後通過圖像融合算法進行拼接。實驗結果表明，該方法能夠應用於煤礦井下視頻監控圖像的自動拼接，對其他複雜環境下的圖像拼接亦具有科學的參考價值。
【專利說明】
【技術領域】
[0001] 本發明涉及圖像拼接【技術領域】，特別是涉及一種礦井監控圖像自動快速拼接方 法。 一種礦井監控圖像自動快速拼接方法
【背景技術】
[0002] 圖像拼接的核心問題在於準確找到待拼接圖像的重疊區域位置和範圍，即圖像配 準。目前提出的圖像配準算法大多可分為兩類：基於灰度配準的方法和基於特徵配準的 方法。基於灰度的配準方法計算量較大，不能符合實時性的需求，而且容易受到圖像旋轉、 形變及遮擋的影響，而基於特徵配準的方法可以克服這些缺點，提高匹配的精確程度，因此 在圖像配準方面有著廣泛的應用，如Harris算法、SIFT算法等。國內外許多學者對圖像 拼接技術進行了大量的研究工作，針對不同的應用領域，提出了不同的圖像配準方法，如： D. Glowe總結了現有的特徵提取方法，提出了基於尺度不變特徵的圖像拼接技術；Glocker B等人基於離散馬爾可夫隨機場提出了一種新的圖像拼接的方法；Jain D K等人基於隨機 角點法，利用單應性矩陣，匹配角點對，提出了將多幅有交疊的圖像拼接成全景圖的方法； 高健等提出了基於Harris角點和高斯差分的特徵點提取算法；周文兵等人針對數字圖像 篡改的常用手法圖像拼接，提出了一種基於多特徵融合的被動盲取證算法來檢測圖像拼 接。
[0003] 雖然上述的各種方法都是面向一定範圍的應用領域，也具有各自的特點，但大致 上來講，能夠應用於煤礦井下複雜環境的圖像拼接算法並不是很多，由於礦井下獲取圖像 環境的複雜性及算法本身的限制，很多的圖像序列並不能成功的被拼接起來，因此需要研 究一種成功率較高的圖像拼接算法；另外，由於圖像拼接技術能夠普遍應用於煤礦井下的 視頻監控系統，因此其實時性問題也是研究中的一個關鍵問題；再者，受到煤礦井下照度 低、光照不均勻的以及井下煤塵的影響，很大程度上引起監控圖像退化，導致圖像質量不 佳，很多監控圖像序列並不能成功的被拼接起來，對監控圖像的後期處理和評判帶來諸多 不便，難以滿足煤礦安全生產自由監控場景的需求。
【發明內容】
[0004] 為了克服上述現有技術的不足，本發明提供了一種礦井監控圖像自動快速拼接方 法。
[0005] 本發明所採用的技術方案包含以下步驟：
[0006] -種礦井監控圖像自動快速拼接方法，其特徵在於，包括以下步驟：
[0007] S1、利用Harris算法得到兩幅或者多幅待拼接圖像的特徵點，再採用SIFT算法對 特徵點進行定位，且結合SIFT描述符信息，提取到圖像特徵點；
[0008] S2、針對S1中提取到的圖像特徵點，利用位置敏感散列算法進行特徵匹配點查 找；
[0009] S3、採用改進的RANSAC算法篩選特徵匹配點並計算變換矩陣；
[0010] S4、通過圖像融合算法進行拼接。
【權利要求】
1. 一種礦井監控圖像自動快速拼接方法，其特徵在於，包括以下步驟： 51、 利用Harris算法得到兩幅或者多幅待拼接圖像的特徵點，再採用SIFT算法對特徵 點進行定位，且結合SIFT描述符信息，提取到圖像特徵點； 52、 針對S1中提取到的圖像特徵點，利用位置敏感散列算法進行特徵匹配點查找； 53、 採用改進的RANSAC算法篩選特徵匹配點並計算變換矩陣； 54、 通過圖像融合算法進行拼接。
2. 根據權利要求1所述的一種礦井監控圖像自動快速拼接方法，其特徵在於，所述步 驟S1中的Harris算法得到待拼接圖像特徵點，處理過程表示如下：
R = det (M) -k^tr2 (Μ) k = 0. 04 ?0. 06 式中：gx為X方向上的梯度，gy為y方向上的梯度，G⑷為高斯模板，det為矩陣的行 列式，tr為矩陣的跡，k為常數，R表示待拼接圖中相應像素點的興趣值。
3. 根據權利要求1所述的一種礦井監控圖像自動快速拼接方法，其特徵在於，所述的 採用SIFT算法對特徵點進行定位，且結合SIFT描述符信息，提取到圖像特徵點；在Harris 算法初步獲得圖像中特徵點的基礎上，採用SIFT算法獲得圖像特徵點的尺度信息，根據特 徵點領域內的梯度方向為每個特徵點建立一個描述符，確定特徵點的主方向，保證其旋轉 不變性；計算位置（x，y)處梯度幅度大小和方向公式分別以下兩式：
其中L所用的尺度為每個特徵點各自所在的尺度。
4. 根據權利要求1所述的一種礦井監控圖像自動快速拼接方法，其特徵在於，所述步 驟S2中利用位置敏感散列算法進行特徵匹配點查找，該算法包括以下步驟： T1、將特徵匹配點集轉化為海明空間中的二進位串，對於任意一特徵匹配點p e P，P為 d維空間，設P = {x^ x2,…xd},將空間P映射到維海明空間Τ?"，映射方法如下：
其中UnaryJxD表示轉化後的二進位串，C表示空間P中任意點p坐標的最大值； T2、經過了步驟T1中點集到二進位串的映射後，需要對集合中的每個點進行哈希操作 使其散列到哈希表中；在族函數H = IX，. . .，hj中獨立隨機選取hxl, hx2,，. . .，hxt，g (p)是 一個長度為k的向量，表不如下： g (p) = (hxl (p), hx2 (p),. . . , hxt (p)) t = 1, 2, ···, k 對每一個點P計算函數gj(p), j = 1，. . .，L，並將值存入哈希表的哈希桶中； T3、對於給定的q，計算gjq)，g2(q)，…，gjq)，取出gjq)對應哈希桶中所有的點作 為候選集，最後在候選集中順序排序，得到檢索結果。
5. 根據權利要求1所述的一種礦井監控圖像自動快速拼接方法，其特徵在於，所述步 驟S3中採用改進的RANSAC算法篩選特徵匹配點並計算變換矩陣，包含以下步驟： (1) 設置當前特徵匹配點的最佳估計數目S = 0 ; (2) 將圖像按32X32類型的方法進行分割，形成1024個子塊，採用隨機抽樣的方法抽 取其中4個子塊，並隨機地在每一個子塊中選擇一個點，初始化4個特徵匹配點對； (3) 根據步驟（2)中抽中的特徵匹配點對，採用最小平方法計算變換矩陣Μ中的8個參 數，然後根據給定的距離閾值Τ，統計該變換矩陣Μ的匹配點數目； ⑷設當前內點數目為Ν，將Ν與S進行比較，如果Ν > S，則將Μ作為當前最佳估計， 並更新N = S，同時動態評估剩餘所需迭代次數Κ，Κ的值正比於l/log(p)，其中Ρ為當前錯 誤概率，如果當前迭代次數達到K，則轉入步驟（5);否則轉向步驟（2); (5)算法結束，退出。
6. 根據權利要求1所述的一種礦井監控圖像自動快速拼接技術，其特徵在於，所述步 驟S4中通過圖像融合算法進行拼接，包含以下步驟： 採用加權平均的方法來實現圖像的無縫拼接，假設待拼接的圖像為和f2，採用加權 平均法融合後的圖像f可表示為：
式中屯、d2表示加權係數，它們的關係滿足：屯+士 = 1。
【文檔編號】G06T7/00GK104156965SQ201410399021
【公開日】2014年11月19日 申請日期:2014年8月13日 優先權日:2014年8月13日
【發明者】姜代紅, 戴磊, 王永星 申請人:徐州工程學院