买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜大连理工大学申请的专利一种交替迭代的直线匹配与图像拼接方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119624767B 。

龙图腾网通过国家知识产权局官网在2025-05-13发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510151782.7，技术领域涉及：G06T3/4038；该发明授权一种交替迭代的直线匹配与图像拼接方法是由周瑜;左昌蕊;贾棋;滕世宇;刘宇设计研发完成，并于2025-02-12向国家知识产权局提交的专利申请。

本一种交替迭代的直线匹配与图像拼接方法在说明书摘要公布了：本发明属于计算机视觉领域，涉及到一种交替迭代的直线匹配与图像拼接方法。在使用已有算法进行基于匹配特征点的预配准之后，首先，进行全局线引导网格变形得到初步拼接结果；其次，通过一种新的不依赖于描述符的直线匹配方法得到线匹配对；然后，线匹配对根据不变特征数得到点匹配对，线匹配对和点匹配对再次返回前面步骤共同指导全局线引导网格变形。全局线引导网格变形和线点匹配不断交替迭代。最后得到最优的线点匹配和最好的拼接结果，结果能够生成更准确的匹配特征对，展现更清晰的纹理，并保留拼接图像中的显著自然结构，效果超越传统的图像拼接方法和最新的基于深度学习的方法。

本发明授权一种交替迭代的直线匹配与图像拼接方法在权利要求书中公布了：1.一种交替迭代的直线匹配与图像拼接方法，其特征在于，包括如下步骤：步骤1.基于匹配特征点的预配准对两幅原始图像使用SURF算法检测和匹配特征点，然后通过计算目标图像I和参考图像I′之间的单应矩阵使它们初步配准，获得预配准图像，具体如下：对两幅原始图像检测和匹配特征点，得到成对的匹配点对{pi,p’i}i＝1,2,…,N，其中i表示匹配点对的数量，N表示成对的匹配点的总数量，pi＝xi,yi,1和p’i＝x’i,yi’,1表示目标图像I和参考图像I′中点的齐次坐标，1为特征点坐标转换为齐次坐标时的齐次项设置；基于匹配点的坐标计算点特征的全局单应性 其中，H表示初始单应性，H*为H的向量表示，表示点pi在单应矩阵H的作用下的映射结果，即变换后的位置，为p’i的向量表示，‖‖表示向量的欧几里得范数；使用奇异值分解最小化为0，这表示点对pi,p’i完全符合单应矩阵的约束条件；在优化过程中，目标是最小化即最小化所有点对的几何误差，从而估计出最佳的H*；步骤2.全局线引导的网格变形将通过步骤1得到的预配准图像和匹配点对作为输入，通过网格变形方法，基于一个全局线引导的总能量函数对图像进行扭曲，以保持拼接图像的局部和全局线性结构；该总能量函数包含线保持项、点线对齐项和失真项；具体如下：步骤2-1为每个图像构建矩形网络，原始顶点坐标向量V＝[x1,y1,x2,y2,…,xn,yn]T，扭曲顶点坐标向量为n表示网格顶点索引；图像中每一个特征点P的双线性插值函数τP都通过封闭网格的四个顶点s1、s2、s3和s4表示；τP＝w1s1+w2s2+w3s3+w4s4其中，系数w1、w2、w3和w4是固定的，并且和为1；同样获得扭曲后的对应点的表示； 其中，为点的双线性插值函数表示，表示变形后相邻网格顶点的坐标；步骤2-2通过自适应阈值μ将线条分为局部线条集Slo和全局线条集Sgl，根据线条lm的长度lenlm计算μ； 其中，Nl表示线条的数量，St表示局部线条集Slo和全局线条集Sgl的线条集合，lm表示St中的线条；对局部线条集Slo中的每一个直线{la}a＝1,2,…,R均匀采样Ma个点，记为计算全局线条集的能量表示 其中，R表示Slo中线条的数量，为变形后直线la上相邻的采样点，表示线条la的法向量；对全局线条集Sgl中的每一个直线{lb}b＝1,2,…,Q均匀采样Mb个点，记为计算全局线条集的能量表示 其中，Q表示Sgl中线条的数量，为变形后直线lb上相邻的采样点，表示线条lb的法向量；将线保持项定义为： 其中，分别表示局部直线和全局共线直线的约束项，λlo是的权重，λgl是的权重；步骤2-3匹配的点和线对在变形后彼此重合，因此获得点线对齐项 其中，和分别表示点和线对齐项，λp和λl分别表示和的权重；点对齐项是变换后插值点的位置与参考图像中匹配位置之间的平方差之和，公式如下： 其中，pi和pi′是目标图像和参考图像中的匹配点对，表示将点pi从目标图像的坐标系映射到参考图像的坐标系，Wp是包含双线性插值系数的矩阵，P是参考图像中点的位置向量；线对齐项确保匹配的线条保持对齐，保持它们的几何关系；线对齐项基于线段的正交性和其对应的法向量来公式化，公式如下： 其中，psj和pej分别是目标图像中线段lj的起始点和终止点，和分别表示在目标图像中线段lj的起点和终点经过变换后的映射位置，aj、bj、cj分别是参考图像中线方程的参数；步骤2-4为了控制目标图像的失真，构建一组水平和垂直线，称为交叉线；这些线被视为目标图像的内在线性结构；通过这些线的角度和它们交点处的间距来调节失真；失真项由全局失真项和非重叠失真项组成； 其中，λdg和λdn分别表示和的权重；全局失真项侧重于保持交叉线方向上的透视关系，确保图像变形不会引入显著的不一致性；公式如下： 其中，表示沿着第i条交叉线均匀采样的第k个点，S表示交叉线的数量，Li表示第i条交叉线上的采样点数量，表示变换后的第i条交叉线上的第k+1个采样点的坐标，表示变换后的第i条交叉线上的第k个采样点的坐标；非重叠失真项专门处理图像非重叠区域的失真问题；公式如下： 其中，Ω表示图像的非重叠区域，pu,i表示表示沿着第i条交叉线均匀采样的点，表示变换后的第i条交叉线上的第k+2个采样点的坐标，表示变换后的第i条交叉线上的第k+1个采样点的坐标；因此，总能量函数表示为： 通过能量函数控制网格变形而得到的效果更好的拼接图像拥有更好的纹理结构，随后将用于指导步骤3，与其构成迭代；步骤3.直线匹配步骤3-1对步骤2得到的图像扭曲结果，基于自适应阈值、利用几何约束搜索图像中检测得到的每条线的候选匹配，该阈值在迭代过程中根据前一阶段匹配线对的集合关系而变化；具体如下：目标图像中经过扭曲后的原始线集为参考图像中的线集为表示经过扭曲后的原始线集中的直线集合，对在Sr中搜索所有满足几何约束的参考线lr；几何约束如下：约束1：线的中点与线的中点之间的距离表示为dh，2；其中表示的一条直线，表示lr的一条直线，表示直线的长度，表示直线的长度；约束2：每条线的端点到另一条线之间的距离和dv＝d1+d2+d3+d4满足dv2γ，γ为自适应阈值；d1和d2分别表示从扭曲后的直线的两个端点到参考线的距离，d3和d4分别表示从参考线的两个端点到扭曲后的直线的距离；步骤3-2对于在中的直线，使用一个由基本几何度量组成的评分函数用于挑选最佳线对匹配：给每个候选直线对计算特定的值，其中高的值表示更好的匹配；评分函数定义如下： 其中，θ表示候选直线对中两条直线之间的角度；dv在约束2中被定义为用于评估两条直线之间的距离；len.表示直线的长度；函数fx以两条直线的长度比率为输入，相等的长度会得到最大值，函数fx定义如下： 其中，e2是的权重；函数fx具有的性质，使其对交换分子和分母不变；满足上述约束并获得最高评分的直线对，则被认定是一个匹配直线对，并将其添加到迭代循环中的匹配直线对集合中；阈值γ被设定为一个自适应阈值，自动根据图像的大小和迭代次数调整：通过所有匹配直线对的平均距离来设定阈值，且该距离在迭代过程中从大到小变化；首先，根据评分函数，为中每条扭曲后的直线在参考图像中分配一个具有最高评分的匹配直线，从而计算所有直线对的平均距离；同时，图像的尺寸大小和线性结构都会对阈值γ有影响，这些因素通过原始图像的对角线长度lenldia和步骤2的拼接图像中最长直线的长度lenlmax来表示；最终，阈值γ定义如下： 其中，nt为中直线的数量；和分别是扭曲直线的端点与参考图像中近似匹配直线之间的距离；循环迭代中的直线匹配完成时，γloop的更新公式如下： 其中，γloop-1是上一轮迭代中的γ值，γloop是当前迭代中的γ值；若当前迭代中匹配的直线对的数量少于第一次迭代的110，迭代过程终止；此步骤和步骤4为连续的过程，此步骤所得的直线匹配对将指导步骤4生成点匹配对；步骤4.通过步骤3得到的直线匹配对、通过CN从匹配的子区域中生成点匹配对；具体如下：不变特征数CN定义如下：假设为一个空间，为K上的m维射影空间，{Pi}i＝1,2,…,H是中构成闭环的不同点，H为点的数量；直线{PiPi+1}i＝1,2,…,H上存在不同点满足其中Z代表每条直线PiPi+1上不同点的数量，为权重，记P＝{Pi}i＝1,2,…,R， CN反映了给定点的内在几何特性；射影不变量表明了一个充分且必要的条件，即如果{Pi}i＝1,2,…,H和{Pi′}i＝1,2,…,H分别是目标图像和参考图像中的匹配点对，则它们在公式CNP,Q中的值相等；将匹配线段的端点和原始匹配点用于构造CN定义中的点集P；因此，如果不同视图中的CN值相等，则相应的点是正确匹配点，而点集Q中的点被视为新的匹配点；此步骤完成后，生成的点匹配对将和步骤3生成的线匹配对返回步骤2共同优化全局线引导网格变形、再次开始新一轮迭代。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人大连理工大学，其通讯地址为：116000 辽宁省大连市甘井子区凌工路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。