申请/专利权人：松立控股集团股份有限公司

申请日：2024-04-09

公开（公告）日：2024-06-21

公开（公告）号：CN118015237B

主分类号：G06V10/10

分类号：G06V10/10;G06V10/74;G06V10/44;G06T7/33;G06T5/50

优先权：

专利状态码：有效-授权

法律状态：2024.06.21#授权;2024.05.28#实质审查的生效;2024.05.10#公开

摘要：本发明涉及图像处理技术领域，特别涉及一种基于全局相似性最佳接缝的多视角图像拼接方法及系统，先获取有同一辆车辆的两张图像并进行预处理，再对预处理后的图像基于全局相似性特征配准对齐，最后将配准对齐图像，使用全局能量最小的最佳接缝算法从图像中找到最佳像素进行拼接融合，得到自然无缝的高质量车辆完整图像，减轻配准带来的图像失真，有效处理光照不一致、存在尺度关系等问题，使拼接图像尽可能保存原图形信息。

主权项：1.一种基于全局相似性最佳接缝的多视角图像拼接方法，其特征在于，包括以下步骤：S1、图像获取：车辆进入摄像头监控区域时，第一个摄像头拍摄车辆照片，车辆进入第二个摄像头时，紧接拍下同一车辆照片，获得都有同一辆车辆的两张图像；S2、图像预处理：对步骤S1获取的图像进行预处理得到预处理后的两张图像和；S3、基于全局相似性特征配准对齐：将预处理后的图像进行全局轮廓特征提取后进行空间变换，把两张图像放入同一坐标系，利用全局轮廓信息进行匹配配准，根据相似性信息确定重叠区域，使两幅图像的重叠部分在空间上对齐，得到配准对齐图像；具体过程为：S31、将S2得到的配准对齐图像进行全局轮廓特征提取，先定义图像的原始轮廓上的第i个参考点为，这些参考点属于包含N个点的图像轮廓空间，并按照车辆轮廓的自然顺序连接这些参考点，获取车辆图像的全局轮廓特征序列；再在极坐标系内，以为原点，获取其余N-1个点的相对极坐标，其中公式为，其中i，j=1，2，3...N；i≠j，按照图像轮廓点在形状内的自然顺序，变换相对坐标数据，构成序列，即：=；其中为第i个参考点和第j点的相对极坐标；然后将序列进行分割，得到数个彼此无关的子序列，如子序列[1,a],[a+1,2a]等，公式即：,其中b是子序列序号，a是正整数，是常数，为第i个参考点和第j点的相对极坐标；，得到图像全局轮廓特征；S32、使用全局单应性和全局轮廓信息将图像和图像进行配准对齐，构建两幅图像之间的空间变换，输入S2处理后的两幅图像和，以及对应的SURF特征匹配点，图像的特征匹配点，的特征匹配点的特征匹配点，分别为图像的特征匹配点坐标和图像的特征匹配点坐标；两幅图像之间的齐次坐标的线性变换表示为:，其中x'是齐次坐标中的x，的齐次坐标为，的齐次坐标为,为轮廓信息，定义为单应性矩阵，行由,,组成，即 ， 为单应性3x3矩阵的行列值，两幅图像和之间的映射表示为： ， ，通过使用单应性矩阵H对两幅输入图像进行变换，将其放置在相同的参考平面上，得到配准对齐的图像；S33、将整个图像进行全局相似度变换，即：，其中S代表全局相似变换，μ和ρ是加权系数，是第i个局部单应性，为更新的局部变换，经过变换后得到最终配准对齐图像；S4、基于最佳接缝的图像拼接：将配准对齐图像，使用全局能量最小的最佳接缝算法从图像中找到最佳像素进行拼接融合，得到自然无缝的高质量车辆完整图像；具体过程为：S41、提取S3得到的配准对齐图像的两部分重叠区域，分别记为Ω和Ω’，构建一个反映重叠区域Ω和Ω’的相似性差异矩阵E；S42、对E的所有差异值进行排序，并利用二分搜索算法迅速计算出最小阈值e；在最小阈值e的条件下，起点和终点所在的八联通区域被表示为R，从起点开始，沿着八个相邻方向扩展，将R中的像素差异值更新为从起点到最小差异的和，并将更新后的像素视为新的扩展点，直到扩展到终点；从终点开始，沿着差异和值最小的像素路径返回到起点，得到最佳接缝，通过最佳接缝实现图像的无缝拼接融合，得到自然高质量的车辆完整图像。

全文数据：

权利要求：

百度查询： 松立控股集团股份有限公司 基于全局相似性最佳接缝的多视角图像拼接方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD