- PDF 免费下载

Size: px

Start display at page:

Download ""

官马
7 years ago
Views:

3 8发明发明人 2 邱少健不公布姓名 5 向外申请审批人发明专利请求书代理机构内部编号 ZJXJ 此框内容由国家知识产权局填写 7 发明名称基于边缘垂直距离匹配的全景图像拼接方法申请号 ( 发明 ) 2 分案提交日 3 申请日发明人马乐不公布姓名 4 费减审批发明人 3 姜思羽不公布姓名 6 挂号号码 9 第一发明人国籍中国申请人 () 姓名或名称 : 华南理工大学广州用户代码学院居民身份证件号码或组织机构代码国籍或注册国家 ( 地区 ) 中国省自治区直辖市广东省市县广州市电子邮箱居民身份证件号码 X 申请人类型大专院校城区 ( 乡 ) 街道门牌号花都区学府路号经常居所地或营业所所在地中国邮政编码电话申请申请人 (2) 姓名或名称 : 用户代码申请人类型居民身份证件号码或组织机构代码国籍或注册国家 ( 地区 ) 省自治区直辖市市县城区 ( 乡 ) 街道门牌号人经常居所地或营业所所在地邮政编码电话姓名或名称 : 用户代码申请人类型居民身份证件号码或组织机构代码申请人 (3) 国籍或注册国家 ( 地区 ) 省自治区直辖市市县城区 ( 乡 ) 街道门牌号经常居所地或营业所所在地邮政编码电话

申请人类型大专院校城区 ( 乡 ) 街道门牌号花都区学府路号经常居所地或营业所所在地中国邮政编码 50800 电话 02036903224 0 申请申请人 (2) 姓名或名称 : 用户代码申请人类型居民身份证件号码或组织机构代码国籍或注册国家 ( 地区 ) 省自治区直辖市市县

4 发明专利请求书姓名张可然电话联系人邮政编码省自治区直辖市广东省市县广州市电子邮箱城区 ( 乡 ) 街道门牌号花都区学府路号 2 代表人为非第一署名申请人时声明特声明第署名申请人为代表人 3 专利代理机构名称广州中浚雄杰知识产权代理有限责任公司机构代码代理人 () 4 分案申请姓名张少君姓名代理执业证号执业证号人 (2) 电话电话原申请号针对的分案申请号原申请日年月日 5 生物材料样品 6 序列表 7 遗传资源保藏单位地址保藏日期年月日保藏编号分类命名本专利申请涉及核苷酸或氨基酸序列表本专利申请涉及的发明创造是依赖于遗传资源完成的 8 要求优先权声明序号原受理机构名称在先申请日在先申请号 9 不丧失新颖性宽限期声明已在中国政府主办或承认的国际展览会上首次展出已在规定的学术会议或技术会议上首次发表他人未经申请人同意而泄露其内容 20 保密请求 2 同日申请 22 提前公布根据国家相关法律, 涉及国家秘密的信息不得在国际联网的计算机信息系统中存储处理传递, 故任何单位和个人认为其专利申请需要按照保密专利申请处理的, 不得通过电子专利申请系统提交声明本申请人对同样的发明创造在申请本发明专利的同日申请了实用新型专利请求早日公布该专利申请

7 执业证号人 (2) 电话 020-36998272 电话原申请号针对的分案申请号原申请日年月日 5 生物材料样品 6 序列表 7 遗传资源保藏单位地址保藏日期年月日保藏编号分类命名本专利申请涉及核苷酸或氨基酸序列表本专利申请涉及的发明创造是依赖于遗传资源完成的 8 要求优先权声明

5 发明专利请求书 23 申请文件清单. 发明专利请求书共 5 页 2. 说明书摘要共 0 页 3. 摘要附图共 0 页 4. 权利要求书共 0 页 5. 说明书共 0 页 6. 说明书附图共 0 页权利要求的项数 7 项 24 附加文件清单. 专利代理委托书共 2 页 2. 实质审查请求书共页 25 全体申请人或专利代理机构签章 26 国家知识产权局审核意见广州中浚雄杰知识产权代理有限责任公司 203 年 0 月 28 日年月日

6 发明专利请求书英文信息表发明名称发明人姓名申请人名称及地址发明人发明人 2 发明人 3 申请人申请人 2 申请人 3 名称地址名称地址名称地址

7 附页发明人发明人 4 陈哲茂不公布姓名发明人 5 吴永琪不公布姓名发明人 6 魏韬不公布姓名发明人 7 梁俊不公布姓名发明人 8 杨剑不公布姓名发明人英文信息发明人 4 发明人 5 发明人 6 发明人 7 发明人

8 权利要求书. 一种基于边缘垂直距离匹配的全景图像拼接方法, 其特征在于, 包括以下步骤 : () 利用 CANNY 算法提取两幅图像边缘 ; (2) 筛选匹配的像素列 ; (3) 按边缘像素纵坐标的方差进行匹配 ; (4) 按方差值和反映的图像相对位置分组 ; (5) 对每组进行边缘垂直距离匹配, 距离统计值最小一组确定图像拼接位置 ; (6) 进行图像缝合处理 2. 根据权利要求所述的基于边缘垂直距离匹配的全景图像拼接方法, 其特征在于 : 所述步骤 () 的具体为 : 首先利用 Canny 算法提取每幅图像的边缘, 记录每一列的边缘点的纵坐标, 求出每一列边缘点的纵坐标 μ δ 的均值和方差 3. 根据权利要求 2 所述的基于边缘垂直距离匹配的全景图像拼接方法, 其特征在于 : 所述步骤 (2) 的具体为 : 由于纵坐标的均值表示边缘的平均位置, 方差表示分散程度, 相邻列之间均值或方差的变化程度大, 说明此列附近的图像在水平方向有较大的变化, 筛选出这样的列进行比较, 均值和方差的变化程度由前后列增加量的平均值衡量, 其公式为 : μ ' δ ' μ = δ = μ + 2 δ + 2

(5) 对每组进行边缘垂直距离匹配, 距离统计值最小一组确定图像拼接位置 ; (6) 进行图像缝合处理 2.

9 增量的阀值可取图像垂直高度的 % 选取增量大于阀值的列, 分为正负增量两组, 每幅图像的正组与正组匹配, 负组与负组匹配, 通过这种方法预先筛选出待比较的列 4. 根据权利要求 3 所述的基于边缘垂直距离匹配的全景图像拼接方法, 其特征在于 : 所述步骤 (3) 的具体为 : 筛选出待匹配的列并分组以后进行邻域方差匹配 : 首先比较由需要匹配的列确定的一个邻域中, 相对应的列的边缘点纵坐标方差 ; 每对待匹配, 以待匹配列的横坐标为中点, 确定两个长度为 L 的方差数列 SmA 和 SnB,L 选取图像宽度的 5% 左右,SmA 与 SnB 的相似程度由 SmA 与 SnB 之差的绝对值来衡量, 即 L A B A B m n = m n i= Sim( S, S ) S () i S () i A B Sim( S, S ) m n 越小说明 SmA 与 SnB 相似程度越高 5. 根据权利要求 4 所述的基于边缘垂直距离匹配的全景图像拼接方法, 其特征在于 : 所述步骤 (4) 的具体为 : 每对待匹配列都可以得到一个 Sim 值, 对所有待匹配列进行邻域方差匹配后, 对每一对匹配过的列进行分组 : 图 A B 中的待匹配列同时落在邻近范围内的分为一组 ; 以每一组的中最小的 Sim 值作为该组的 Sim 值, 并记录 Sim 值最小一对的横坐标 m n 作为匹配组的位置 ; 分组后把每组按 Sim 值从小到大排列, 也即按相似程度从大到小排列, 对前 K 组进行垂直距离匹配处理, 一般 K 取 20 左右是充足的 ; 垂直距离即一列像素点中每点到该列中最近的边缘点的距离 2

5% 左右,SmA 与 SnB 的相似程度由 SmA 与 SnB 之差的绝对值来衡量, 即 L A B A B m n = m n i= Sim( S, S ) S () i S () i A B Sim( S, S ) m n 越小说明 SmA 与 SnB 相似程度越高 5.

10 6. 根据权利要求 5 所述的基于边缘垂直距离匹配的全景图像拼接方法, 其特征在于 : 所述步骤 (5) 的具体为 : 进行垂直距离匹配 : 匹配组位置 m n 为中心在各自原图中对应的长度为 L 的邻域中, 等间距地取 0 对像素列, 计算每对像素列的距离数列 () m D i D () 与 n i 进行比较, 表示第对对应像素列 ; 比较方式为每对距离列取垂直偏移量 Offset 在 h/2 到 h/2 之内变化,h 为图像高度, 求绝对差值的平均值, 取结果最小值, 即 : Distence = min { D ( i + Offset) D ( i) /( h Offest)} mn, m n Offset ( h/2, h/2) i+ Offset (0, h) GroupSim mn, 对 0 对像素列的 Distance 值求和, 得到该组的相似系数 : GroupSim 0 mn, = Distencemn, = 前 K 组中 GroupSim 最小的一组即为最优匹配组, 在最优匹配组中, Distance 值最小的一对像素列为最优匹配列, 最优垂直偏移量为使这对匹配列取得 Distance 最小值的 Offset 值, 以这一对像素列作为两幅图像的接缝, 可以得到最佳的拼接效果 7. 根据权利要求 6 所述的基于边缘垂直距离匹配的全景图像拼接方法, 其特征在于 : 所述步骤 (7) 的具体为 : 图片合缝采用的加权合成的方法 : P = ( ω) P + ωp tran 2 其中 Ptran 为融合区域的灰度值,P P2 为原图中相应像素的灰度值, ω 为加权系数 ; 对以接缝为中心长度为 D 的融合区域,ω 从 0 到渐变, 由于本文算法获得了最佳的接缝位置,D 只需取图像宽度的 /40~/20 3

得到该组的相似系数 : GroupSim 0 mn, = Distencemn, = 前 K 组中 GroupSim 最小的一组即为最优匹配组, 在最优匹配组中, Distance 值最小的一对像素列为最优匹配列, 最优垂直偏移量为使这对匹配列取得 Distance 最小值的 Offset 值, 以这一对像素列作为两幅图像的接缝, 可以得到最佳的拼接效果 7.

11 说明书基于边缘垂直距离匹配的全景图像拼接方法技术领域本实用新型涉及 360 度的全方位图像的场景绘制方法, 尤其是基于边缘垂直距离匹配的全景图像拼接方法背景技术全景图生成是基于图像的绘制技术 (IBR) 中的一项重要内容, 广泛应用于虚拟现实视频压缩和传输医学等领域全景图指在固定视点以垂直 80 的视角宽度向四周 360 方向观看, 视觉可能看到的全部景象的图像全景图的简单形式可以是固定视平面上的水平 360 的图像利用专用器材可以直接获得全景图, 但这些器材价值高昂不易获取, 利用计算机进行图像拼接更加简单易行全景图像的拼合是 I BR 绘制方法中的一项基本技术, 它是指利用照相机的平移或旋转得到的部分重叠的图像样本, 生成一个较大的甚至 360 的全方位图像的场景绘制方法全景图像的拼合利用离散的局部图像作为基础数据, 利用计算机进行一系列处理后, 形成一幅全景图图像的拼接主要处理相邻的两幅图像样本之间的重叠部分, 对样本进行局部匹配和拼接全景图生成技术中最核心的一步是图像拼接, 目前有多种全景图像的拼接算法, 常见的有基于面积的算法和基于特征的算法两大类 :() 基于面积的匹配是把一幅图像的某一像素值邻域作为模板, 在另一幅图像上搜索具有相同或相似像素值分布的对应点邻域, 从而确定两幅图像的

绘制方法中的一项基本技术, 它是指利用照相机的平移或旋转得到的部分重叠的图像样本, 生成一个较大的甚至 360 的全方位图像的场景绘制方法全景图像的拼合利用离散的局部图像作为基础数据, 利用计算机进行一系列处理后, 形成一幅全景图

12 重叠范围在搜索过程中, 通常以相关函数作为两个搜索邻域间的相似性测度 (2) 基于特征的匹配不是直接利用图像的像素值, 而是在频域或空域通过像素导出符号特征进行匹配, 该方法比基于面积的方法要快, 具体方法有基于图像中特征场景的匹配基于提取图像某两列像素差的匹配基于特征线段的图像匹配等算法上述图像拼接方法准确度不够高, 往往拼接出来的全景图会扭曲失真发明内容本发明所要解决的技术问题是提供一种基于边缘垂直距离匹配的全景图像拼接方法, 图片拼接准确度高, 实现无缝拼接为解决上述技术问题, 本发明的技术方案是 : 一种基于边缘垂直距离匹配的全景图像拼接方法, 包括以下步骤 : () 利用 CANNY 算法提取两幅图像边缘 ; (2) 筛选匹配的像素列 ; (3) 按边缘像素纵坐标的方差进行匹配 ; (4) 按方差值和反映的图像相对位置分组 ; (5) 对每组进行边缘垂直距离匹配, 距离统计值最小一组确定图像拼接位置 ; (6) 进行图像缝合处理本发明提供一种新的图像自动识别拼接方法, 通过对两幅相邻图片的边缘垂直距离进行匹配, 实现全景图像的自动拼接本方法预先对匹配位置进行筛选, 减小了计算量, 节约了计算机时间以提高计算精度垂直距离匹配算法可以找到最优接缝, 即接缝位置位于图片中信息量较 2

一种基于边缘垂直距离匹配的全景图像拼接方法, 包括以下步骤 : () 利用 CANNY 算法提取两幅图像边缘 ; (2) 筛选匹配的像素列 ; (3) 按边缘像素纵坐标的方差进行匹配 ; (4) 按方差值和反映的图像相对位置分组 ; (5) 对每组进行边缘垂直距离匹配,

13 小处, 尽可能避开信息关键部位 ; 拼接图的大部分区域完整保留原始图像, 最大限度地保存原始图像的信息 ; 确定待拼接图像的水平拼接关系同时准确找到垂直偏移, 在不具备固定拍摄条件如手持拍摄的场合具有优势作为改进, 所述步骤 () 的具体为 : 首先利用 Canny 算法提取每幅图像的边缘, 记录每一列的边缘点的纵坐标, 求出每一列边缘点的纵坐 μ δ 标的均值和方差作为改进, 所述步骤 (2) 的具体为 : 由于纵坐标的均值表示边缘的平均位置, 方差表示分散程度, 相邻列之间均值或方差的变化程度大, 说明此列附近的图像在水平方向有较大的变化, 筛选出这样的列进行比较, 均值和方差的变化程度由前后列增加量的平均值衡量, 其公式为 : μ ' δ ' μ = δ = μ + 2 δ + 2 增量的阀值可取图像垂直高度的 % 选取增量大于阀值的列, 分为正负增量两组, 每幅图像的正组与正组匹配, 负组与负组匹配, 通过这种方法预先筛选出待比较的列作为改进, 所述步骤 (3) 的具体为 : 筛选出待匹配的列并分组以后进行邻域方差匹配 : 首先比较由需要匹配的列确定的一个邻域中, 相对应的列的边缘点纵坐标方差 ; 每对待匹配, 以待匹配列的横坐标为中点, 确定两个长度为 L 的方差数列 SmA 和 SnB,L 选取图像宽度的 5% 左右, SmA 与 SnB 的相似程度由 SmA 与 SnB 之差的绝对值来衡量, 即 L A B A B m n = m n i= Sim( S, S ) S () i S () i 3

μ = δ = μ + 2 δ + 2 增量的阀值可取图像垂直高度的 % 选取增量大于阀值的列, 分为正负增量两组, 每幅图像的正组与正组匹配, 负组与负组匹配, 通过这种方法预先筛选出待比较的列作为改进, 所述步骤 (3) 的具体为 : 筛选出待匹配的列并分组以后进行邻域方差匹配 : 首先比较由需要匹配的列确定的一个邻域中,

14 A B Sim( S, S ) m n 越小说明 SmA 与 SnB 相似程度越高作为改进, 所述步骤 (4) 的具体为 : 每对待匹配列都可以得到一个 Sim 值, 对所有待匹配列进行邻域方差匹配后, 对每一对匹配过的列进行分组 : 图 A B 中的待匹配列同时落在邻近范围内的分为一组 ; 以每一组的中最小的 Sim 值作为该组的 Sim 值, 并记录 Sim 值最小一对的横坐标 m n 作为匹配组的位置 ; 分组后把每组按 Sim 值从小到大排列, 也即按相似程度从大到小排列, 对前 K 组进行垂直距离匹配处理, 一般 K 取 20 左右是充足的 ; 垂直距离即一列像素点中每点到该列中最近的边缘点的距离作为改进, 所述步骤 (5) 的具体为 : 进行垂直距离匹配 : 匹配组位置 m n 为中心在各自原图中对应的长度为 L 的邻域中, 等间距地取 0 对像素列, 计算每对像素列的距离数列 () m D i D () 与 n i 进行比较, 表示第对对应像素列 ; 比较方式为每对距离列取垂直偏移量 Offset 在 h/2 到 h/2 之内变化,h 为图像高度, 求绝对差值的平均值, 取结果最小值, 即 : Distence = min { D ( i + Offset) D ( i) /( h Offest)} mn, m n Offset ( h/2, h/2) i+ Offset (0, h) GroupSim mn, 对 0 对像素列的 Distance 值求和, 得到该组的相似系数 : GroupSim 0 mn, = Distencemn, = 前 K 组中 GroupSim 最小的一组即为最优匹配组, 在最优匹配组中, Distance 值最小的一对像素列为最优匹配列, 最优垂直偏移量为使这对匹配列取得 Distance 最小值的 Offset 值, 以这一对像素列作为两幅图像的接缝, 可以得到最佳的拼接效果作为改进, 所述步骤 (7) 的具体为 : 图片合缝采用的加权合成的方 4

计算每对像素列的距离数列 () m D i D () 与 n i 进行比较, 表示第对对应像素列 ; 比较方式为每对距离列取垂直偏移量 Offset 在 h/2 到 h/2 之内变化,h 为图像高度, 求绝对差值的平均值, 取结果最小值, 即 : Distence = min { D ( i + Offset) D ( i) /( h Offest)} mn, m n Offset (

15 法 : P = ( ω) P + ωp tran 2 其中 Ptran 为融合区域的灰度值,P P2 为原图中相应像素的灰度值,ω 为加权系数 ; 对以接缝为中心长度为 D 的融合区域,ω 从 0 到渐变, 由于本文算法获得了最佳的接缝位置,D 只需取图像宽度的 /40~ /20 本发明与现有技术相比所带来的有益效果是 : 使用大量照片进行实验, 结果表明本文算法具有很强的鲁棒性, 即使拼接的图片之间有明显的垂直偏移和角度偏差, 也能实现无缝拼接另外, 与其他图像拼接算法最大的不同点在于, 本算法使用了边缘点的垂直距离数列进行匹配, 不仅找到图片的相对位置的偏移量, 而且找到了最优匹配接缝, 这是本算法的创新点通常最优接缝附近图像的几何特征较简单, 没有很明显的标志物, 因此对最优接缝的一个小邻域作平滑处理, 可以避免大面积的图像灰度融合导致的模糊和重影问题, 尽可能地保留了图片的原始信息附图说明图为本发明流程框图具体实施方式下面结合说明书附图对本发明作进一步说明用以拼接全景图像的样本序列的获取过程是照相机光心在固定圆心, 围绕圆心在水平平面内旋转一周每隔一定角度拍摄一张照片虽然拍摄尽可能保持在同一水平面, 但在不具备固定拍摄条件如手持拍摄的场合, 5

本算法使用了边缘点的垂直距离数列进行匹配, 不仅找到图片的相对位置的偏移量, 而且找到了最优匹配接缝, 这是本算法的创新点通常最优接缝附近图像的几何特征较简单, 没有很明显的标志物, 因此对最优接缝的一个小邻域作平滑处理,

16 获得的原始图片在垂直方向仍有小量偏移本文提出的垂直边缘距离匹配的方法, 确定待拼接图像的水平拼接关系同时也能确定垂直偏移, 多列匹配的机制避免了局部最优, 在现有图像拼接算法中具有特别的优势全景图的生成实际上就是囊括水平 360 视场所有景象的一系列图像的两两拼接, 因此以下只讨论两幅相邻图像的拼接对两幅图像进行自动识别拼接, 需要两幅图像有 20% 以上的重叠区域图像的拼接实际上是要找出两幅图像的相对位置关系, 即找出图像 A 的重叠区域中某点在图像 B 中的位置 ( 假设图像 A 与图像 B 是待拼接的相邻图像, 下同 ), 然后根据相对位置关系结合两幅图像, 生成一幅包含图像 A 和图像 B 的图像范围的大图如下 : 如图所示, 基于边缘垂直距离匹配的全景图像拼接方法的具体步骤提取边缘并筛选匹配列 ; 首先利用 Canny 算法提取每幅图像的边缘, 记录每一列的边缘点的 μ δ 纵坐标, 求出每一列边缘点的纵坐标的均值和方差由于纵坐标的均值表示边缘的平均位置, 方差表示分散程度, 相邻列之间均值或方差的变化程度大, 说明此列附近的图像在水平方向有较大的变化, 筛选出这样的列进行比较均值和方差的变化程度可由前后列增加量的平均值衡量, 如第列为 : 6

然后根据相对位置关系结合两幅图像, 生成一幅包含图像 A 和图像 B 的图像范围的大图如下 : 如图所示, 基于边缘垂直距离匹配的全景图像拼接方法的具体步骤提取边缘并筛选匹配列 ; 首先利用 Canny 算法提取每幅图像的边缘, 记录每一列的边缘点的 μ δ 纵坐标,

17 μ ' δ ' μ = δ = μ + 2 δ + 由于图像数据有一定的干扰量, 利用两列增量的平均值比单列的增量有更好的稳定性, 增量的阀值可取图像垂直高度的 % 选取增量大于阀值的列, 分为正负增量两组, 每幅图像的正组与正组匹配, 负组与负组匹配, 通过这种方法预先筛选出待比较的列, 不仅可以减小计算量, 而且能降低最终结果落入局部极值的概率这是由于这些列附近图像边缘的波动较大, 匹配的条件更为苛刻, 避免了仅仅因为由于边缘分布简单 ( 甚至没有边缘 ) 而错误匹配的情况图像匹配 ; 筛选出待匹配的列并分组以后, 匹配算法分为两步 : 邻域方差匹配和垂直距离匹配邻域方差比较可以初步衡量对比的列附近图像的相似程度, 垂直距离匹配则可以进一步确定图像的匹配关系和垂直偏移量首先比较由需要匹配的列确定的一个邻域中, 相对应的列的边缘点纵坐标方差, 即 2. 提到的方差 δ 每对待匹配列( 例如图像 A 中的第 m 列于图像 B 中的第 n 列 ), 以待匹配列的横坐标为中点, 确定两个长度为 L 的方差数列 SmA 和 SnB,L 一般选取图像宽度的 5% 左右,SmA 与 SnB 的相似程度由 SmA 与 SnB 之差的绝对值来衡量, 即 2 L A B A B m n = m n i= Sim( S, S ) S () i S () i 7

邻域方差比较可以初步衡量对比的列附近图像的相似程度, 垂直距离匹配则可以进一步确定图像的匹配关系和垂直偏移量首先比较由需要匹配的列确定的一个邻域中, 相对应的列的边缘点纵坐标方差, 即 2.

18 A B Sim( S, S ) m n 越小说明 SmA 与 SnB 相似程度越高每对待匹配列都可以得到一个 Sim 值对所有待匹配列进行邻域方差匹配后, 对每一对匹配过的列进行分组 : 图 A B 中的待匹配列同时落在邻近范围内的分为一组例如 (SmA SnB) 对和 (Sm A Sn B) 对, 若 m 与 m n 与 n 相差小于一定值, 则分为一组以每一组的中最小的 Sim 值作为该组的 Sim 值, 并记录 Sim 值最小一对的横坐标 m n 作为匹配组的位置分组后把每组按 Sim 值从小到大排列, 也即按相似程度从大到小排列对前 K 组进行垂直距离匹配处理 ( 一般 K 取 20 左右是充足的 ) 垂直距离即一列像素点中每点到该列中最近的边缘点的距离如图 : 垂直距离匹配策略如下 : 匹配组位置 m n 为中心在各自原图中对应的长度为 L 的邻域中, 等间距地取 0 对像素列, 计算每对像素列的距离 D 数列 m () i D () 与 n i 进行比较, 表示第对对应像素列比较方式为每对距离列取垂直偏移量 Offset 在 h/2 到 h/2 之内变化 (h 为图像高度 ), 求绝对差值的平均值, 取结果最小值, 即 : Distence = min { D ( i + Offset) D ( i) /( h Offest)} mn, m n Offset ( h/2, h/2) i+ Offset (0, h) GroupSim mn, 对 0 对像素列的 Distance 值求和, 得到该组的相似系数 : GroupSim 0 mn, = Distencemn, = 8

垂直距离匹配策略如下 : 匹配组位置 m n 为中心在各自原图中对应的长度为 L 的邻域中, 等间距地取 0 对像素列, 计算每对像素列的距离 D 数列 m () i D () 与 n i 进行比较, 表示第对对应像素列比较方式为每对距离列取垂直偏移量 Offset 在 h/2 到 h/2 之内变化 (h 为图像高度 ), 求绝对差值的平均值,

19 前 K 组中 GroupSim 最小的一组即为最优匹配组在最优匹配组中, Distance 值最小的一对像素列为最优匹配列, 最优垂直偏移量为使这对匹配列取得 Distance 最小值的 Offset 值以这一对像素列作为两幅图像的接缝, 可以得到最佳的拼接效果由于 Distance 值最小的一对像素列的边缘像素分布通常比较简单, 也就是说这一对列中信息量比较小, 以这一对像素列作为接缝, 对图像原始信息的破坏最小, 最大限度保留了原始图像的信息图像融合 ; 虽然已经找到了最佳接合位置, 但由于图像光照条件不尽相同, 拍摄的图片也不可能是完全精确的平移关系, 甚至可能有小幅度的角度偏差, 如果直接把图像拼接起来, 则会出现明显的接缝为了达到更好的拼接效果, 需要对接缝附近进行平滑处理目前已有很多方法处理这一问题, 本文采用较为简单有效的加权合成的方法 : P = ( ω) P + ωp tran 2 其中 Ptran 为融合区域的灰度值,P P2 为原图中相应像素的灰度值,ω 为加权系数对以接缝为中心长度为 D 的融合区域,ω 从 0 到渐变由于本文算法获得了最佳的接缝位置 ( 最不明显的拼接位置 ),D 只需取图像宽度的 /40~/20 即可,D 取更大值反而可能出现重影, 影响拼接效果使用大量照片进行实验, 结果表明本文算法具有很强的鲁棒性, 即使拼接的图片之间有明显的垂直偏移和角度偏差, 也能实现无缝拼接 9

如果直接把图像拼接起来, 则会出现明显的接缝为了达到更好的拼接效果, 需要对接缝附近进行平滑处理目前已有很多方法处理这一问题, 本文采用较为简单有效的加权合成的方法 : P = ( ω) P + ωp tran 2 其中 Ptran 为融合区域的灰度值,P P2 为原图中相应像素的灰度值,ω 为加权系数

20 另外, 与其他图像拼接算法最大的不同点在于, 本算法使用了边缘点的垂直距离数列进行匹配, 不仅找到图片的相对位置的偏移量, 而且找到了最优匹配接缝, 这是本算法的创新点通常最优接缝附近图像的几何特征较简单, 没有很明显的标志物, 因此对最优接缝的一个小邻域作平滑处理, 可以避免大面积的图像灰度融合导致的模糊和重影问题, 尽可能地保留了图片的原始信息 0

21 说明书附图 CANNY 算法提取两幅图像边缘筛选匹配的像素列按边缘像素纵坐标的方差进行匹配按方差值和反映的图像相对位置分组对每组进行边缘垂直距离匹配, 距离统计值最小一组确定图像拼接位置进行图像缝合处理图

22 说明书摘要一种基于边缘垂直距离匹配的全景图像拼接方法,() 利用 CANNY 算法提取两幅图像边缘 ;(2) 筛选匹配的像素列 ;(3) 按边缘像素纵坐标的方差进行匹配 ;(4) 按方差值和反映的图像相对位置分组 ;(5) 对每组进行边缘垂直距离匹配, 距离统计值最小一组确定图像拼接位置 ;(6) 进行图像缝合处理本发明通过对两幅相邻图片的边缘垂直距离进行匹配, 实现全景图像的自动拼接本方法预先对匹配位置进行筛选, 减小了计算量, 节约了计算机时间以提高计算精度垂直距离匹配算法可以找到最优接缝, 即接缝位置位于图片中信息量较小处, 尽可能避开信息关键部位 ; 拼接图的大部分区域完整保留原始图像, 最大限度地保存原始图像的信息

23 摘要附图 CANNY 算法提取两幅图像边缘筛选匹配的像素列按边缘像素纵坐标的方差进行匹配按方差值和反映的图像相对位置分组对每组进行边缘垂直距离匹配, 距离统计值最小一组确定图像拼接位置进行图像缝合处理

24 请按照注意事项正确填写本表各栏申请号实质审查请求书发明创造名称基于边缘垂直距离匹配的全景图像拼接方法申请人华南理工大学广州学院 2 请求内容 : 根据专利法第 35 条的规定, 请求对上述专利申请进行实质审查申请人声明, 放弃专利法实施细则第 5 条规定的主动修改的权利 3 附件清单 4 备注该申请为 PCT 国际申请, 实质审查费不予减免该申请为 PCT 国际申请, 已由欧洲专利局日本专利局瑞典专利局作出国际检索报告, 实质审查费减免 20% 该申请为 PCT 国际申请, 已由中国作出国际检索报告及专利性国际初步报告, 实质审查费减免 00% 其他情况 : 5 申请人或专利代理机构签字或者盖章 6 国家知识产权局处理意见广州中浚雄杰知识产权代理有限责任公司 203 年 0 月 28 日年月日

请按照本表背面“填表注意事项”正确填写本表各栏

请按照本表背面“填表注意事项”正确填写本表各栏发明专利请求书请按照注意事项正确填写本表各栏 7 发明名称 8 发明人此框内容由国家知识产权局填写 1 申请号 ( 发明 ) 2 分案提交日 3 申请日 4 费减审批 5 向外申请审批 9 第一发明人国籍居民身份证件号码 6 挂号号码 10 申请 (1) 姓名或名称居民身份证件号码或组织机构代码请求费减且已完成费减资格备案国籍或注册国家 ( 地区 ) 姓名或名称电子邮箱人 (2)