(19)国家知识产权局
(12)发明 专利申请
(10)申请公布号
(43)申请公布日
(21)申请 号 202210459519.0
(22)申请日 2022.04.27
(71)申请人 深见清影科技 (厦门) 有限公司
地址 361000 福建省厦门市同安区洪塘镇
龙东里118号4层
(72)发明人 黄炜宸
(51)Int.Cl.
G06T 3/40(2006.01)
G06T 5/00(2006.01)
G06V 10/77(2022.01)
G06V 10/80(2022.01)
G06K 9/62(2022.01)
(54)发明名称
一种超大像素的图像拼接方法
(57)摘要
本发明公开了一种超大像素的图像拼接方
法, 包括以下步骤: 步骤一: 拼接策略: 将待拼接
的超大像素图像, 按照最终目标区域的像素大小
划分成若干个子区域, 对每个子区域内使用2 ‑6
的拼接算法; 本发明通过设置的拼接策略、 路径
优化、 图像去噪、 特征降维和图像配准等步骤, 从
而解决超大像素的图像拼接过程中的时间消耗
和内存溢出问题, 通过将原拼接问题在坐标空间
上分解成若干个子问题, 通过对局部区域的图像
进行配准和融合, 达到全图拼接的效果, 通过分
解拼接任务, 使得算法 降低对内存的占用, 满了
Opencv 3.0以上版本中Umat对申请内存块最高
2GB上限的条件, 使得在支持OpenCL的平台上可
以使用GPU对UMat进行操作, 从而提升算法的运
行效率。
权利要求书2页 说明书5页 附图1页
CN 114723609 A
2022.07.08
CN 114723609 A
1.一种超大像素的图像拼接方法, 其特 征在于: 包括以下步骤:
步骤一: 拼接策略: 将待拼接的超大像素图像, 按照最终目标区域的像素大小划分成若
干个子区域, 对每 个子区域内使用2 ‑6的拼接算法;
步骤二: 路径优化: 以10 ‑20%的重 叠程度对 全图进行弓字型扫描;
步骤三: 图像去噪: 使用中值滤波器消除图像 中孤立的噪声点, 并对镜头产生的暗角进
行匀光处 理;
步骤四: 特征提取: 使用SURF和 DAISY特征描述算法提取每张图像边缘区域的特征点和
特征值;
步骤五: 特征降维: 对特征采用PCA算法筛选出主要的特征并剔除其余的特征, 减少不
必要因素的干扰, 从而提升匹配准确度;
步骤六: 图像配准: 使用最临近匹配算法计算特征匹配点对和投影矩阵, 求解图像之间
的拼缝并进行加权融合。
2.根据权利要求1所述的一种超大像素的图像拼接方法, 其特征在于: 所述步骤一中,
将一个长为l, 宽为w的扫描区域等分为k个子区域, 并分别对每个子区域i进 行图像拼接, 进
行图像拼接时, 将拼接结果分为 iup和idown上下两部分。
3.根据权利要求2所述的一种超大像素的图像拼接方法, 其特征在于: 所述步骤一中,
当i<k时, 对相邻子区域的idown和(i+1)up分依次拼接, 将结果写入磁盘的图像文件中, 而(i
+1)down则用于后续的拼接, 直到第k个子区域时停止, 当i=k时, 将idown直接拼在图像文件的
末尾。
4.根据权利要求1所述的一种超大像素的图像拼接方法, 其特征在于: 所述步骤二中,
以zigzag型的扫描轨迹, 对病理样本进行全图扫描, 并记录每张图片临接的8张图片的序
号, 用于后续的相似匹配。
5.根据权利要求1所述的一种超大像素的图像拼接方法, 其特征在于: 所述步骤三中,
由于图像的能量大部分集中在幅度谱的低频和中频段, 而在较高频段的感兴趣的信息经常
被噪声淹没。 因此一个能 降低高频成分幅度的滤波器就能够减弱噪声的影响。 因此对图片
中3×3区域使用中值滤波, 其中心点的像素为九个点像素值中的中值。
6.根据权利要求1所述的一种超大像素的图像拼接方法, 其特征在于: 所述步骤四中,
通过高斯滤波构建尺度不变空间, 具体公式如下:
D(x,y, σ )=(G(x,y,kσ ) ‑G(x,y, σ )*I(x,y) )
随后利用Hes sian判别式求局部极值 点:
det(Happrax)=DxxDyy‑(0.9Dxy)2
利用非极大值抑制的思想, 将经过Hessi an矩阵处理过的每个像素点与 其3维领域的26
个点进行大小比较, 如果它是这26个点中的最大值或者最小值, 则保留下来, 当做特征点,
在特征点周围取4 ×4正方形框, 统计领域内的Harr小波 特征作为SURF特征描述子, 统计8个
经高斯核卷积过的梯度直方图作为DAISY特征描述子, 将64维 的SURF特征和200维 的DAISY
特征合并成264维特 征向量。
7.根据权利要求1所述的一种超大像素的图像拼接方法, 其特征在于: 所述步骤五中,权 利 要 求 书 1/2 页
2
CN 114723609 A
2在SURF算法筛选特征点的基础上, 通过手工选出显著的特征点对, 使用步骤四中的方法提
取特征点对之间的特征, 用于比较不同PCA降维采样的准确率, 从而挑选出最佳的维度参
数。
8.根据权利要求1所述的一种超大像素的图像拼接方法, 其特征在于: 所述步骤六中,
先使用kd ‑tree对多维特征 空间分割, 将无需的特征进 行有序化的排列, 方便进 行快捷的检
索。 通过不断将方差最大 的维度作为划分点, 将特征按照类似二叉树的方式存储到根节点
即可。 该方法能够以O(log(n))的时间复杂度在特征 空间中查找待匹配点, 将特征点之间的
欧式距离作为相似度, 使用自适应局部仿射匹配, 避免全局共面由于镜筒扭曲造成的异常
匹配, 对上述保留的匹配点按照相似度排序, 根据最佳的特征点对求得精确的变换矩阵, 因
为扫描过程镜头的抖动, 可能会对图像成像造成扰动, 因此该变换矩阵的是针对平移、 旋转
的仿射变换。
9.根据权利要求8所述的一种超大像素的图像拼接方法, 其特征在于: 所述步骤六中,
使用自适应局部仿射匹配的步骤为: ①找到初始最匹配点对; ②找到信度高且分布较好的
点作为种子点; ③在初始匹配中选择与该种子点在同一个区域的匹配点; ④保留那些局部
一致较好匹配。
10.根据权利要求1所述的一种 超大像素的图像拼接方法, 其特征在于: 所述步骤六中,
使用动态规划的思想, 在相邻图像间的查找具有相似性的子区域, 以相似性差异最小化为
目标确定最优融合线, 其中的目标函数如下:
c(x,y)=cdif(x,y)+λcedge(x,y)
cedge(x,y)=abs(g1(x,y)‑g2(x,y))
a(x,y)=0.3R(x,y)+0.59G(x,y)+0.1 1B(x,y)
其中, λ是一个调节系数, cdif(x,y)是领域颜色和亮度差异, cedge(x,y)是邻域灰度直方
图特征的差异项, g为图像对应的灰度直方图, a为图像的亮度, 构建图像的Larplace金字
塔, 将原图分解 成多个带通图像, 然后在每个频带的过渡区采用不同波长的信号进 行融合。
在拼缝的两侧直接使用线性融合, 得到该频带的融合结果, 最后将 每个频带得到的结果, 得
到最终的输出图像。权 利 要 求 书 2/2 页
3
CN 114723609 A
3
专利 一种超大像素的图像拼接方法
安全报告 >
其他 >
文档预览
中文文档
9 页
50 下载
1000 浏览
0 评论
309 收藏
3.0分
温馨提示:本文档共9页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
本文档由 人生无常 于 2024-03-18 07:35:37上传分享