一种基于小波技术的在线图像拼接融合方法技术

本发明专利技术公开了一种基于小波技术的在线图像拼接融合方法，包括对采集到的原图像进行图像配准处理、配准后的图像进行图像融合：所述的原图像进行图像配准处理，通过Harris算法的图像配准算法，在参考图像中找到与待拼接图像中的模板或者特征点对应的位置，根据模板或者图像特征之间的对应关系，在两幅图像中找到他们的位置，统一坐标变换，对于不同的图像数学模型不同、坐标系系统不同，将多个坐标系统一的变换模型，实现在一个坐标系下将多幅图像拼接；所述的配准后的图像进行图像融合，采用小波变换技术的图像融合算法，消除各个图像拼接后出现的接缝、模糊现象。适用范围比较广，自动化程度相对较高，可以满足当前绝大多图像拼接的要求。

An online image mosaic and fusion method based on Wavelet Technology

【技术实现步骤摘要】
一种基于小波技术的在线图像拼接融合方法
本专利技术涉及一种基于小波技术的在线图像拼接融合方法。技术背景在布匹印染行业中，对色差的检测是一个尤为重要的生产环节，由于布匹的宽度与摄像装置的局限性，需要采用到图像拼接技术，对采集到的图像进行融合拼接，生成一副完整的图像，以便保证后续色差检测的准确性与高效性。图像拼接，即将边沿重叠的图像拼接为一幅图像。目前，图像拼接过程中，都是简单的将边沿部分相重叠的图像相互覆盖。这种方式拼接的图像，平滑度低，过渡不自然，容易造成视觉观赏上的不适。
技术实现思路
1、本专利技术的目的基于
技术介绍
存在的技术问题，本专利技术提出了一种基于小波技术的在线图像拼接融合方法。2、本专利技术所采用的技术方案本专利技术公开了一种基于小波技术的在线图像拼接融合方法，包括对采集到的原图像进行图像配准处理、配准后的图像进行图像融合：所述的原图像进行图像配准处理，通过Harris算法的图像配准算法，在参考图像中找到与待拼接图像中的模板或者特征点对应的位置，根据模板或者图像特征之间的对应关系，在两幅图像中找到他们的位置，统一坐标变换，对于不同的图像数学模型不同、坐标系系统不同，将多个坐标系统一的变换模型，实现在一个坐标系下将多幅图像拼接；所述的配准后的图像进行图像融合，采用小波变换技术的图像融合算法，消除各个图像拼接后出现的接缝、模糊现象。更进一步，所述的原图像进行图像配准处理按照如下步骤：步骤3.1:基于此平台采集图像，把需要配准的两幅图像的RGB彩色空间图像转换到HSV颜色空间图像；步骤3.2:利用Harris算子提取HSV空间中亮度分量V的角点特征；Harris算法受信号处理系统中自相关函数的影响及启发用一阶偏导描述亮度分量V的变化，给出了与自相关函数相联系的反映局部互相关曲率的矩阵M，M的定义如公式1所示：式中，Ix和Iy分别表示输入图像的像素点在x、y方向上的一阶导，G表示选用的高斯模板函数，＜＞表示高斯模板与函数的卷积运算；Harris角点检测算法不同于各向异性的Moravec算法，具有各项同性的特性，定义了一组方形区域的图像灰度误差总和，即各个方向上的自相关值E(u,v)，如公式2所示，E(u，v)＝∑x，yG[I(x+u，y+v)-I(x，y)]2(2)上式的泰勒展开式如公式3所示,E可近似为局部互相关函数，而M则描述了这点的形状；假定λ1和λ2为矩阵M的两个特征值，那么λ1和λ2则表示局部自相关函数的曲率，通过对λ1和λ2大小的比较，可以对角点进行检测，具体为：(a)如果λ1和λ2都比较小且大小相当，则表示窗口所处区域灰度近似常量，任意方向的移动，E发生的变化都不大；(b)如果λ1远大于λ2，则表明成屋脊状，比如图像的边缘，平行于边缘移动，E的变化很小；垂直于边缘的方向移动，E会发生很大的变化；(c)如果λ1和λ2都比较大，则表明成尖峰状，沿每个方向移动，都会使函数E急剧增大。但在实际运用时，在矩阵M的基础上，角点的响应函数(CRF)可以表示为：公式中，det()示进行行列式运算，trace()表示矩阵对角线的和，k表示常数，一般取0.04～0.06，det(M)＝λ1λ2，trace(M)＝λ1+λ2，这就避免了对矩阵特征值得求解，当trace(M)很大时，表明这是一条边；当det(M)很大时，表明这是一个角点或者一条边。步骤3.3：采用基于交叉匹配算法剔除图像中的错误匹配点，可以大大提高匹配的可靠性；步骤3.4：利用同名角点之间的空间位置信息，计算仿射变换参数。更进一步，所述的配准后的图像进行图像融合按照如下步骤进行：小波变换技术的图像融合如下：对一维连续小波ψa，b(t)和连续小波变换Wf(a，b)进行离散化，其中，a表示尺度参数，b表示平移参数，在离散化过程中分别取和其中，j∈Z，a0＞1，则对应的离散小波函数如下：离散化的小波变换系数如下：小波重构公式如下：式中，C为常数且与数据信号无关，根据对连续函数进行离散化逼近的步骤，如果选择的a0和b0越小，则生成的网格节点就越密集，所计算的离散小波函数ψj，k(t)和离散小波系数Cj，k就越多，进而数据信号重构的精确度也越高；由于数字图像是二维矩阵，所以需要将一维信号的小波变换推广到二维信号，φ(x)是一个一维的尺度函数，是相对的小波函数，那么可以得到一个二维小波变换的基础函数：ψ1(x，y)＝φ(x)ψ(y)，ψ2(x，y)＝φ(x)ψ(y)，ψ3(x，y)＝φ(x)ψ(y)由于数字图像是二维矩阵，一般假设图像矩阵的大小为N*N，且N＝2n(n为非负整数)，所以经一层小波变换后，原始图像便分解为4个分辨率为原来尺寸四分之一的子带区域，一次离散小波变换后的频率分布，进行下一层小波变换时，变换数据集中在LL子带上，如下公式说明了图像小波变换模型，LL频带保持了原始图像的内容信息，图像的能量集中于此频带：HL频带保持了图像水平方向上的高频边缘信息：LH频带保持了图像垂直方向上的高频边缘信息：HH频带保持了图像在对角线方向上的高频信息：对图像进行小波变换的原理就是通过低通滤波器和高通滤波器对图像进行卷积滤波，在进行二取一的下抽样，因此，图像通过一层小波变换可以被分解为1个低频子带和3个高频子带；其中，低频子带LL1通过对图像水平方向和垂直方向均进行低通滤波得到；高频子带HL1通过对图像水平方向高通滤波和垂直方向低通滤波得到；高频子带LH1通过对图像水平方向低通滤波和垂直方向高通滤波得到；高频子带HH1通过对图像水平方向高通滤波和垂直方向高通滤波得到，各子带的分辨率为原始图像的二分之一；同理对图像进行二层小波变换时只对低频子带LL进行，可以将LL1子带分解为LL2、LH2、HL2和HH2，各子带的分辨率为原始图像的四分之一，以此类推可得到三层及更高的小波变换结果，所以，进行一层小波变换得到4个子带，进行二层小波变换得到7个子带，进行x层分解就可以得到3*x+1个子带。更进一步，整体步骤如下：步骤1：由系统装置中的多组CCD相机进行原图像的采集；步骤2：将系统装置采集到的图像进行图像的预处理，将CCD摄像装置采集到的图像进行降噪处理；步骤3：将与处理后的图像进行图像配准处理；步骤4：进一步的把配准后的图像进行图像融合；步骤5：展示拼接融合完整的图像，并对拼接完成的图像进行存储。更进一步，所述步骤1中，将相同时刻对多台CCD摄像装置采集的图像进行采集拼接，将重叠区域提取出来。更进一步，所述的步骤2中，采用高斯滤波的方式对采集到的图像预处理。3、本专利技术有益效果(1)本专利技术提供了一种基于小波技术的在线图像拼接融合方法，融合了机器视觉与图像处理技术，适用范围本文档来自技高网...

【技术保护点】
1.一种基于小波技术的在线图像拼接融合方法，其特征在于：/n包括对采集到的原图像进行图像配准处理、配准后的图像进行图像融合；/n所述的原图像进行图像配准处理，通过Harris算法的图像配准算法，在参考图像中找到与待拼接图像中的模板或者特征点对应的位置，根据模板或者图像特征之间的对应关系，在两幅图像中找到他们的位置，统一坐标变换，对于不同的图像数学模型不同、坐标系系统不同，将多个坐标系统一的变换模型，实现在一个坐标系下将多幅图像拼接；/n所述的配准后的图像进行图像融合，采用小波变换技术的图像融合算法，消除各个图像拼接后出现的接缝、模糊现象。/n

【技术特征摘要】
1.一种基于小波技术的在线图像拼接融合方法，其特征在于：
包括对采集到的原图像进行图像配准处理、配准后的图像进行图像融合；
所述的原图像进行图像配准处理，通过Harris算法的图像配准算法，在参考图像中找到与待拼接图像中的模板或者特征点对应的位置，根据模板或者图像特征之间的对应关系，在两幅图像中找到他们的位置，统一坐标变换，对于不同的图像数学模型不同、坐标系系统不同，将多个坐标系统一的变换模型，实现在一个坐标系下将多幅图像拼接；
所述的配准后的图像进行图像融合，采用小波变换技术的图像融合算法，消除各个图像拼接后出现的接缝、模糊现象。


2.根据权利要求1所述的基于小波技术的在线图像拼接融合方法，其特征在于，所述的原图像进行图像配准处理按照如下步骤：
步骤3.1:基于此平台采集图像，把需要配准的两幅图像的RGB彩色空间图像转换到HSV颜色空间图像；
步骤3.2:利用Harris算子提取HSV空间中亮度分量V的角点特征；
Harris算法受信号处理系统中自相关函数的影响及启发用一阶偏导描述亮度分量V的变化，给出了与自相关函数相联系的反映局部互相关曲率的矩阵M，M的定义如公式1所示：



式中，Ix和Iy分别表示输入图像的像素点在x、y方向上的一阶导，G表示选用的高斯模板函数，＜＞表示高斯模板与函数的卷积运算；
Harris角点检测算法不同于各向异性的Moravec算法，具有各项同性的特性，定义了一组方形区域的图像灰度误差总和，即各个方向上的自相关值E(u,v)，如公式2所示，
E(u，v)＝∑x，yG[I(x+u，y+v)-I(x，y)]2(2)
上式的泰勒展开式如公式3所示,



E可近似为局部互相关函数，而M则描述了这点的形状；假定λ1和λ2为矩阵M的两个特征值，那么λ1和λ2则表示局部自相关函数的曲率，通过对λ1和λ2大小的比较，可以对角点进行检测，具体为：
(a)如果λ1和λ2都比较小且大小相当，则表示窗口所处区域灰度近似常量，任意方向的移动，E发生的变化都不大；
(b)如果λ1远大于λ2，则表明成屋脊状，比如图像的边缘，平行于边缘移动，E的变化很小；垂直于边缘的方向移动，E会发生很大的变化；
(c)如果λ1和λ2都比较大，则表明成尖峰状，沿每个方向移动，都会使函数E急剧增大，在矩阵M的基础上，角点的响应函数表示为：



公式中，det()示进行行列式运算，trace()表示矩阵对角线的和，k表示常数，一般取0.04～0.06，det(M)＝λ1λ2，trace(M)＝λ1+λ2，这就避免了对矩阵特征值得求解，当trace(M)很大时，表明这是一条边；当det(M)很大时，表明这是一个角点或者一条边；
步骤3.3：采用基于交叉匹配算法剔除图像中的错误匹配点，可以大大提高匹配的可靠性；
步骤3.4：利用同名角点之间的空间位置信息，计算仿射变换参数。


3.根据权利要求1所述的基于小波技术的在线图像拼接融合方法，其特征在于所述的配准后的图像进行图像融合按照如下步骤进行：
小波变换技术的图像融合如下：
对一维连续小波ψa，b(t)和连续小波变换Wf(a，b)进行离散化，其中，a表示尺度参数...

【专利技术属性】
技术研发人员：姚克明，崔祥顺，王田虎，贾子彦，
申请(专利权)人：江苏理工学院，
类型：发明
国别省市：江苏;32