CN103914819B - 一种基于改进ransac的红外图像拼接方法 - Google Patents

一种基于改进ransac的红外图像拼接方法 Download PDF

Info

Publication number
CN103914819B
CN103914819B CN201410117749.4A CN201410117749A CN103914819B CN 103914819 B CN103914819 B CN 103914819B CN 201410117749 A CN201410117749 A CN 201410117749A CN 103914819 B CN103914819 B CN 103914819B
Authority
CN
China
Prior art keywords
counted
office
intra
ratio
infrared image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201410117749.4A
Other languages
English (en)
Other versions
CN103914819A (zh
Inventor
徐鑫
孙韶媛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Donghua University
Original Assignee
Donghua University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Donghua University filed Critical Donghua University
Priority to CN201410117749.4A priority Critical patent/CN103914819B/zh
Publication of CN103914819A publication Critical patent/CN103914819A/zh
Application granted granted Critical
Publication of CN103914819B publication Critical patent/CN103914819B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Image Analysis (AREA)

Abstract

本发明涉及一种基于改进RANSAC的红外图像拼接方法，包括以下步骤：使用SIFT算法对待拼接红外图像进行特征提取；对不合适的局外点进行RANSAC算法修正，并计算比较得出变换矩阵；根据待拼接红外图像的关系把它们放在同一坐标下，通过渐入渐出法进行图像融合，达到无缝拼接形成一幅宽视觉大图。本发明可以缩短重复次数，设定阈值在结果中比较得出最优变换矩阵，达到缩短时间的效果。

Description

一种基于改进RANSAC的红外图像拼接方法
技术领域
本发明涉及图像处理技术领域，特别是涉及一种基于改进RANSAC的红外图像拼接方法。
背景技术
图像拼接是把一组具有重叠信息的图像根据图像匹配融合出一幅包含所有信息的宽视觉图像的过程。图像拼接方法有基于变换域的方法、基于灰度相关的方法和基于特征的方法。
Kuglin等在1975年提出了相位相关法。Harris等在1988年Harris角点提取算法。RichardSzeliski在1996年提出基于运动的图像拼接方法。Smith等人在1998年提出了灰度互相关方法，该方法速度快，但并不稳定。D.G.Lowe在1999年提出了SIFT算法，该方法在图像发生平移、旋转、仿射情况下具有不变性。比值匹配法速度快，但精准度不够高。块匹配法精度高，但速度慢。
发明内容
本发明所要解决的技术问题是提供一种基于改进RANSAC的红外图像拼接方法，可以缩短重复次数，设定阈值在结果中比较得出最优变换矩阵，达到缩短时间的效果。
本发明解决其技术问题所采用的技术方案是：提供一种基于改进RANSAC的红外图像拼接方法，包括以下步骤：
（1）使用SIFT算法对待拼接红外图像进行特征提取；
（2）对不合适的局外点进行RANSAC算法修正，并计算比较得出变换矩阵；
（3）根据待拼接红外图像的关系把它们放在同一坐标下，通过渐入渐出法进行图像融合，达到无缝拼接形成一幅宽视觉大图。
所述步骤（2）中包括以下子步骤：设定迭代次数N；随机选取4对特征点；通过线性方程组求出临时变换矩阵；开始迭代，当在N次迭代过程中，如果出现局内点数和总特征点数之比大于第一阈值时，根据局内点数和总特征点数之比取最大值的基础上求得变换矩阵，并立刻结束循环；当在N次迭代过程中，如果出现局内点数和总特征点数之比小于第一阈值且大于第二阈值时，求出满足局内点数和总特征点数之比小于第一阈值且大于第二阈值条件的局内点数和总特征点数之比的平均值，并根据所述平均值求出新的迭代次数N1，根据新的迭代次数N1求出变换矩阵；当在N次迭代过程中，如果局内点数和总特征点数之比总是小于第二阈值时，取局内点数和总特征点数之比的最大值，并求出新的迭代次数N2，继续进行迭代，每次迭代后的局内点数和总特征点数之比都与前几次的最大的局内点数和总特征点数之比比较，如果新的局内点数和总特征点数之比大于前几次的最大的局内点数和总特征点数之比，则用计算得到的新的迭代次数取代原来的迭代次数，反之，则舍去新的局内点数和总特征点数之比，继续循环。
所述第一阈值为0.95；所述第二阈值为0.85。
在选取特征点的过程中如果4对特征点中有3个特征点成一线的情况，则重新选取。
所述步骤（1）前还包括对待拼接红外图像进行预处理的步骤。
有益效果
由于采用了上述的技术方案，本发明与现有技术相比，具有以下的优点和积极效果：本发明通过设立多个阈值，以对不同情况采用不同手段，通过设定阈值在结果中比较得出最优变换矩阵，达到缩短时间的效果。在对同样的红外图像进行拼接的情况下，本发明比传统的方法所耗时间更少，而且当匹配对越多时，效果会更明显。
附图说明
图1是本发明的流程图；
图2是本发明中改进RANSAC算法的流程图；
图3是实施方式中两幅待拼接配准红外图；
图4是实施方式中的拼接图。
具体实施方式
下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。
本发明的实施方式涉及一种基于改进RANSAC的红外图像拼接方法，如图1所示，包括以下步骤：
（1）使用SIFT算法对待拼接红外图像进行特征提取；
（2）对不合适的局外点进行RANSAC算法修正，并计算比较得出变换矩阵；
（3）根据待拼接红外图像的关系把它们放在同一坐标下，通过渐入渐出法进行图像融合，达到无缝拼接形成一幅宽视觉大图。
值得一提的是，在步骤（1）前还包括对待拼接红外图像进行预处理的步骤。
图2是改进RANSAC算法的流程图。具体包括以下子步骤：设定迭代次数N，其中，N可以是一个小整数；随机选取4对特征点，如果4对特征点中有3个特征点成一线的情况，则重新选择；通过线性方程组求出临时变换矩阵；开始迭代，当在N次迭代过程中，如果出现局内点数和总特征点数之比大于第一阈值时，根据局内点数和总特征点数之比取最大值的基础上求得变换矩阵，并立刻结束循环；当在N次迭代过程中，如果出现局内点数和总特征点数之比小于第一阈值且大于第二阈值时，求出满足局内点数和总特征点数之比小于第一阈值且大于第二阈值条件的局内点数和总特征点数之比的平均值，并根据所述平均值求出新的迭代次数N1，根据新的迭代次数N1求出变换矩阵；当在N次迭代过程中，如果局内点数和总特征点数之比总是小于第二阈值时，取局内点数和总特征点数之比的最大值，并求出新的迭代次数N2，继续进行迭代，每次迭代后的局内点数和总特征点数之比都与前几次的最大的局内点数和总特征点数之比比较，如果新的局内点数和总特征点数之比大于前几次的最大的局内点数和总特征点数之比，则用计算得到的新的迭代次数取代原来的迭代次数，反之，则舍去新的局内点数和总特征点数之比，继续循环。
其中，第一阈值可以为0.95；第二阈值可以为0.85。也就是说，在迭代过程中，当局内点数超过所有特征点数的0.95倍时，立即跳出循环，以减少重复时间，或当已经存在局内点数超过所有特征点数的0.85倍时，求所有满足条件下的平均局内点数，然后据此得出变换矩阵，而当局内点数全都不超过所有特征点数的0.85倍时，由此算出的新迭代次数取代旧迭代次数，可节省时间。
在图3中，两幅待拼接图整齐排列在一张大图上，形成很多条平行线，线的两端分别是两幅图像上匹配着的特征点。在图4中，两幅图像已经无缝拼接成一幅大图，并包含了两幅图像的信息。
不难发现，本发明通过设立多个阈值，以对不同情况采用不同手段，通过设定阈值在结果中比较得出最优变换矩阵，达到缩短时间的效果。在对同样的红外图像进行拼接的情况下，本发明比传统的方法所耗时间更少，而且当匹配对越多时，效果会更明显。

Claims (4)

1.一种基于改进RANSAC的红外图像拼接方法，其特征在于，包括以下步骤：
(1)使用SIFT算法对待拼接红外图像进行特征提取；
(2)对不合适的局外点进行RANSAC算法修正，并计算比较得出变换矩阵；具体包括以下子步骤：设定迭代次数N；随机选取4对特征点；通过线性方程组求出临时变换矩阵；开始迭代，当在N次迭代过程中，如果出现局内点数和总特征点数之比大于第一阈值时，根据局内点数和总特征点数之比取最大值的基础上求得变换矩阵，并立刻结束循环；当在N次迭代过程中，如果出现局内点数和总特征点数之比小于第一阈值且大于第二阈值时，求出满足局内点数和总特征点数之比小于第一阈值且大于第二阈值条件的局内点数和总特征点数之比的平均值，并根据所述平均值求出新的迭代次数N1，根据新的迭代次数N1求出变换矩阵；当在N次迭代过程中，如果局内点数和总特征点数之比总是小于第二阈值时，取局内点数和总特征点数之比的最大值，并求出新的迭代次数N2，继续进行迭代，每次迭代后的局内点数和总特征点数之比都与前几次的最大的局内点数和总特征点数之比比较，如果新的局内点数和总特征点数之比大于前几次的最大的局内点数和总特征点数之比，则用计算得到的新的迭代次数取代原来的迭代次数，反之，则舍去新的局内点数和总特征点数之比，继续循环；
(3)根据待拼接红外图像的关系把它们放在同一坐标下，通过渐入渐出法进行图像融合，达到无缝拼接形成一幅宽视觉大图。
2.根据权利要求1所述的基于改进RANSAC的红外图像拼接方法，其特征在于，所述第一阈值为0.95；所述第二阈值为0.85。
3.根据权利要求1所述的基于改进RANSAC的红外图像拼接方法，其特征在于，在选取特征点的过程中如果4对特征点中有3个特征点成一线的情况，则重新选取。
4.根据权利要求1所述的基于改进RANSAC的红外图像拼接方法，其特征在于，所述步骤(1)前还包括对待拼接红外图像进行预处理的步骤。
CN201410117749.4A 2014-03-26 2014-03-26 一种基于改进ransac的红外图像拼接方法 Expired - Fee Related CN103914819B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410117749.4A CN103914819B (zh) 2014-03-26 2014-03-26 一种基于改进ransac的红外图像拼接方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410117749.4A CN103914819B (zh) 2014-03-26 2014-03-26 一种基于改进ransac的红外图像拼接方法

Publications (2)

Publication Number Publication Date
CN103914819A CN103914819A (zh) 2014-07-09
CN103914819B true CN103914819B (zh) 2016-11-23

Family

ID=51040476

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410117749.4A Expired - Fee Related CN103914819B (zh) 2014-03-26 2014-03-26 一种基于改进ransac的红外图像拼接方法

Country Status (1)

Country Link
CN (1) CN103914819B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105894443B (zh) * 2016-03-31 2019-07-23 河海大学 一种基于改进的surf算法的实时视频拼接方法
CN107403410B (zh) * 2017-07-25 2020-07-28 北京华新创科信息技术有限公司 一种热红外图像的拼接方法
CN107833179A (zh) * 2017-09-05 2018-03-23 云南电网有限责任公司昆明供电局 一种红外图像的快速拼接方法及系统
CN110264569A (zh) * 2019-05-30 2019-09-20 南京航空航天大学 一种红外图像三维重建算法
CN110967014B (zh) * 2019-10-24 2023-10-31 国家电网有限公司 一种基于增强现实技术的机房室内导航和设备追踪的方法
CN112102169A (zh) * 2020-09-15 2020-12-18 合肥英睿系统技术有限公司 一种红外图像拼接方法、装置和存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101556692A (zh) * 2008-04-09 2009-10-14 西安盛泽电子有限公司 基于特征点邻域伪Zernike矩的图像拼接方法
CN101930603A (zh) * 2010-08-06 2010-12-29 华南理工大学 中高速传感器网络图像数据融合的方法
CN103310464A (zh) * 2013-06-26 2013-09-18 北京航空航天大学 一种基于法向流的直接估算相机自运动参数的方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101556692A (zh) * 2008-04-09 2009-10-14 西安盛泽电子有限公司 基于特征点邻域伪Zernike矩的图像拼接方法
CN101930603A (zh) * 2010-08-06 2010-12-29 华南理工大学 中高速传感器网络图像数据融合的方法
CN103310464A (zh) * 2013-06-26 2013-09-18 北京航空航天大学 一种基于法向流的直接估算相机自运动参数的方法

Also Published As

Publication number Publication date
CN103914819A (zh) 2014-07-09

Similar Documents

Publication Publication Date Title
CN103914819B (zh) 一种基于改进ransac的红外图像拼接方法
Xu et al. Multi-channel weighted nuclear norm minimization for real color image denoising
CN103310453B (zh) 一种基于子图像角点特征的快速图像配准方法
Jiang et al. Video object detection with locally-weighted deformable neighbors
CN111598796B (zh) 图像处理方法及装置、电子设备、存储介质
CN104077761B (zh) 基于自适应稀疏表示的多聚焦图像融合方法
CN104616247B (zh) 一种用于基于超像素sift航拍地图拼接的方法
Schuster et al. FlowFields++: Accurate optical flow correspondences meet robust interpolation
CN106257497B (zh) 一种图像同名点的匹配方法及装置
CN102800054B (zh) 基于稀疏性度量的图像盲去模糊方法
CN106780309A (zh) 一种合成孔径雷达图像拼接方法
CN110163894B (zh) 基于特征匹配的亚像素级目标跟踪方法
CN111291780B (zh) 一种跨域网络训练及图像识别方法
CN104143203A (zh) 一种图像编辑传播方法
CN107730459A (zh) 一种基于非线性动态系统的图像去模糊方法
CN103413306B (zh) 一种自适应阈值的Harris角点检测方法
CN110705568B (zh) 一种图像特征点提取的优化方法
CN110599534B (zh) 适用于2d卷积神经网络的可学习引导滤波模块和方法
CN107798297A (zh) 一种基于帧间差分自动提取稳定帧的方法
CN106296580A (zh) 一种图像拼接的方法及装置
CN109801317A (zh) 基于卷积神经网络进行特征提取的图像匹配方法
CN110135496A (zh) 一种基于特征的立体图像匹配算法
Zhu et al. Co-occurrent structural edge detection for color-guided depth map super-resolution
CN103679676A (zh) 基于多层次词袋聚类的快速无序图像拼接方法
CN104182948B (zh) 一种相关性噪声的估计方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20161123

Termination date: 20190326

CF01 Termination of patent right due to non-payment of annual fee