CN106384334A - 基于互信息的钢板图像拼接方法 - Google Patents

Abstract

本发明公开了一种基于互信息的钢板图像拼接方法，1、对于一副输入的钢板图像，首先使用Scharr算子来获得梯度图像，并对梯度图像进行零均值处理来进行归一化；2、对于两个待拼接的归一化的梯度图像，根据拼接参数获取其重叠区域，然后计算其统计直方图和联合概率直方图，接着利用求得的直方图计算两个统计量之间的互信息；随后对所有的拼接参数均计算得到其互信息结果，并选择取得最大互信息的拼接参数作为最优参数；然后将钢板宽度方向上所有钢板图像进行图像融合拼接在一起；该方法利用互信息来度量待拼接图像重叠部分的相似性，然后对拼接参数进行优化迭代地选择相邻时刻的最优参数，最后根据拼接参数对待拼接图像进行图像融合最终获得拼接后整张钢板的高分辨率图像。

Description

基于互信息的钢板图像拼接方法

技术领域

本发明属于钢板图像拼接应用领域，具体提出了一种基于互信息的钢板图像拼接方法。

背景技术

所谓图像拼接技术是数字图像处理技术的一个重要的研究方向，它即是将两幅或者多幅互相有部分重叠的场景图像拼接成具有超宽视角、与原始图像接近且失真小、没有明显缝合线的高分辨率图像，可以很好的解决广角镜、鱼眼镜头等全景图像获取设备的不足，图像拼接产生的图像不仅具有较好的景物全局影像，而且还保留了原始图像的细节信息，通过图像拼接技术，可以剔除图像冗余信息，压缩图像信息存储量，从而更加有效地表示信息。

随着工业自动化的发展，为提高钢铁产能，降低人工成本，自动化的缺陷检测系统开始被引入到钢铁生产流程中。然而在实际应用中，钢板宽度方向上往往一个普通的数码相机的视域不足以拍摄完全，所以需要多台相机同时拍摄来获得整个钢板的图像信息。另外，由于所有的相机都由同一个编码器触发进行信号采集，而触发信号在遇到干扰的情况下往往会导致信号异常，所以没有办法保证信号完全同步。基于上述原因，在自动化缺陷检测系统实际操作中，多台相机采集到的图像往往在钢板宽度方向上存在部分重叠情况，而在钢板运动方向上则存在偏移情况。

发明内容

本发明针对上述问题，提出了一种基于互信息的钢板图像拼接方法，该方法利用互信息来度量待拼接图像重叠部分的相似性，然后对拼接参数进行优化迭代地选择相邻时刻的最优参数，最后根据拼接参数对待拼接图像进行图像融合最终获得拼接后整张钢板的高分辨率图像。

为达到上述目的，本发明采用如下技术方案：

一种基于互信息的钢板图像拼接方法，该方法包括以下步骤：

步骤A：对于一副输入的钢板图像，首先使用Scharr算子来获得梯度图像，并对梯度图像进行零均值处理来进行归一化；

步骤B：对于两个待拼接的归一化的梯度图像，根据拼接参数获取其重叠区域，然后计算其统计直方图和联合概率直方图，接着利用求得的直方图计算这两个统计量之间的互信息，互信息表示了两个统计量之间的相关性度量，互信息越大表示这两个统计量的相关性越强；接着对拼接参数空间中所有的拼接参数均计算得到其互信息结果，并选择取得最大互信息的拼接参数作为最优参数；然后将钢板宽度方向上所有钢板图像进行图像融合拼接在一起；

步骤C：工业上一般用于采集图像的相机是线阵相机，同一相机在相邻时刻采集到的图像是连续的，直接在钢板运动方向上连接起来，这样就在不同时刻存在多个拼接参数；使用互信息置信度来判断哪个参数更优迭代地选择相邻时刻的最优参数，接着在钢板运动方向上将同一相机采集的不同时刻的图像直接连接起来，最后根据迭代地优化出的最优参数对待拼接图像重新进行钢板宽度方向的图像融合。

所述步骤A的具体步骤如下：

步骤A01：对于一副输入图像，首先计算其灰度图像，然后使用Scharr算子来计算其梯度图像；

步骤A02：根据梯度图像，使用零均值方法来对其进行归一化，获得归一化的梯度图像。

所述步骤B的具体步骤如下：

步骤B01：输入两幅相互有重叠部分的归一化的梯度图像，根据拼接参数截取其重叠部分，然后分别计算其统计直方图和它们的关联概率直方图；

步骤B02：根据两幅梯度图像重叠子图各自的统计直方图以及它们的关联概率直方图，计算其互信息，互信息表示两个统计量之间的相关性，互信息越大表示这两个统计量相关性越强；

步骤B03：根据输入的拼接参数搜索域获取拼接参数空间，对拼接参数空间中的所有拼接参数，重复上述两个步骤对所有的拼接参数都计算得到其互信息，并选择取得最大互信息的拼接参数作为最优参数；接着根据获得的参数使用渐进渐出法将对待拼接图像进行图像融合。

所述步骤C的具体步骤如下：

步骤C01：根据之前计算出的互信息计算互信息置信度来评价拼接参数的置信度，用来判断哪个参数更优。对于在相邻的时刻计算出的拼接参数，使用互信息置信度来迭代地优化，选择互信息置信度更高的那一个参数；

步骤C02：将同一台相机在不同时刻采集到的图像在钢板运动方向上直接连接起来。然后根据优化后的拼接参数和在钢板运动方向上已经连接好的钢板图像，使用渐进渐出法重新进行钢板宽度方向图像融合，获得拼接后的整张钢板的高分辨率图像。

和现有技术相比，本发明具备如下优点：

1.该方法能够在低纹理的钢板图像上进行图像拼接，相对于基于特征点的图像拼接方法，并不要求图像必须有复杂纹理；

2.该方法的拼接效果较好，并且比较鲁棒，这是由于该方法使用的互信息能够有效地度量匹配的相似性，并且对不同时刻的图像的拼接参数迭代地优化更保证了最终结果的正确；

3.许多图像拼接算法尤其是基于频域的图像拼接算法往往要求待拼接图像有至少百分之五十的重叠，而该方法没有这个要求。

具体实施方式

下面结合具体实施方式对本发明作进一步详细说明。

本发明提出了一种基于互信息的钢板图像拼接方法，具体包括以下步骤：

步骤A：对于一副输入的钢板图像，使用Scharr算子来计算其梯度图像，并对梯度图像进行零均值处理来进行归一化获得归一化的钢板梯度图像；

所述步骤A的具体步骤如下：

步骤A01：对于一副输入的钢板图像，先计算其灰度图像，然后使用Scharr算子来计算其梯度图像；

Scharr算子的模板为：

$G_x=\left[\begin{array}{ccc}-3& 0& 3\\ -10& 0& 10\\ -3& 0& 3\end{array}\right]G_y=\left[\begin{array}{ccc}-3& -10& -3\\ 0& 0& 0\\ 3& 10& 3\end{array}\right]$

其中G_x表示x方向的卷积模板，G_y表示y方向的卷积模板。

步骤A02：输入钢板图像的梯度图像，使用零均值方法来对其进行归一化，获得归一化的梯度图像。

零均值归一化公式为：

$x^{*}=\frac{x-\mathrm{\μ}}{\mathrm{\σ}}$

其中x表示梯度图像中任意像素的梯度值，μ表示为梯度图像梯度值的均值，σ表示为梯度图像梯度值的方差，x^*表示该像素归一化后的梯度值。

步骤B的具体步骤如下：输入两幅归一化的梯度图像，分别计算其统计直方图，再计算它们的关联概率直方图。然后根据其各自的统计直方图以及关联概率直方图计算其互信息。然后对拼接参数空间中所有的参数都计算其互信息，接着选择获得最大互信息的拼接参数作为最优参数，最后根据最优参数使用渐进渐出法将相机同一时刻拍摄到的多幅图形进行宽度方向图像融合。

步骤B01：输入两幅归一化的梯度图像，根据拼接参数获取这两张图像的相对偏移，接着分别截取这两张图像各自的重叠区域子图。然后计算其各自重叠区域的统计直方图和它们的联合概率直方图。

步骤B02：输入重叠区域的统计直方图和联合概率直方图，计算互信息。在计算互信息时，可以认为一个统计直方图为一个随机变量，根据统计直方图能够计算其边际分布，根据联合概率直方图能够计算联合分布概率。

互信息的计算公式为：

$I(X;Y)=\underset{y\∈Y}{\Σ}\underset{x\∈X}{\Σ}p(x,y)log\left(\frac{p(x,y)}{p\left(x\right)p\left(y\right)}\right)$

其中X，Y分别代表两个随机变量，其联合分布概率为p(x,y)，p(x)和p(y)表示这两个随机变量的边际分布。

步骤B03：根据输入的拼接参数搜索域获取拼接参数空间，对拼接参数空间中所有的拼接参数重复上述B01和B02两步骤计算其互信息，然后选择获得最大互信息的拼接参数作为最优参数。最后使用渐进渐出法对待拼接图像进行图像融合。

渐进渐出法公式为：

I(x,y)＝dI₁(x,y)+(1-d)I₂(x,y)，其中I表示融合后获得的重叠区域图像，I₁表示左边图像的重叠部分，I₂表示右边图像的重叠部分。d表示渐变系数。

渐变系数公式为：

$d=\frac{(x_2-x)}{(x_2-x_1)}$

其中x₁和x₂分别表示重叠区域x轴的最小值和最大值，x为该像素的x坐标。

步骤C：对相机在不同时刻采集的图像都计算得到该时刻下的最优拼接参数，接着根据互信息计算互信息置信度，利用互信息置信度迭代地优化不同时刻的拼接参数，获得所有时刻的最优拼接参数。然后将同一相机在相邻时刻拍摄的钢板图像在钢板运动方向上连接起来，最后根据最优拼接参数对在钢板运动方向已经连接好的钢板图像进行钢板宽度方向的图像融合。

步骤C的具体步骤如下：

步骤C01：对于多台相机在不同时刻拍摄到的图像，重复使用步骤A和步骤B获取其拼接参数和互信息置信度。然后对于在相邻的时刻计算出的拼接参数，使用互信息置信度来迭代地优化，选择互信息置信度更高的那一个参数。

互信息置信度的公式为：

$MI\_conf=\frac{{\mathrm{mi}}_1-{\mathrm{mi}}_2}{{\mathrm{mi}}_2}$

其中mi₁和mi₂分别表示最大的互信息值和第二大的互信息值。

步骤C02：对于同一台相机在不同时刻拍摄到的图像，将其在钢板运动方向上直接连接起来，然后根据最优拼接参数对在钢板运动方向上已经连接好的钢板图像进行钢板宽度方向的图像融合，获得整张钢板的高分辨率图像。

Claims (4)

1.一种基于互信息的钢板图像拼接方法，其特征在于：该方法包括以下步骤：

步骤A：对于一副输入的钢板图像，首先使用Scharr算子来获得梯度图像，并对梯度图像进行零均值处理来进行归一化；

步骤B：对于两个待拼接的归一化的梯度图像，根据拼接参数获取其重叠区域，然后计算其统计直方图和联合概率直方图，接着利用求得的直方图计算这两个统计量之间的互信息，互信息表示了两个统计量之间的相关性度量，互信息越大表示这两个统计量的相关性越强；接着对拼接参数空间中所有的拼接参数均计算得到其互信息结果，并选择取得最大互信息的拼接参数作为最优参数；然后将钢板宽度方向上所有钢板图像进行图像融合拼接在一起；

步骤C：；同一相机在相邻时刻采集到的图像是连续的，直接在钢板运动方向上连接起来，这样就在不同时刻存在多个拼接参数；使用互信息置信度来判断哪个参数更优迭代地选择相邻时刻的最优参数，接着在钢板运动方向上将同一相机采集的不同时刻的图像直接连接起来，最后根据迭代地优化出的最优参数对待拼接图像重新进行钢板宽度方向的图像融合。

2.根据权利要求1所述的一种基于互信息的钢板图像拼接算法，其特征在于：所述步骤A的具体步骤如下：

步骤A01：对于一副输入图像，首先计算其灰度图像，然后使用Scharr算子来计算其梯度图像；

步骤A02：根据梯度图像，使用零均值方法来对其进行归一化，获得归一化的梯度图像。

3.根据权利要求1所述的一种基于互信息的钢板图像拼接算法，其特征在于：所述步骤B的具体步骤如下：

步骤B01：输入两幅相互有重叠部分的归一化的梯度图像，根据拼接参数截取其重叠部分，然后分别计算其统计直方图和它们的关联概率直方图；

步骤B02：根据两幅梯度图像重叠子图各自的统计直方图以及它们的关联概率直方图，计算其互信息，互信息表示两个统计量之间的相关性，互信息越大表示这两个统计量相关性越强；

步骤B03：根据输入的拼接参数搜索域获取拼接参数空间，对拼接参数空间中的所有拼接参数，重复上述两个步骤对所有的拼接参数都计算得到其互信息，并选择取得最大互信息的拼接参数作为最优参数；接着根据获得的参数使用渐进渐出法将对待拼接图像进行图像融合。

4.根据权利要求1所述的一种基于互信息的钢板图像拼接算法，其特征在于：所述步骤C的具体步骤如下：

步骤C01：根据之前计算出的互信息计算互信息置信度来评价拼接参数的置信度，用来判断哪个参数更优。对于在相邻的时刻计算出的拼接参数，使用互信息置信度来迭代地优化，选择互信息置信度更高的那一个参数；

步骤C02：将同一台相机在不同时刻采集到的图像在钢板运动方向上直接连接起来。然后根据优化后的拼接参数和在钢板运动方向上已经连接好的钢板图像，使用渐进渐出法重新进行钢板宽度方向图像融合，获得拼接后的整张钢板的高分辨率图像。