CN107958441A - 图像拼接方法、装置、计算机设备和存储介质 - Google Patents
图像拼接方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN107958441A CN107958441A CN201711251315.3A CN201711251315A CN107958441A CN 107958441 A CN107958441 A CN 107958441A CN 201711251315 A CN201711251315 A CN 201711251315A CN 107958441 A CN107958441 A CN 107958441A
- Authority
- CN
- China
- Prior art keywords
- image
- stitching
- weight
- overlapping region
- history
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000000694 effects Effects 0.000 claims abstract description 23
- 230000004044 response Effects 0.000 claims description 37
- 238000004590 computer program Methods 0.000 claims description 26
- 238000013507 mapping Methods 0.000 claims description 23
- 238000000926 separation method Methods 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 abstract description 5
- 230000008859 change Effects 0.000 abstract description 4
- 238000005286 illumination Methods 0.000 abstract description 3
- 230000007704 transition Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000002592 echocardiography Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 206010016256 fatigue Diseases 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种图像拼接方法、装置、计算机设备和存储介质，通过参考历史帧拼接图像的拼接效果，根据历史帧的拼接效果调整重叠区域所有像素点的权重得到历史最优权重集合，根据历史最优权重集合预当前拼接图像重叠区域所有像素点的权重，按照预设的模型计算当前拼接图像重叠区域所有像素点的权重，根据上述连个权重调整当前拼接图像得到更为自然的拼接图像。由于帧与帧之间的变化比较小，根据帧之间的联系预测下一帧的拼接图像的拼接能够减少拼接图像由于采样时间、采样角度、光照强度等因素带来的影响。并且拼接的图像亮度、颜色对齐，在拼接处渐变融合，保证双画面拼接自然过渡的良好效果，可以形成一幅清晰的广视角图像。
Description
技术领域
本发明涉及图像处理和显示领域，特别是涉及一种图像拼接方法、装置、计算机设备和存储介质。
背景技术
随着科技的发展和社会的进步，人们对信息的需求和要求都越来越高。人类感受外界的信息大部分来自视觉，故对视觉信息的处理越来越受到人们的关注。视频图像直观的描述方式越来越受到人们的青睐，故对视频图像的处理越发得到关注，视频拼接是视频图像处理中的一个重要分支。
由于不同的摄像头之间存在采样角度、光照强度等因素影响导致拼接的视频难以融为一体得到自然的拼接图像。
发明内容
基于此，有必要针对上述技术问题，提供一种图像拼接方法、装置、计算机设备和存储介质。通过将不同的摄像头得到拼接图像，根据历史帧拼接图像的拼接效果反馈值调整历史帧拼接重叠区域的像素值的权重集合得到历史帧拼接图像的最优权重集合，根据历史帧拼接图像的最优权重集合预测当前帧拼接图像的重叠区域的权重集合，计算当前拼接图像的权重集合，根据预测的重叠区域的权重集合和当前拼接图像的权重集合调整得到拼接更为自然的拼接图像。
一种图像拼接方法，所述方法包括：分别获取第一摄像头拍摄的第一图像和第二摄像头拍摄的第二图像，根据图像映射模型将所述第一图像和所述第二图像进行投影得到当前帧拼接图像；获取历史帧拼接图像的拼接效果反馈值；获取所述第一摄像头拍摄的第一历史帧图像和第二摄像头拍摄的对应的第二历史帧图像在所述历史帧拼接图像中的重叠区域，获取所述重叠区域中所有像素点的权重组成历史权重集合；根据所述拼接效果反馈值调整所述历史权重集合中的各个权重得到历史帧拼接图像的最优权重集合；根据所述最优权重集合采用预测方法得到当前帧拼接图像对应的当前预测权重集合；计算所述当前帧拼接图像重叠区域中所有像素点的权重组成当前权重集合；根据所述当前预测权重集合和所述当前权重集合对所述当前拼接图像的重叠区域进行处理得到当前帧更新拼接图像。
在其中一个实施例中，获取第一摄像头拍摄的下一帧图像作为所述第一图像，获取第二摄像头拍摄的下一帧图像作为所述第二图像，进入所述根据图像映射模型将所述第一图像和所述第二图像进行投影得到当前帧拼接图像的步骤，直到得到当前帧更新拼接图像，按照时间采集顺序分别得到多个更新拼接图像，将各个连续得到的更新拼接图像按预设帧率播放。
在其中一个实施例中，所述分别获取第一摄像头拍摄的第一图像和第二摄像头拍摄的第二图像，根据图像映射模型将所述第一图像和所述第二图像进行投影得到当前帧拼接图像的步骤，包括：提取第一图像的图像特征作为第一图像特征和第一图像的图像特征作为第一图像特征；对所述第一图像特征和所述第二图像特征进行匹配，得到匹配的图像特征；根据匹配的图像特征将所述第一图像和所述第二图像投影到特定位置组成所述当前帧拼接图像。
在其中一个实施例中，所述提取第一图像的图像特征作为第一图像特征和第二图像的图像特征作为第二图像特征的步骤，包括：根据加速稳健特算法提取所述第一图像和所述第二图像的图像特征得到待选特征点；在积分图像的基础上，计算所述待选特征点及其预设范围内的像素值的海森值；当所述待选特征点的海森值最大时，所述待选特征点为特征点，否则，删除所述待选特征点；由所述第一图像中所有的特征点组成第一图像特征；由所述第二图像中所有的特征点组成第二图像特征。
在其中一个实施例中，所述对所述第一图像特征和所述第二图像特征进行匹配，得到匹配的图像特征的步骤，包括：构造所述第一图像特征中所有特征点的所有特征描述子和所述第二图像特征中所有特征点的所有特征描述子，对所述第一图像特征中所有特征点的所有特征描述子和所述第一图像特征中所有特征点的所有特征描述子进行匹配得到匹配图像特征，其中，构造所述描述子的过程步骤如下：以特征点为中心计算预设半径内的圆形区域进行小波响应运算得到小波响应值；对所述小波响应值进行高斯加权；以特征点为中心，预设大小张角的扇形滑动窗口，预设弧度为步长旋转所述扇形滑动窗口，并对所述扇形滑动窗口内的水平、垂直的所述小波响应值进行累加；最大的所述小波响应值累加值对应的方向为所述特征点的主方向；根据所述特征点的主方向和所述特征点通过预设模型进行处理得到所述特征点的描述子。
在其中一个实施例中，所述计算所述当前帧拼接图像重叠区域中所有像素点的权重组成当前权重集合的步骤，包括：所述当前拼接图像中重叠区域中任一像素点作为当前像素，获取所述当前像素到所述重叠区域的左边缘的横向距离；获取所述当前拼接图像中的重叠区域的总宽度；计算所述横向距离与所述总宽度的比值，根据所述比值确定所述拼接图像中所述第一图像和所述第二图像的当前像素点的权重，所述重叠区域中所有的像素点的权重组成所述当前权重集合。
在其中一个实施例中，所述根据图像映射模型将所述第一图像和所述第二图像进行投影得到当前帧拼接图像的步骤之前，还包括：分别对所述第一图像和所述第一图像做图像预处理，所述预处理包括：图像去噪和/或图像增强和/或图像旋转和/或图像翻转和/或图像裁剪。
一种图像拼接装置，所述装置包括：
初始拼接模块，用于分别获取第一摄像头拍摄的第一图像和第二摄像头拍摄的第二图像，根据图像映射模型将所述第一图像和所述第二图像进行投影得到当前帧拼接图像；
拼接反馈模块，用于获取历史帧拼接图像的拼接效果反馈值；
历史权重集合获取模块，用于获取所述第一摄像头拍摄的第一历史帧图像和第二摄像头拍摄的对应的第二历史帧图像在所述历史帧拼接图像中的重叠区域，获取所述重叠区域中所有像素点的权重组成历史权重集合；
历史最优权重集合计算模块，用于根据所述拼接效果反馈值调整所述历史权重集合中的各个权重得到历史帧拼接图像的历史最优权重集合；
当前预测权重集合计算模块，用于根据所述历史最优权重集合采用预测方法得到当前帧拼接图像对应的当前预测权重集合；
当前权重集合计算模块，用于计算所述当前帧拼接图像重叠区域中所有像素点的权重组成当前权重集合；
拼接图像更新模块，用于根据所述当前预测权重集合和所述当前权重集合对所述当前拼接图像的重叠区域进行处理得到当前帧更新拼接图像。
一种计算机设备，所述计算机设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述图像拼接方法。
一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现上述图像拼接方法。
附图说明
图1为一个实施例中一种图像拼接方法的流程图；
图2为一个实施例中根据图像映射模型进行图像拼接的步骤流程图；
图3为一个实施例中提取图像特征的步骤流程图；
图4为一个实施例中图像特征匹配的步骤流程图；
图5为一个实施例中计算当前权重集合的步骤流程图；
图6为一个实施例中一种图像拼接装置的框架图；
图7为一个实施例中初始拼接模块的框架图；
图8为一个实施例中图像特征获取单元的框架图；
图9为一个实施例中特征描述子构造子单元的框架图；
图10为一个实施例中当前权重集合计算模块的框架图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步的详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不限定本发明的保护范围。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。
如图1所示，在一个实施例中，提供一种图像拼接方法，包括：
步骤S110，分别获取第一摄像头拍摄的第一图像和第二摄像头拍摄的第二图像，根据图像映射模型将所述第一图像和所述第二图像进行投影得到当前帧拼接图像。
其中，第一摄像头和第二摄像头用于区分不同的摄像头，可以采用同一类型的摄像头也可以采用不同类型的摄像头。图像映射模型用于将两个或者多个不同摄像头拍摄的图像映射到一个特定的图像中，形成拼接图像。将两个不同的摄像头中拍摄的图像拼接起来要求不同的摄像头能够观测都同一个物理区域。根据能够观测到同一个物理区域的摄像头拍摄的图像拼接起来。
步骤S120，获取历史帧拼接图像的拼接效果反馈值。
其中，拼接效果反馈值是指图像的拼接质量，可以通过拼接评价模型对拼接图像的拼接效果反馈一个评价值。其中，历史帧拼接图像可以是上一帧拼接图像、历史拼接图像记录中的其中一帧或者历史帧拼接图像。
步骤S130，获取第一摄像头拍摄的第一历史帧图像和第二摄像头拍摄的对应的第二历史帧图像在历史帧拼接图像中的重叠区域，获取重叠区域中所有像素点的权重组成历史权重集合。
其中，重叠区域是指拼接图像中的两个图像公共部分，也就是两个图像观测到的相同部分。具体地，获取第一摄像头拍摄的第一历史帧图像和第二摄像头拍摄的对应的第二历史帧图像在历史帧拼接图像中的两帧图像观测到的相同区域部分。获取历史帧拼接图像中两帧图像观测到的相同区域部分的所有的像素点由第一摄像头拍摄的第一历史帧图像和第二摄像头拍摄的对应的第二历史帧图像中所有像素点的权重组成历史权重集合。
步骤S140，根据拼接效果反馈值调整历史权重集合中的各个权重得到历史帧拼接图像的历史最优权重集合。
具体地，根据步骤S120中获取到的拼接效果反馈值对历史权重集合中的各个权重进行调整，使得历史帧拼接图像的反馈值达到最优，根据最优反馈值对应的所有像素点的权重组成最优权重集合。
步骤S150，根据历史最优权重集合采用预测方法得到当前帧拼接图像对应的当前预测权重集合。
具体地，根据步骤S140中得到的最优权重集合采用预测模型对当前帧拼接图像的重叠区域进行预测得到当前帧拼接图像对应的当前预测权重集合。其中预测模型用于根据历史状态预测当前状态。
步骤S160，计算当前帧拼接图像重叠区域中所有像素点的权重组成当前权重集合。
具体地，计算当前帧拼接图像中重叠区域中所有像素点对应的第一图像和第二图像的像素点的占比权重，第一图像像素点的权重和第二图像像素点的权重和为1。
步骤S170，根据当前预测权重集合和当前权重集合对当前拼接图像的重叠区域进行处理得到当前帧更新拼接图像。
按照权重预设模型将步骤S150中计算得到的当前预测权重集合和S160中计算得到的当前权重集合作为输入调节当前拼接图像的重叠区域中所有像素点的权重值，根据权重值计算重叠区域中所有像素点的像素值，更新当前拼接图像得到当前帧更新拼接图像。
在本实施例中，对两帧图像的测色彩或亮度进行调整，使得拼接图像更为自然。
上述图像拼接方法，通过参考历史帧拼接图像的拼接效果，根据历史帧的拼接效果调整重叠区域所有像素点的权重得到历史最优权重集合，根据历史最优权重集合预测当前拼接图像重叠区域所有像素点的权重，按照预设的模型计算当前拼接图像重叠区域所有像素点的权重，根据上述连个权重调整当前拼接图像得到更为自然的拼接图像。由于帧与帧之间的变化比较小，根据帧之间的联系预测下一帧的拼接图像的拼接能够减少拼接图像由于采样时间、采样角度、光照强度等因素带来的影响。并且拼接的图像亮度、颜色对齐，在拼接处渐变融合，保证双画面拼接自然过渡的良好效果，可以形成一幅清晰的广视角图像。
在一个实施例中，一种图像拼接方法，还包括：
步骤S180，获取第一摄像头拍摄的下一帧图像作为第一图像，获取第二摄像头拍摄的下一帧图像作为第二图像，进入根据图像映射模型将第一图像和第二图像进行投影得到当前帧拼接图像的步骤，直到得到当前帧更新拼接图像，按照时间采集顺序分别得到多个更新拼接图像，将各个连续得到的更新拼接图像按预设帧率播放。
具体地，多个摄像头不断的拍摄新的图片，按照时间采集顺序对摄像头的图像进行处理，得到新的当前帧更新拼接图像。不断的获取图像不断的重复上述过程得到当前帧更新拼接图像，将得到的多个当前帧更新拼接图像按照预设帧率进行播放。
在本实施例中，对当前帧更新拼接图像作为输入图像，对输入图像进行遮挡和覆盖等处理，对处理过的图像形成新的视频，对上述视频进行编码，得到编码视频，输出的视频流可以是经过H264编码或H265的码流。通过网路传输的编码后的视频，在接收端对编码后的视频进行解码得到解码视频，将解码视频在显示设备上显示。
如图2所示，在一个实施例中，步骤S110，包括：
步骤S112，提取第一图像的图像特征作为第一图像特征和第一图像的图像特征作为第一图像特征。
具体地，提取多个摄像头拍摄的图像的图像特征。其中，图像特征是用于描述图像特征点或者由特征点组成的特征向量。
步骤S114，对第一图像特征和第二图像特征进行匹配，得到匹配的图像特征。
具体地，由于不同的摄像头之间能够观测到相同的物理区域，根据相同的物理区域在不同的图像中的特征相同或相似进行匹配得到匹配的图像特征。
步骤S116，根据匹配的图像特征将第一图像和第二图像的当前帧投影到特定位置组成当前帧拼接图像。
具体地，根据匹配的图像特征将第一摄像头拍摄的图像和第二摄像头拍摄的图像通过旋转或者平移等处理得到由第一图像和第二图像组成的当前帧拼接图像。
如图3所示，在一个实施例中，步骤S112，包括：
步骤S1122，根据加速稳健特算法提取第一图像和第二图像的图像特征得到待选特征点。
其中，加速稳健特(Speeded-Up Robust Features，surf)提取速度快，能够满足视频处理的实时性要求。根据surf算法分别提取第一图像和第二图像的图像特征得到待选特征点。待选特征点是指根据算法提取出来的所有的特征点。
步骤S1124，在积分图像的基础上，计算待选特征点及其预设范围内的像素值的海森值。
其中，海森矩阵的特征值就是形容其在该点附近特征向量方向的凹凸性，特征值越大，凸性越强。计算待选特征点及其预设范围内的像素值的海森值。
步骤S1126，当待选特征点的海森值最大时，待选特征点为特征点，否则，删除待选特征点。
其中，提取的特征点可能存在噪声点，故需要对特征点进行筛选。具体地，当待选特征点的海森值是待选特征点及其预设范围内的像素值所有的像素点中的海森值最大时表示待选特征点为特征点，否则删除该待选特征点。
步骤S1128，由第一图像中所有的特征点组成第一图像特征，由第二图像中所有的特征点组成第二图像特征。
具体地，经过步骤S1126对待选特征点进行筛选得到第一图像所有的筛选后的特征组成的第一图像特征和得到第一图像所有的筛选后的特征组成的第一图像特征。
如图4所示，在一个实施例中，步骤S114，包括：
步骤1142，构造第一图像特征中所有特征点的所有特征描述子和第二图像特征中所有特征点的所有特征描述子，对第一图像特征中所有特征点的所有特征描述子和第一图像特征中所有特征点的所有特征描述子进行匹配得到匹配图像特征。
其中，特征描述子用于描述特征点。对第一图像和第二图像中所有的特征点都采用特定方式进行构造得到特征描述子。采用图像匹配算法对第一图像和第二图像的所有特征点构造的特征描述子进行匹配得到匹配图像特征。
在本实施例中，构造描述子的过程不步骤如下：
步骤S1142a，以特征点为中心计算预设半径内的圆形区域进行小波响应运算得到小波响应值。
步骤S1142b，对小波响应值进行高斯加权。
步骤S1142c，以特征点为中心，预设大小张角的扇形滑动窗口，预设弧度为步长旋转扇形滑动窗口，并对扇形滑动窗口内的水平、垂直的小波响应值进行累加，最大的小波响应值累加值对应的方向为特征点的主方向。
步骤S1142d，根据特征点的主方向和特征点通过预设模型进行处理得到特征点的描述子。
具体地，以特征点为中心计算预设半径内的圆形区域或者预设区域内的像素点进行小波响应运算，得到特征点对应的小波响应值。对小波响应值进行高斯加权。以特征点为中心，预设弧度大小的张角的扇形滑动窗口，预设弧度为步长，根据是上述步长滑动上述扇形滑动窗口，计算上述扇形滑动窗口内的所有的水平和垂直的小波响应值，分别累加水平和垂直的小波响应值得到一个矢量，得到的最大的小波响应值累加值得到一个矢量，主方向为最大小波响应累加值所对应的方向，也就是最长矢量所对应的方向。最长矢量所对应的方向即时特征点的主方向。根据特征点的主方向和特征点按照预设的特征描述子构造方式进行构造得到特征点对应的特征点的描述子。
在一个实施例中，积分图像中任意一点(i,j)的值为原图像左上角到点(i,j)相应对角线区域灰度值的总和为ii(i,j)＝∑p(r,c)＝ii(i-1,j)+S(i,j)，p(r,c)表示图像中点(r,c)的灰度值。其中，S(i,j)＝S(i,j-1)+p(i,j)表示一列的积分，且S(i,-1)＝0,ii(-1,j)＝0。求图像只需要对原图像所有像素进行一遍扫描。
假设图像I中的一个点为(i,j)，在x处，尺度为σ的海森矩阵(Hessian矩阵)如式(1)所示：
式中，Lxx(x,σ)是高斯二阶微分在点x处与图像I的卷积，Lxy(x,σ)表示(x,y)处与图像I的卷积，Lyy(x,σ)是在y处与图像I的卷积。
以上已经定位了SURF的特征点，下面要进行特征点描述。以特征点为中心，以6s(s＝12.*L/9)(s表示特征点的尺度)为半径的圆形区域，对图像进行Haar小波响应运算。
使用σ＝2s的高斯加权函数对Harr小波的响应值进行高斯加权。为了求取主方向值，设计一个以特征点为中心，张角为π/3的扇形滑动窗口。以步长为0.2弧度左右，旋转这个滑动窗口，并对滑动窗口内的图像Harr小波响应值的水平方向dx和垂直方向dy进行累加，得到一个矢量(mw,θw)。其中 特征点的主方向为最大Harr响应累加值所对应的方向，也就是最长矢量所对应的方向，即θ＝θw|max{mw}。在特征点周围取一个正方形框，框的边长为20s。该框带方向为特征点的主方向。然后把该框分为16个子区域，每个子区域统计25个像素的水平方向和垂直方向的haar小波特征，这里的水平和垂直方向都是相对主方向而言的。该haar小波特征为水平方向值之和，水平方向绝对值之和，垂直方向之和，垂直方向绝对值之和。
如图5所示，在一个实施例中，步骤S160，包括：
步骤S162，选取当前拼接图像中重叠区域中任一像素点作为当前像素，获取当前像素到重叠区域的左边缘的横向距离。
步骤S164，获取当前拼接图像中的重叠区域的总宽度。
步骤S166，计算横向距离与总宽度的比值，根据比值确定拼接图像中第一图像和第二图像的当前像素点的权重，重叠区域中所有的像素点的权重组成当前权重集合。
具体地，计算当前拼接图像中重叠区域中任一像素点作为当前像素的权重的具体过程包括：
选取当前拼接图像中重叠区域中任一像素点作为当前像素，计算当前像素到重叠区域的左边缘的横向距离。计算当前拼接图像中的重叠区域的总宽度。计算横向距离比上总宽度的值得到比值，根据上述比值确定拼接图像中重叠区域中第一图像和第二图像当前像素的权重，且同一个像素点第一图像和第二图像当前像素的权重之后等于1。重叠区域中所有的像素点对应的权重组成当前权重集合。
在一个实施例中，根据重叠区域的权值重新更新当前拼接图像得到当前更新拼接图像为IM，其中IM的具体如公式(2)所示：
其中，IM1表示第一图像，IM2表示第二图像，为IM(x,y)在(x,y)处IM1(x,y)的权重。
在一个实施例中，当前更新拼接图像为IM，其中IM的具体如公式(2)所示：
其中，IM1表示第一图像，IM2表示第二图像，为IM(x,y)在(x,y)处IM1(x,y)的权重。a为在(x,y)处IM1(x,y)的权重，b为在(x,y)处IM2(x,y)的权重。对第一图像和第二图像进行权重的更新有利于由于处在不同的角度拍摄图像，采光等因素的影响，增加一个权重能够减少各种客观因素的影响得到一个更自然的拼接图像。
在一个实施例中，上述图像拼接方法，还包括：
分别对第一图像和第一图像做图像预处理，预处理包括：图像去噪和/或图像增强和/或图像旋转和/或图像翻转和/或图像裁剪。
其中，对图像作预处理是为了得到质量更好的图像，或者说更合适的拼接的图像。摄像机采集到的图像存在各种噪声，为了减少噪声对图像的影响可以对图像进行去噪。图像的增强、图像旋转、图像翻转、图像裁剪目的都是为了更好的处理图像。故对图像预处理利于后续的图像拼接和视频拼接。
如图6所示，在一个实施例中，一种图像拼接装置100，包括：
初始拼接模块110，用于分别获取第一摄像头拍摄的第一图像和第二摄像头拍摄的第二图像，根据图像映射模型将所述第一图像和所述第二图像进行投影得到当前帧拼接图像。
拼接反馈模块120，用于获取历史帧拼接图像的拼接效果反馈值。
历史权重集合获取模块130，用于获取所述第一摄像头拍摄的第一历史帧图像和第二摄像头拍摄的对应的第二历史帧图像在所述历史帧拼接图像中的重叠区域，获取所述重叠区域中所有像素点的权重组成历史权重集合。
历史最优权重集合计算模块140，用于根据所述拼接效果反馈值调整所述历史权重集合中的各个权重得到历史帧拼接图像的历史最优权重集合。
当前预测权重集合计算模块150，用于根据所述历史最优权重集合采用预测方法得到当前帧拼接图像对应的当前预测权重集合。
当前权重集合计算模块160，用于计算所述当前帧拼接图像重叠区域中所有像素点的权重组成当前权重集合。
拼接图像更新模块170，用于根据所述当前预测权重集合和所述当前权重集合对所述当前拼接图像的重叠区域进行处理得到当前帧更新拼接图像。
在一个实施例中，一种图像拼接装置100，还包括：
视频播放模块180，用于获取第一摄像头拍摄的下一帧图像作为所述第一图像，获取第二摄像头拍摄的下一帧图像作为所述第二图像，进入所述根据图像映射模型将所述第一图像和所述第二图像进行投影得到当前帧拼接图像的步骤，直到得到当前帧更新拼接图像，按照时间采集顺序分别得到多个更新拼接图像，将各个连续得到的更新拼接图像按预设帧率播放。
如图7所示，在一个实施例中，初始拼接模块110，包括：
图像特征获取单元112，用于提取第一图像的图像特征作为第一图像特征和第一图像的图像特征作为第一图像特征。
匹配的图像特征获取单元114，用于对所述第一图像特征和所述第二图像特征进行匹配，得到匹配的图像特征。
图像拼接单元116，用于根据匹配的图像特征将所述第一图像和所述图像投影到特定位置组成所述当前帧拼接图像。
如图8所示，在一个实施例中，图像特征获取单元112，包括：
待选特征点获取子单元1122，用于根据加速稳健特算法提取所述第一图像和所述第二图像的图像特征得到待选特征点。
海森值计算子单元1124，用于在积分图像的基础上，计算所述待选特征点及其预设范围内的像素值的海森值。
特征点获取子单元1126，用于当所述待选特征点的海森值最大时，所述待选特征点为特征点，否则，删除所述待选特征点。
图像特征获取子单元1128，用于由所述第一图像中所有的特征点组成第一图像特征，由所述第二图像中所有的特征点组成第二图像特征。
如图9所示，在一个实施例中，匹配的图像特征获取单元114，用于构造所述第一图像特征中所有特征点的所有特征描述子和所述第二图像特征中所有特征点的所有特征描述子，对所述第一图像特征中所有特征点的所有特征描述子和所述第一图像特征中所有特征点的所有特征描述子进行匹配得到匹配图像特征，其中，特征描述子构造子单元1142，包括：
小波响应值计算子单元1142a，用于以特征点为中心计算预设半径内的圆形区域进行小波响应运算得到小波响应值。
高斯加权子单元1142b，用于对所述小波响应值进行高斯加权。
特征点的主方向获取子单元1142c，用于以特征点为中心，预设大小张角的扇形滑动窗口，预设弧度为步长旋转所述扇形滑动窗口，并对所述扇形滑动窗口内的水平、垂直的所述小波响应值进行累加，最大的所述小波响应值累加值对应的方向为所述特征点的主方向。
特征点的描述子构造子单元1142d，用于根据所述特征点的主方向和所述特征点通过预设模型进行处理得到所述特征点的描述子。
如图10所示，在一个实施例中，当前权重集合计算模块160，包括：
横向距离获取单元162，用于所述当前拼接图像中重叠区域中任一像素点作为当前像素，获取所述当前像素到所述重叠区域的左边缘的横向距离。
重叠区域的总宽度获取单元164，用于获取所述当前拼接图像中的重叠区域的总宽度。
当前权重集合计算单元166，用于计算所述横向距离与所述总宽度的比值，根据所述比值确定所述拼接图像中所述第一图像和所述第二图像的当前像素点的权重，所述重叠区域中所有的像素点的权重组成所述当前权重集合。
在一个实施例中，上述图像拼接装置，还包括：
图像预处理模块310，用于分别对所述第一图像和所述第一图像做图像预处理，所述预处理包括：图像去噪和/或图像增强和/或图像旋转和/或图像翻转和/或图像裁剪。
一种计算设备，所述计算机设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如下步骤：分别获取第一摄像头拍摄的第一图像和第二摄像头拍摄的第二图像，根据图像映射模型将所述第一图像和所述第二图像进行投影得到当前帧拼接图像；获取历史帧拼接图像的拼接效果反馈值；获取所述第一摄像头拍摄的第一历史帧图像和第二摄像头拍摄的对应的第二历史帧图像在所述历史帧拼接图像中的重叠区域，获取所述重叠区域中所有像素点的权重组成历史权重集合；根据所述拼接效果反馈值调整所述历史权重集合中的各个权重得到历史帧拼接图像的历史最优权重集合；根据所述历史最优权重集合采用预测方法得到当前帧拼接图像对应的当前预测权重集合；计算所述当前帧拼接图像重叠区域中所有像素点的权重组成当前权重集合；根据所述当前预测权重集合和所述当前权重集合对所述当前拼接图像的重叠区域进行处理得到当前帧更新拼接图像。
在一个实施例中，所述处理器执行所述计算机程序时还用于实现如下步骤：获取第一摄像头拍摄的下一帧图像作为所述第一图像，获取第二摄像头拍摄的下一帧图像作为所述第二图像，进入所述根据图像映射模型将所述第一图像和所述第二图像进行投影得到当前帧拼接图像的步骤，直到得到当前帧更新拼接图像，按照时间采集顺序分别得到多个更新拼接图像，将各个连续得到的更新拼接图像按预设帧率播放。
在其中一个实施例中，所述处理器执行所述计算机程序时执行的所述分别获取第一摄像头拍摄的第一图像和第二摄像头拍摄的第二图像，根据图像映射模型将所述第一图像和所述第二图像进行投影得到当前帧拼接图像，包括：提取第一图像的图像特征作为第一图像特征和第一图像的图像特征作为第一图像特征；对所述第一图像特征和所述第二图像特征进行匹配，得到匹配的图像特征；根据匹配的图像特征将所述第一图像和所述第二图像投影到特定位置组成所述当前帧拼接图像。
在其中一个实施例中，所述处理器执行所述计算机程序时执行的所述提取第一图像的图像特征作为第一图像特征和第二图像的图像特征作为第二图像特征，包括：根据加速稳健特算法提取所述第一图像和所述第二图像的图像特征得到待选特征点；在积分图像的基础上，计算所述待选特征点及其预设范围内的像素值的海森值；当所述待选特征点的海森值最大时，所述待选特征点为特征点，否则，删除所述待选特征点；由所述第一图像中所有的特征点组成第一图像特征；由所述第二图像中所有的特征点组成第二图像特征。
在其中一个实施例中，所述处理器执行所述计算机程序时执行的所述对所述第一图像特征和所述第二图像特征进行匹配，得到匹配的图像特征，包括：构造所述第一图像特征中所有特征点的所有特征描述子和所述第二图像特征中所有特征点的所有特征描述子，对所述第一图像特征中所有特征点的所有特征描述子和所述第一图像特征中所有特征点的所有特征描述子进行匹配得到匹配图像特征，其中，构造所述描述子的过程步骤如下：以特征点为中心计算预设半径内的圆形区域进行小波响应运算得到小波响应值；对所述小波响应值进行高斯加权；以特征点为中心，预设大小张角的扇形滑动窗口，预设弧度为步长旋转所述扇形滑动窗口，并对所述扇形滑动窗口内的水平、垂直的所述小波响应值进行累加；最大的所述小波响应值累加值对应的方向为所述特征点的主方向；根据所述特征点的主方向和所述特征点通过预设模型进行处理得到所述特征点的描述子。
在其中一个实施例中，所述处理器执行所述计算机程序时执行的所述计算所述当前帧拼接图像重叠区域中所有像素点的权重组成当前权重集合，包括：所述当前拼接图像中重叠区域中任一像素点作为当前像素，获取所述当前像素到所述重叠区域的左边缘的横向距离；获取所述当前拼接图像中的重叠区域的总宽度；计算所述横向距离与所述总宽度的比值，根据所述比值确定所述拼接图像中所述第一图像和所述第二图像的当前像素点的权重，所述重叠区域中所有的像素点的权重组成所述当前权重集合。
在其中一个实施例中，所述根据图像映射模型将所述第一图像和所述第二图像进行投影得到当前帧拼接图像的步骤之前，所述处理器执行所述计算机程序时还用于执行如下步骤：分别对所述第一图像和所述第一图像做图像预处理，所述预处理包括：图像去噪和/或图像增强和/或图像旋转和/或图像翻转和/或图像裁剪。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如下步骤：分别获取第一摄像头拍摄的第一图像和第二摄像头拍摄的第二图像，根据图像映射模型将所述第一图像和所述第二图像进行投影得到当前帧拼接图像；获取历史帧拼接图像的拼接效果反馈值；获取所述第一摄像头拍摄的第一历史帧图像和第二摄像头拍摄的对应的第二历史帧图像在所述历史帧拼接图像中的重叠区域，获取所述重叠区域中所有像素点的权重组成历史权重集合；根据所述拼接效果反馈值调整所述历史权重集合中的各个权重得到历史帧拼接图像的历史最优权重集合；根据所述历史最优权重集合采用预测方法得到当前帧拼接图像对应的当前预测权重集合；计算所述当前帧拼接图像重叠区域中所有像素点的权重组成当前权重集合；根据所述当前预测权重集合和所述当前权重集合对所述当前拼接图像的重叠区域进行处理得到当前帧更新拼接图像。
在一个实施例中，所述计算机程序被处理器执行时还用于实现如下步骤：获取第一摄像头拍摄的下一帧图像作为所述第一图像，获取第二摄像头拍摄的下一帧图像作为所述第二图像，进入所述根据图像映射模型将所述第一图像和所述第二图像进行投影得到当前帧拼接图像的步骤，直到得到当前帧更新拼接图像，按照时间采集顺序分别得到多个更新拼接图像，将各个连续得到的更新拼接图像按预设帧率播放。
在其中一个实施例中，所述计算机程序被处理器执行时执行的所述分别获取第一摄像头拍摄的第一图像和第二摄像头拍摄的第二图像，根据图像映射模型将所述第一图像和所述第二图像进行投影得到当前帧拼接图像，包括：提取第一图像的图像特征作为第一图像特征和第一图像的图像特征作为第一图像特征；对所述第一图像特征和所述第二图像特征进行匹配，得到匹配的图像特征；根据匹配的图像特征将所述第一图像和所述第二图像投影到特定位置组成所述当前帧拼接图像。
在其中一个实施例中，所述计算机程序被处理器执行时执行的所述提取第一图像的图像特征作为第一图像特征和第二图像的图像特征作为第二图像特征，包括：根据加速稳健特算法提取所述第一图像和所述第二图像的图像特征得到待选特征点；在积分图像的基础上，计算所述待选特征点及其预设范围内的像素值的海森值；当所述待选特征点的海森值最大时，所述待选特征点为特征点，否则，删除所述待选特征点；由所述第一图像中所有的特征点组成第一图像特征；由所述第二图像中所有的特征点组成第二图像特征。
在其中一个实施例中，所述计算机程序被处理器执行时执行的所述对所述第一图像特征和所述第二图像特征进行匹配，得到匹配的图像特征，包括：构造所述第一图像特征中所有特征点的所有特征描述子和所述第二图像特征中所有特征点的所有特征描述子，对所述第一图像特征中所有特征点的所有特征描述子和所述第一图像特征中所有特征点的所有特征描述子进行匹配得到匹配图像特征，其中，构造所述描述子的过程步骤如下：以特征点为中心计算预设半径内的圆形区域进行小波响应运算得到小波响应值；对所述小波响应值进行高斯加权；以特征点为中心，预设大小张角的扇形滑动窗口，预设弧度为步长旋转所述扇形滑动窗口，并对所述扇形滑动窗口内的水平、垂直的所述小波响应值进行累加；最大的所述小波响应值累加值对应的方向为所述特征点的主方向；根据所述特征点的主方向和所述特征点通过预设模型进行处理得到所述特征点的描述子。
在其中一个实施例中，所述计算机程序被处理器执行时执行的所述计算所述当前帧拼接图像重叠区域中所有像素点的权重组成当前权重集合，包括：所述当前拼接图像中重叠区域中任一像素点作为当前像素，获取所述当前像素到所述重叠区域的左边缘的横向距离；获取所述当前拼接图像中的重叠区域的总宽度；计算所述横向距离与所述总宽度的比值，根据所述比值确定所述拼接图像中所述第一图像和所述第二图像的当前像素点的权重，所述重叠区域中所有的像素点的权重组成所述当前权重集合。
在其中一个实施例中，所述根据图像映射模型将所述第一图像和所述第二图像进行投影得到当前帧拼接图像的步骤之前，所述计算机程序被处理器执行时还用于执行如下步骤：分别对所述第一图像和所述第一图像做图像预处理，所述预处理包括：图像去噪和/或图像增强和/或图像旋转和/或图像翻转和/或图像裁剪。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性的计算机可读取存储介质中，如本发明实施例中，该程序可存储于计算机系统的存储介质中，并被该计算机系统中的至少一个处理器执行，以实现包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random Access Memory，RAM)等。
据此，在一个实施例中还提供一种存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如上述各实施例中的任意一个实施例的方法。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种图像拼接方法，所述方法包括：
分别获取第一摄像头拍摄的第一图像和第二摄像头拍摄的第二图像，根据图像映射模型将所述第一图像和所述第二图像进行投影得到当前帧拼接图像；
获取历史帧拼接图像的拼接效果反馈值；
获取所述第一摄像头拍摄的第一历史帧图像和所述第二摄像头拍摄的对应的第二历史帧图像在所述历史帧拼接图像中的重叠区域，获取所述重叠区域中的像素点的权重组成历史权重集合；
根据所述拼接效果反馈值调整所述历史权重集合中的各个权重得到历史帧拼接图像的最优权重集合；
根据所述最优权重集合采用预测方法得到当前帧拼接图像对应的当前预测权重集合；
计算所述当前帧拼接图像重叠区域中的像素点的权重组成当前权重集合；
根据所述当前预测权重集合和所述当前权重集合对所述当前拼接图像的重叠区域进行处理得到当前帧更新拼接图像。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取第一摄像头拍摄的下一帧图像作为所述第一图像，获取第二摄像头拍摄的下一帧图像作为所述第二图像，进入所述根据图像映射模型将所述第一图像和所述第二图像进行投影得到当前帧拼接图像的步骤，直到得到当前帧更新拼接图像，按照时间采集顺序分别得到多个更新拼接图像，将各个连续得到的更新拼接图像按预设帧率播放。
3.根据权利要求1所述的方法，其特征在于，所述分别获取第一摄像头拍摄的第一图像和第二摄像头拍摄的第二图像，根据图像映射模型将所述第一图像和所述第二图像进行投影得到当前帧拼接图像的步骤，包括：
提取第一图像的图像特征作为第一图像特征和第一图像的图像特征作为第一图像特征；
对所述第一图像特征和所述第二图像特征进行匹配，得到匹配的图像特征；
根据匹配的图像特征将所述第一图像和所述第二图像投影到特定位置组成所述当前帧拼接图像。
4.根据权利要求3所述的方法，其特征在于，所述提取第一图像的图像特征作为第一图像特征和第二图像的图像特征作为第二图像特征的步骤，包括：
根据加速稳健特算法提取所述第一图像和所述第二图像的图像特征得到待选特征点；
在积分图像的基础上，计算所述待选特征点及其预设范围内的像素值的海森值；
当所述待选特征点的海森值最大时，所述待选特征点为特征点，否则，删除所述待选特征点；
由所述第一图像中所有的特征点组成第一图像特征；
由所述第二图像中所有的特征点组成第二图像特征。
5.根据权利要求3所述的方法，其特征在于，所述对所述第一图像特征和所述第二图像特征进行匹配，得到匹配的图像特征的步骤，包括：
构造所述第一图像特征中所有特征点的所有特征描述子和所述第二图像特征中所有特征点的所有特征描述子，对所述第一图像特征中所有特征点的所有特征描述子和所述第一图像特征中所有特征点的所有特征描述子进行匹配得到匹配图像特征，其中，构造所述描述子的过程步骤如下：
以特征点为中心计算预设半径内的圆形区域进行小波响应运算得到小波响应值；
对所述小波响应值进行高斯加权；
以特征点为中心，预设大小张角的扇形滑动窗口，预设弧度为步长旋转所述扇形滑动窗口，并对所述扇形滑动窗口内的水平、垂直的所述小波响应值进行累加，最大的所述小波响应值累加值对应的方向为所述特征点的主方向；
根据所述特征点的主方向和所述特征点通过预设模型进行处理得到所述特征点的描述子。
6.根据权利要求1所述的方法，其特征在于，所述计算所述当前帧拼接图像重叠区域中所有像素点的权重组成当前权重集合的步骤，包括：
所述当前拼接图像中重叠区域中任一像素点作为当前像素，获取所述当前像素到所述重叠区域的左边缘的横向距离；
获取所述当前拼接图像中的重叠区域的总宽度；
计算所述横向距离与所述总宽度的比值，根据所述比值确定所述拼接图像中所述第一图像和所述第二图像的当前像素点的权重，所述重叠区域中所有的像素点的权重组成所述当前权重集合。
7.根据权利要求1所述的方法，其特征在于，所述根据图像映射模型将所述第一图像和所述第二图像进行投影得到当前帧拼接图像的步骤之前，还包括：
分别对所述第一图像和所述第一图像做图像预处理，所述预处理包括：图像去噪和/或图像增强和/或图像旋转和/或图像翻转和/或图像裁剪。
8.一种图像拼接装置，其特征在于，所述装置包括：
初始拼接模块，用于分别获取第一摄像头拍摄的第一图像和第二摄像头拍摄的第二图像，根据图像映射模型将所述第一图像和所述第二图像进行投影得到当前帧拼接图像；
拼接反馈模块，用于获取历史帧拼接图像的拼接效果反馈值；
历史权重集合获取模块，用于获取所述第一摄像头拍摄的第一历史帧图像和第二摄像头拍摄的对应的第二历史帧图像在所述历史帧拼接图像中的重叠区域，获取所述重叠区域中所有像素点的权重组成历史权重集合；
历史最优权重集合计算模块，用于根据所述拼接效果反馈值调整所述历史权重集合中的各个权重得到历史帧拼接图像的历史最优权重集合；
当前预测权重集合计算模块，用于根据所述历史最优权重集合采用预测方法得到当前帧拼接图像对应的当前预测权重集合；
当前权重集合计算模块，用于计算所述当前帧拼接图像重叠区域中所有像素点的权重组成当前权重集合；
拼接图像更新模块，用于根据所述当前预测权重集合和所述当前权重集合对所述当前拼接图像的重叠区域进行处理得到当前帧更新拼接图像。
9.一种计算机设备，所述计算机设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711251315.3A CN107958441B (zh) | 2017-12-01 | 2017-12-01 | 图像拼接方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711251315.3A CN107958441B (zh) | 2017-12-01 | 2017-12-01 | 图像拼接方法、装置、计算机设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107958441A true CN107958441A (zh) | 2018-04-24 |
| CN107958441B CN107958441B (zh) | 2021-02-12 |
Family
ID=61963247
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711251315.3A Active CN107958441B (zh) | 2017-12-01 | 2017-12-01 | 图像拼接方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107958441B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108805988A (zh) * | 2018-05-23 | 2018-11-13 | 平安科技（深圳）有限公司 | Vr图像生成方法、装置、计算机设备及存储介质 |
| CN110276717A (zh) * | 2019-06-26 | 2019-09-24 | 纳米视觉(成都)科技有限公司 | 一种图像的拼接方法及终端 |
| CN111626968A (zh) * | 2020-04-29 | 2020-09-04 | 杭州火烧云科技有限公司 | 一种基于全局信息和局部信息的像素增强设计方法 |
| CN111860541A (zh) * | 2020-07-22 | 2020-10-30 | 南京华智大为科技有限责任公司 | 基于非线性权重的图像融合的方法 |
| CN113808059A (zh) * | 2021-09-16 | 2021-12-17 | 北京拙河科技有限公司 | 阵列图像融合方法、装置、介质及设备 |
| CN114333105A (zh) * | 2020-09-30 | 2022-04-12 | 比亚迪股份有限公司 | 图像处理方法、装置、设备、车辆及介质 |
| WO2022237687A1 (zh) * | 2021-05-13 | 2022-11-17 | 影石创新科技股份有限公司 | 视频处理方法、装置、计算机设备和存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130191359A1 (en) * | 2004-08-31 | 2013-07-25 | Mv Patents, Llc | Method and Apparatus of Receiving a List of Links to Street View Data of Real Estate Properties |
| CN107146201A (zh) * | 2017-05-08 | 2017-09-08 | 重庆邮电大学 | 一种基于改进图像融合的图像拼接方法 |
| CN107330872A (zh) * | 2017-06-29 | 2017-11-07 | 无锡维森智能传感技术有限公司 | 用于车载环视系统的亮度均衡方法和装置 |
-
2017
- 2017-12-01 CN CN201711251315.3A patent/CN107958441B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130191359A1 (en) * | 2004-08-31 | 2013-07-25 | Mv Patents, Llc | Method and Apparatus of Receiving a List of Links to Street View Data of Real Estate Properties |
| CN107146201A (zh) * | 2017-05-08 | 2017-09-08 | 重庆邮电大学 | 一种基于改进图像融合的图像拼接方法 |
| CN107330872A (zh) * | 2017-06-29 | 2017-11-07 | 无锡维森智能传感技术有限公司 | 用于车载环视系统的亮度均衡方法和装置 |
Non-Patent Citations (2)
| Title |
|---|
| HECK,VOLKER等: "Rectification of Historic Royal Air Force Aerial Photos and Generation of an Aerial Image Mosaic of the Sarno River Basin, Italy", 《PHOTOGRAMMETRIE-FERNERKUNDUNG-GEOINFORMATION》 * |
| 谢晶梅: "图像拼接中权重的改进设计研究", 《广东工业大学学报》 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108805988A (zh) * | 2018-05-23 | 2018-11-13 | 平安科技（深圳）有限公司 | Vr图像生成方法、装置、计算机设备及存储介质 |
| CN110276717A (zh) * | 2019-06-26 | 2019-09-24 | 纳米视觉(成都)科技有限公司 | 一种图像的拼接方法及终端 |
| CN110276717B (zh) * | 2019-06-26 | 2023-05-05 | 图码思(成都)科技有限公司 | 一种图像的拼接方法及终端 |
| CN111626968A (zh) * | 2020-04-29 | 2020-09-04 | 杭州火烧云科技有限公司 | 一种基于全局信息和局部信息的像素增强设计方法 |
| CN111860541A (zh) * | 2020-07-22 | 2020-10-30 | 南京华智大为科技有限责任公司 | 基于非线性权重的图像融合的方法 |
| CN114333105A (zh) * | 2020-09-30 | 2022-04-12 | 比亚迪股份有限公司 | 图像处理方法、装置、设备、车辆及介质 |
| CN114333105B (zh) * | 2020-09-30 | 2023-04-07 | 比亚迪股份有限公司 | 图像处理方法、装置、设备、车辆及介质 |
| WO2022237687A1 (zh) * | 2021-05-13 | 2022-11-17 | 影石创新科技股份有限公司 | 视频处理方法、装置、计算机设备和存储介质 |
| CN113808059A (zh) * | 2021-09-16 | 2021-12-17 | 北京拙河科技有限公司 | 阵列图像融合方法、装置、介质及设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107958441B (zh) | 2021-02-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107958441A (zh) | 图像拼接方法、装置、计算机设备和存储介质 | |
| Li et al. | Multi-scale single image dehazing using Laplacian and Gaussian pyramids | |
| Ren et al. | Low-light image enhancement via a deep hybrid network | |
| US7362918B2 (en) | System and method for de-noising multiple copies of a signal | |
| US20170280073A1 (en) | Systems and Methods for Reducing Noise in Video Streams | |
| Lim et al. | VR IQA NET: Deep virtual reality image quality assessment using adversarial learning | |
| US6535254B1 (en) | Method and device for noise reduction | |
| WO2010024265A1 (ja) | 画像処理装置および方法、学習装置および方法、並びにプログラム | |
| CN112330574A (zh) | 人像修复方法、装置、电子设备及计算机存储介质 | |
| US20110292051A1 (en) | Automatic Avatar Creation | |
| CN111667410B (zh) | 图像分辨率提升方法、装置及电子设备 | |
| JP5229575B2 (ja) | 画像処理装置および方法、並びにプログラム | |
| CN110148088B (zh) | 图像处理方法、图像去雨方法、装置、终端及介质 | |
| CN105264567A (zh) | 用于图像稳定化的图像融合方法 | |
| CN111047543A (zh) | 图像增强方法、装置和存储介质 | |
| CN110136055A (zh) | 图像的超分辨率方法和装置、存储介质、电子装置 | |
| Chen et al. | Saliency-directed image interpolation using particle swarm optimization | |
| CN111415304A (zh) | 基于级联深度网络的水下视觉增强方法和装置 | |
| CN111079864A (zh) | 一种基于优化视频关键帧提取的短视频分类方法及系统 | |
| CN115471413A (zh) | 图像处理方法及装置、计算机可读存储介质和电子设备 | |
| CN115131229A (zh) | 图像降噪、滤波数据处理方法、装置和计算机设备 | |
| RU2583725C1 (ru) | Способ и система для обработки изображения | |
| CN117115612A (zh) | 基于多传感器图像增强优化的多通道图像融合方法及系统 | |
| Wang et al. | Exposure fusion using a relative generative adversarial network | |
| Wang et al. | Deep intensity guidance based compression artifacts reduction for depth map |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP03 | Change of name, title or address |
Address after: Room 401-2, Building 1, No. 189, Guigu 2nd Road, Luoxing Street, Jiashan County, Jiaxing City, Zhejiang Province, 314100 Patentee after: Zhejiang COBIT Innovation Technology Co.,Ltd. Address before: 518101 2nd floor, building 1, jindahua Industrial Park, No.1 Yihe Road, Shilong community, Shiyan street, Bao'an District, Shenzhen City, Guangdong Province Patentee before: SHENZHEN MICROMULTICOPTER Co.,Ltd. |
|
| CP03 | Change of name, title or address |