CN110969594A - 图像拼接方法 - Google Patents

图像拼接方法 Download PDF

Info

Publication number
CN110969594A
CN110969594A CN201911197856.1A CN201911197856A CN110969594A CN 110969594 A CN110969594 A CN 110969594A CN 201911197856 A CN201911197856 A CN 201911197856A CN 110969594 A CN110969594 A CN 110969594A
Authority
CN
China
Prior art keywords
image
pixel
feature
points
point
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.)
Pending
Application number
CN201911197856.1A
Other languages
English (en)
Inventor
伍亮
张涛
陈杰
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.)
Guangdong Uniteddata Holding Group Co ltd
Original Assignee
Guangdong Uniteddata Holding Group Co ltd
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 Guangdong Uniteddata Holding Group Co ltd filed Critical Guangdong Uniteddata Holding Group Co ltd
Priority to CN201911197856.1A priority Critical patent/CN110969594A/zh
Publication of CN110969594A publication Critical patent/CN110969594A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明提供了一种图像拼接方法。包括如下步骤：对待拼接图像进行预处理；获取图像的特征点，并对特征点进行特征描述；根据待拼接图像的特征描述进行特征点的匹配；若两张待拼接图像的特征点相互匹配，则对两张待拼接图像进行拼接；对进行拼接的图像的拼接搭界部分进行融合处理。采用本发明，提升了图像拼接的效率与质量，对于成像质量较差的待拼接图像有着较好的拼接效果。

Description

图像拼接方法
技术领域
本发明涉及图像分析及处理技术领域，具体而言，涉及一种图像拼接方法。
背景技术
本发明对于背景技术的描述属于与本发明相关的相关技术，仅仅是用于说明和便于理解本发明的发明内容，不应理解为申请人明确认为或推定申请人认为是本发明在首次提出申请的申请日的现有技术。
图像拼接技术是将数张有重叠部分的待拼接图像拼成一幅无缝的全景图或高分辨率图像，待拼接图像可以是不同时间、不同视角、或者不同传感器所获得的，目前，图像拼接技术已经广泛的应用于军事领域以及商用领域。
现有技术中，图像拼接技术对于待拼接图像的成像质量有着较高的要求，若图像的清晰度、对比度不佳，则会导致图像拼接的质量大打折扣，尤其是在夜间、工作环境质量较差下情况下获得的图像，图像往往噪音较大，反应在图像上是分布在图像中的一些无规律的白点或者黑点；因此对于对比度低、像素分辨率低、边缘信息模糊的待拼接图像，无法达到拼接要求，图像拼接的效果较差。
针对上述问题，本发明提出了一种图像拼接方法。
发明内容
本发明提供了一种图像拼接方法，提升了图像拼接的效率与质量，对于成像质量较差的待拼接图像有着较好的拼接效果。
本发明的实施例提供了一种图像拼接方法，包括如下步骤：对待拼接图像进行预处理；待拼接图像进行预处理后，获取图像的特征点，并对特征点进行特征描述；根据待拼接图像的特征描述进行特征点的匹配；若两张待拼接图像的特征点相互匹配，则对两张待拼接图像进行拼接；对进行拼接的图像的拼接搭界部分进行融合处理。
优选地，预处理包括去噪处理，去噪处理包括如下步骤：确定加权因子W；根据加权因子构建高斯卷积核；利用高斯卷积核对图像进行去噪；对去噪后的图像进行边缘信息加强；其中，加权因子
Figure BDA0002295114640000021
Figure BDA0002295114640000022
i，k，j，l为某一像素点在临近窗口的像素值，σ为临近窗口的像素值的均方差。
优选地，预处理包括增强处理，增强处理包括如下步骤：获取待拼接图像的灰度直方图，某一灰度值所对应的累积值为p(k)；对灰度直方图进行阈值处理，阈值处理后某一灰度值所对应的累积值为P(k)，则有
Figure BDA0002295114640000023
其中，A为设定的灰度直方图的上限值，B为设定的灰度直方图的下限值，10＜B＜A≤255；对累积的结果进行重新划分，得到增强结果
Figure BDA0002295114640000024
其中
Figure BDA0002295114640000025
0≤k≤M，F(k)为直方图累积后的结果，M为图像的灰度级，D(k)为增强结果。
优选地，获取图像特征点时，对图像的所有像素点进行逐一判断，若某一像素点p的像素值与该像素点p所临近的8个像素点的像素值的差值的绝对值均小于t，则像素点p为图像特征点，其中10≤t≤100。
优选地，当待拼接图像有多个特征点时，则上述特征点为备选特征点，需对多个备选特征点进行择一选取，选取规则为，以备选特征点为中心的3x3范围大小的像素区域内，将备选特征点的像素值与该像素区域内的所有像素的像素值相减，并将获得的9个数值取绝对值后相加，得到该备选特征点的得分值，则得分值最大的备选特征点为该图像的特征点。
优选地，在对特征点进行特征描述时，以特征点为中心，随机选取特征点周围n对像素点，每对像素点与特征点的距离相等，且每对像素点与特征点三者共线；每对像素点生成一个二进制描述符，二进制描述符的规则为，以特征点为坐标轴原点，每对像素点中，若像素值大的像素点位于第三象限或者第四象限，则该二进制描述符为0，若像素值大的像素点位于第一象限或者第二象限，则该二进制描述符为1；则该特征点的特征描述为一组n位二进制数字，其中，60≤n≤200。
优选地，在根据待拼接图像的特征描述进行特征点的匹配时，选取一个特征点的特征描述与其他任意一张待拼接图像的特征点的特征描述进行逐位的异或运算，运算结果为1的个数记为H，将该特征点的特征描述与其他所有拼接图像的特征点的特征描述进行逐位的异或运算后，则其中H最小者的特征点表示与该特征点匹配。
优选地，进行拼接的两张图像分别为第一图像与第二图像，对第一图像与第二图像的拼接搭界部分进行像素值的替换，设位于拼接搭界部分的某一像素点在第一图像中的像素值为M，在第二图像中的像素值为N。
优选地，替换规则为，该像素点在拼接搭界部分的像素值为
Figure BDA0002295114640000031
优选地，替换规则为，该像素点在拼接搭界部分的像素值为w1*M+w2*N，其中，
Figure BDA0002295114640000032
D为该像素点到第一图像的距离，S为该像素点到第二图像的距离。
优选地，对融合处理后得到的图像进行评价，评价指标包括图像中各个亮度值总和的平均值、图像中各点亮度值与图像亮度均值的离散度、图像的平均梯度、图像的信息熵、图像的峰值信噪比中的一个或多个。
本发明实施例所提供的图像拼接方法，提升了图像拼接的效率与质量，对于成像质量较差的待拼接图像有着较好的拼接效果。
本发明的附加方面和优点将在下面的描述部分中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1是本说明书图像拼接方法的优选实施例的流程图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
下述讨论提供了本发明的多个实施例。虽然每个实施例代表了发明的单一组合，但是本发明不同实施例可以替换，或者合并组合，因此本发明也可认为包含所记载的相同和/或不同实施例的所有可能组合。因而，如果一个实施例包含A、B、C，另一个实施例包含B和D的组合，那么本发明也应视为包括含有A、B、C、D的一个或多个所有其他可能的组合的实施例，尽管该实施例可能并未在以下内容中有明确的文字记载。
图1是本说明书图像拼接方法的优选实施例的流程图。如图1所示，本发明优选实施例提供的图像拼接方法，包括如下步骤，步骤S01：对待拼接图像进行预处理；步骤S02：待拼接图像进行预处理后，获取图像的特征点，并对特征点进行特征描述；步骤S03：根据待拼接图像的特征描述进行特征点的匹配；步骤S04：若两张待拼接图像的特征点相互匹配，则对两张待拼接图像进行拼接；步骤S05：对进行拼接的图像的拼接搭界部分进行融合处理。通过获取图像的特征点，对待拼接图像进行特征点的匹配，若两张待拼接图像的特征点可以相互匹配，则可对这两张待拼接图片进行拼接；同时，由特征描述对特征点进行表述，实现了特征点表述的标准化，方便的实现了两张待拼接图像的特征点的对比；由此，提升了图像拼接的效率与质量，对于成像质量较差的待拼接图像，其特征点的提取也较为容易，有着较好的拼接效果。
本说明书图像拼接方法的优选实施例中，预处理包括去噪处理，去噪处理包括如下步骤：确定加权因子W；根据加权因子构建高斯卷积核；利用高斯卷积核对图像进行去噪；对去噪后的图像进行边缘信息加强；其中，加权因子
Figure BDA0002295114640000051
i，k，j，l为某一像素点在临近窗口的像素值，σ为临近窗口的像素值的均方差。通过对待拼接图像进行去噪处理，可以较大程度上去除图像中的白噪声，便于特征点的提取；同时，采用上述方法进行图像去噪，可以较大程度的保留图像的纹理信息以及边缘信息，保证图像的准度。
本说明书图像拼接方法的优选实施例中，预处理包括增强处理，增强处理包括如下步骤：获取待拼接图像的灰度直方图，某一灰度值所对应的累积值为p(k)；对灰度直方图进行阈值处理，阈值处理后某一灰度值所对应的累积值为P(k)，则有
Figure BDA0002295114640000052
其中，A为设定的灰度直方图的上限值，B为设定的灰度直方图的下限值，10＜B＜A≤255；对累积的结果进行重新划分，得到增强结果
Figure BDA0002295114640000053
其中
Figure BDA0002295114640000054
0≤k≤M，F(k)为直方图累积后的结果，M为图像的灰度级，D(k)为增强结果。图像增强处理可以加强图像的特征信息，便于提取特征点，避免了由于待拼接图像的对比度过低、亮度过低、亮度过高情况下的特征点提取精度较低的情况发生。
本说明书图像拼接方法的优选实施例中，获取图像特征点时，对图像的所有像素点进行逐一判断，若某一像素点p的像素值与该像素点p所临近的8个像素点的像素值的差值的绝对值均小于t，则像素点p为图像特征点，其中10≤t≤100。上述方法对于特征点的提取较为快速，且精准度较高。
本说明书图像拼接方法的优选实施例中，当待拼接图像有多个特征点时，则上述特征点为备选特征点，需对多个备选特征点进行择一选取，选取规则为，以备选特征点为中心的3x3范围大小的像素区域内，将备选特征点的像素值与该像素区域内的所有像素的像素值相减，并将获得的9个数值取绝对值后相加，得到该备选特征点的得分值，则得分值最大的备选特征点为该图像的特征点。对提取的特征点进行识别，保证一张待拼接图像具有一个特征点，保证拼接的效率。
本说明书图像拼接方法的优选实施例中，在对特征点进行特征描述时，以特征点为中心，随机选取特征点周围n对像素点，每对像素点与特征点的距离相等，且每对像素点与特征点三者共线；每对像素点生成一个二进制描述符，二进制描述符的规则为，以特征点为坐标轴原点，每对像素点中，若像素值大的像素点位于第三象限或者第四象限，则该二进制描述符为0，若像素值大的像素点位于第一象限或者第二象限，则该二进制描述符为1；则该特征点的特征描述为一组n位二进制数字，其中，60≤n≤200。上述方法简单的对特征点进行了特征描述，便于特征点的匹配。在进行特征点的特征描述时，保证每一张待拼接图片的特征点的周围n对像素点的连线形状一致，且各相应位置上的像素点到特征点的距离相等，从而保证了后续特征点匹配过程中的匹配高效性。
本说明书图像拼接方法的优选实施例中，在根据待拼接图像的特征描述进行特征点的匹配时，选取一个特征点的特征描述与其他任意一张待拼接图像的特征点的特征描述进行逐位的异或运算，运算结果为1的个数记为H，将该特征点的特征描述与其他所有拼接图像的特征点的特征描述进行逐位的异或运算后，则其中H最小者的特征点表示与该特征点匹配。运算结果为1的个数即为两特征点间的间距，其中间距最小的特征点为可以相互匹配的两特征点。
本说明书图像拼接方法的优选实施例中，进行拼接的两张图像分别为第一图像与第二图像，对第一图像与第二图像的拼接搭界部分进行像素值的替换，设位于拼接搭界部分的某一像素点在第一图像中的像素值为M，在第二图像中的像素值为N，替换规则为，该像素点在拼接搭界部分的像素值为
Figure BDA0002295114640000071
对两张拼接的图像进行拼接边界的融合处理可以消除拼接搭界部分的拼接痕迹，获得更好的拼接效果，上述融合处理方法简便，可以取得较好的拼接效果。
本说明书图像拼接方法的优选实施例中，替换规则为，该像素点在拼接搭界部分的像素值为w1*M+w2*N，其中，
Figure BDA0002295114640000072
D为该像素点到第一图像的距离，S为该像素点到第二图像的距离。采用上述融合处理方法，保证了需要进行像素值替换的像素点距离第一图像较近时，其在第一图像中的像素值所占的权重较大，而当需要进行像素值替换的像素点距离第二图像较近时，其在第二图像中的像素值所占的权重较大，这种融合处理方法运算量较小，拼接效果更好。
本说明书图像拼接方法的优选实施例中，对融合处理后得到的图像进行评价，评价指标包括图像中各个亮度值总和的平均值、图像中各点亮度值与图像亮度均值的离散度、图像的平均梯度、图像的信息熵、图像的峰值信噪比中的一个或多个。通过上述评价指标的选用，可对图像拼接效果进行有效的评价。
本发明实施例所提供的图像拼接方法，提升了图像拼接的效率与质量，对于成像质量较差的待拼接图像有着较好的拼接效果。
在本发明中，术语“第一”、“第二”、“第三”仅用于描述的目的，而不能理解为指示或暗示相对重要性；术语“多个”则指两个或两个以上，除非另有明确的限定。术语“安装”、“相连”、“连接”、“固定”等术语均应做广义理解，例如，“连接”可以是固定连接，也可以是可拆卸连接，或一体地连接；“相连”可以是直接相连，也可以通过中间媒介间接相连。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
本发明的描述中，需要理解的是，术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或单元必须具有特定的方向、以特定的方位构造和操作，因此，不能理解为对本发明的限制。
在本说明书的描述中，术语“一个实施例”、“一些实施例”、“具体实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或实例。而且，描述的具体特征、结构、材料或特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种图像拼接方法，其特征在于，包括如下步骤：
对待拼接图像进行预处理；
获取图像的特征点，并对所述特征点进行特征描述；
根据待拼接图像的特征描述进行特征点的匹配；
若两张待拼接图像的特征点相互匹配，则对所述两张待拼接图像进行拼接；
对进行拼接的图像的拼接搭界部分进行融合处理。
2.根据权利要求1所述的图像拼接方法，其特征在于，所述预处理包括去噪处理，所述去噪处理包括如下步骤：
确定加权因子W；
根据所述加权因子构建高斯卷积核；
利用所述高斯卷积核对图像进行去噪；
对去噪后的图像进行边缘信息加强；
其中，所述加权因子
Figure FDA0002295114630000011
i，k，j，l为某一像素点在临近窗口的像素值，σ为临近窗口的像素值的均方差。
3.根据权利要求1所述的图像拼接方法，其特征在于，所述预处理包括增强处理，所述增强处理包括如下步骤：
获取待拼接图像的灰度直方图，某一灰度值所对应的累积值为p(k)；
对灰度直方图进行阈值处理，阈值处理后某一灰度值所对应的累积值为P(k)，则有
Figure FDA0002295114630000013
其中，A为设定的灰度直方图的上限值，B为设定的灰度直方图的下限值，10＜B＜A≤255；
对累积的结果进行重新划分，得到增强结果
Figure FDA0002295114630000021
其中
Figure FDA0002295114630000022
0≤k≤M，F(k)为直方图累积后的结果，M为图像的灰度级，D(k)为增强结果。
4.根据权利要求1所述的图像拼接方法，其特征在于，获取图像特征点时，对图像的所有像素点进行逐一判断，若某一像素点p的像素值与该像素点p所临近的8个像素点的像素值的差值的绝对值均小于t，则像素点p为图像特征点，其中10≤t≤100。
5.根据权利要求4所述的图像拼接方法，其特征在于，当待拼接图像有多个特征点时，则上述特征点为备选特征点，需对多个备选特征点进行择一选取，选取规则为，以备选特征点为中心的3x3范围大小的像素区域内，将备选特征点的像素值与该像素区域内的所有像素的像素值相减，并将获得的9个数值取绝对值后相加，得到该备选特征点的得分值，则得分值最大的备选特征点为该图像的特征点。
6.根据权利要求1所述的图像拼接方法，其特征在于，在对所述特征点进行特征描述时，以所述特征点为中心，随机选取所述特征点周围n对像素点，每对像素点与所述特征点的距离相等，且每对像素点与所述特征点三者共线；每对像素点生成一个二进制描述符，二进制描述符的规则为，以所述特征点为坐标轴原点，每对像素点中，若像素值大的像素点位于第三象限或者第四象限，则该二进制描述符为0，若像素值大的像素点位于第一象限或者第二象限，则该二进制描述符为1；则该特征点的特征描述为一组n位二进制数字，其中，60≤n≤200。
7.根据权利要求6所述的图像拼接方法，其特征在于，在根据待拼接图像的特征描述进行特征点的匹配时，选取一个特征点的特征描述与其他任意一张待拼接图像的特征点的特征描述进行逐位的异或运算，运算结果为1的个数记为H，将该特征点的特征描述与其他所有拼接图像的特征点的特征描述进行逐位的异或运算后，则其中H最小者的特征点表示与该特征点匹配。
8.根据权利要求1-7中任意一项所述的图像拼接方法，其特征在于，进行拼接的两张图像分别为第一图像与第二图像，对第一图像与第二图像的拼接搭界部分进行像素值的替换，设位于拼接搭界部分的某一像素点在所述第一图像中的像素值为M，在所述第二图像中的像素值为N。
9.根据权利要求8所述的图像拼接方法，其特征在于，替换规则为，该像素点在拼接搭界部分的像素值为w1*M+w2*N，其中，
Figure FDA0002295114630000031
Figure FDA0002295114630000032
D为该像素点到所述第一图像的距离，S为该像素点到所述第二图像的距离。
10.根据权利要求1-7中任意一项所述的图像拼接方法，其特征在于，对融合处理后得到的图像进行评价，评价指标包括图像中各个亮度值总和的平均值、图像中各点亮度值与图像亮度均值的离散度、图像的平均梯度、图像的信息熵、图像的峰值信噪比中的一个或多个。
CN201911197856.1A 2019-11-29 2019-11-29 图像拼接方法 Pending CN110969594A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911197856.1A CN110969594A (zh) 2019-11-29 2019-11-29 图像拼接方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911197856.1A CN110969594A (zh) 2019-11-29 2019-11-29 图像拼接方法

Publications (1)

Publication Number Publication Date
CN110969594A true CN110969594A (zh) 2020-04-07

Family

ID=70032156

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911197856.1A Pending CN110969594A (zh) 2019-11-29 2019-11-29 图像拼接方法

Country Status (1)

Country Link
CN (1) CN110969594A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112800718A (zh) * 2021-01-25 2021-05-14 上海互盾信息科技有限公司 一种pdf文档展示方法、计算机设备及存储介质
CN113791722A (zh) * 2021-09-13 2021-12-14 统信软件技术有限公司 一种截图处理方法、计算设备及可读存储介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101114340A (zh) * 2007-09-06 2008-01-30 成都方程式电子有限公司 直方图均衡化图像处理的vlsi实现系统及方法
CN103177429A (zh) * 2013-04-16 2013-06-26 南京理工大学 基于fpga的红外图像细节增强系统及其方法
CN104835115A (zh) * 2015-05-07 2015-08-12 中国科学院长春光学精密机械与物理研究所 用于航空相机的图像成像方法及系统
CN104966281A (zh) * 2015-04-14 2015-10-07 中测新图(北京)遥感技术有限责任公司 多视影像的imu/gnss引导匹配方法
CN106447607A (zh) * 2016-08-25 2017-02-22 中国科学院长春光学精密机械与物理研究所 一种图像拼接方法及装置
CN106886987A (zh) * 2017-03-23 2017-06-23 重庆大学 一种列车车牌二值化图像融合方法
AU2015271935A1 (en) * 2015-12-18 2017-07-06 Canon Kabushiki Kaisha Measure of image region visual information
CN107945111A (zh) * 2017-11-17 2018-04-20 中国矿业大学 一种基于surf特征提取结合cs‑lbp描述符的图像拼接方法
CN108921899A (zh) * 2018-07-13 2018-11-30 哈尔滨工业大学 一种基于像素阈值求解基本矩阵的室内视觉定位方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101114340A (zh) * 2007-09-06 2008-01-30 成都方程式电子有限公司 直方图均衡化图像处理的vlsi实现系统及方法
CN103177429A (zh) * 2013-04-16 2013-06-26 南京理工大学 基于fpga的红外图像细节增强系统及其方法
CN104966281A (zh) * 2015-04-14 2015-10-07 中测新图(北京)遥感技术有限责任公司 多视影像的imu/gnss引导匹配方法
CN104835115A (zh) * 2015-05-07 2015-08-12 中国科学院长春光学精密机械与物理研究所 用于航空相机的图像成像方法及系统
AU2015271935A1 (en) * 2015-12-18 2017-07-06 Canon Kabushiki Kaisha Measure of image region visual information
CN106447607A (zh) * 2016-08-25 2017-02-22 中国科学院长春光学精密机械与物理研究所 一种图像拼接方法及装置
CN106886987A (zh) * 2017-03-23 2017-06-23 重庆大学 一种列车车牌二值化图像融合方法
CN107945111A (zh) * 2017-11-17 2018-04-20 中国矿业大学 一种基于surf特征提取结合cs‑lbp描述符的图像拼接方法
CN108921899A (zh) * 2018-07-13 2018-11-30 哈尔滨工业大学 一种基于像素阈值求解基本矩阵的室内视觉定位方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王飞越: "基于SURF特征提取的图像配准算法研究" *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112800718A (zh) * 2021-01-25 2021-05-14 上海互盾信息科技有限公司 一种pdf文档展示方法、计算机设备及存储介质
CN113791722A (zh) * 2021-09-13 2021-12-14 统信软件技术有限公司 一种截图处理方法、计算设备及可读存储介质

Similar Documents

Publication Publication Date Title
CN111080661B (zh) 基于图像的直线检测方法、装置以及电子设备
RU2659745C1 (ru) Реконструкция документа из серии изображений документа
US8805077B2 (en) Subject region detecting apparatus
US20040190787A1 (en) Image noise reduction
CN107945111B (zh) 一种基于surf特征提取结合cs-lbp描述符的图像拼接方法
CN108038826B (zh) 透视变形的搁架图像的校正方法和装置
US20210124977A1 (en) System and Method for Multimedia Analytic Processing and Display
US20120257822A1 (en) Image processing apparatus, image processing method, and computer readable medium
CN113688846B (zh) 物体尺寸识别方法、可读存储介质及物体尺寸识别系统
CN111696064B (zh) 图像处理方法、装置、电子设备及计算机可读介质
CN110969594A (zh) 图像拼接方法
JP5656768B2 (ja) 画像特徴量抽出装置およびそのプログラム
Ling et al. Image quality assessment for DIBR synthesized views using elastic metric
JP2006285956A (ja) 赤目検出方法および装置並びにプログラム
KR20100051002A (ko) 디지털 이미지의 노이즈 감소
CN111027637A (zh) 一种文字检测方法及计算机可读存储介质
KR101282663B1 (ko) 차량 번호판의 이미지 영역을 검출하기 위한 장치 및 그 방법
CN104268550A (zh) 特征提取方法及装置
CN112926695A (zh) 基于模板匹配的图像识别方法和系统
WO2024016632A1 (zh) 亮点定位方法、亮点定位装置、电子设备及存储介质
CN115131355B (zh) 利用电子设备数据检测防水布异常的智能方法
EP2156373A2 (en) Applying a segmentation engine to different mappings of a digital image
CN111091513B (zh) 图像处理方法、装置、计算机可读存储介质及电子设备
CN113470028A (zh) 染色体核型图像质量评估方法、染色体分析仪和存储介质
CN113705660A (zh) 目标识别方法及相关设备

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