一种基于Lucas-Kanade算法的图像配准和拼接方法

摘要

本发明公开一种基于Lucas-Kanade算法的图像配准和拼接方法，该方法包括：对原始图像的预处理，由于拍摄角度、拍摄距离和拍摄时光照等差异，可能会造成两幅图像之间的参数不匹配，所以在图像配准之前先对图像进行预处理；图像配准，作为图像拼接技术中的关键步骤，图像拼接质量的高低，很大程度上由图像配准的精度来决定；图像融合，融合的目的是将已经配准好的待拼接图像通过坐标变换关系，将图像变换到某个同一的坐标系下进行像素级别的融合，以此更加全面的展示场景信息。本发明针对特征点较少、噪声干扰造成的单应性矩阵估计精度不高的问题，创新的提出了用LK图像对齐算法以及其改下算法来优化单应性矩阵估计，通过基于整幅图像的迭代优化，使得图像见的均方误差最小化，提高了单应性矩阵估计的精度，进而改善了图像配准和拼接融合的效果。

主权项

一种基于Lucas‑Kanade算法的图像配准和拼接方法，其特征在于，包括：1)对初始图像预处理；2)对预处理之后的图像用Lucas‑Kanade算法进行配准，具体方式为:(1)对待配准的两幅图像1I和2I分别提取Harris角点；(2)应用NCC匹配算法对两幅图像中的角点进行初始匹配；(3)应用RANSAC算法去除外点，并获得最优单应性矩阵H；(4)分别将两幅待配准的图像转换为灰度图像；(5)以第(3)步得到的H为初始值，并设定一个的收敛精度ε以及最大的迭代次数，应用逆向组成算法对齐1I和2I的灰度图像直至收敛，得到求精之后的单应性矩阵H；3)对配准之后的图像利用加权平均法进行图像融合。