发明名称 一种图像拼接方法
摘要 本发明提供一种图像拼接方法,具体是一种二维宽景超声图像拼接方法,应用于实时获取或已存储的超声视频图像序列,利用相邻两帧图像的高度相关性,即配准图和活动图,检测活动图像中关键特征点,估计活动图和配准图之间的运动向量,用于完成相邻图像的特征点之间的运动匹配和全局运动参数估计,即得到一个旋转角度和位移量,进而完成两幅图像的配准过程;根据得到的运动参数将当前图像映射到配准图上或者宽景图像的坐标系,进而实现已有的宽景图和配准后的图像之间的融合。如果宽景图像超过当前显示设备窗口大小,将图像整体向后移动若干个像素点,直至宽景图像中新拼接的部分完全显示出来;否则,处理下一幅图像。
申请公布号 CN101901481B 申请公布日期 2012.11.21
申请号 CN201010250868.9 申请日期 2010.08.11
申请人 深圳市蓝韵实业有限公司 发明人 徐漫涛;张羽;陆汇海;潘梁亮
分类号 G06T5/50(2006.01)I;G06T7/00(2006.01)I 主分类号 G06T5/50(2006.01)I
代理机构 深圳市百瑞专利商标事务所(普通合伙) 44240 代理人 金辉
主权项 1.一种图像拼接方法,其图像序列为:I<sub>1</sub>,...,I<sub>i</sub>,...,I<sub>n</sub>,其时间间隔为Δ,包括以下步骤:A.建立二维坐标,将第一帧图像设成配准图f和拼接图X<sub>0</sub>,并设置活动图g=I<sub>2</sub>和处理步长为Δ=1及i=2;B.在活动图g上寻找一系列特征点F={(x<sub>j</sub>,y<sub>j</sub>)|j=1,...,m},其中(x<sub>j</sub>,y<sub>j</sub>)为第j个特征点在活动图中的位置坐标值;C.基于特征点集F,迭代找出初始的最优的子集<img file="FDA00001782934700011.GIF" wi="172" he="48" />基于E估计的运动参数<img file="FDA00001782934700012.GIF" wi="368" he="58" />为在一个有效的特征点子集<img file="FDA00001782934700013.GIF" wi="129" he="38" />上的最佳匹配效果,其中α<sub>0</sub>为运动变换中的旋转角度,<img file="FDA00001782934700014.GIF" wi="62" he="58" />和<img file="FDA00001782934700015.GIF" wi="56" he="58" />分别是在轴X方向和Y轴方向的位移参数;D.对每个特征点,估计在配准图上所对应的特征点的位置:{(x<sup>*</sup><sub>j</sub>,y<sup>*</sup><sub>j</sub>)∈f|j=1,...,m},其中(x<sup>*</sup><sub>j</sub>,y<sup>*</sup><sub>j</sub>)为第j个特征点在配准图中的位置坐标值,并求解一组最佳的运动参数T;E.基于求解的运动参数,将当前活动图I<sub>i</sub>拼接到当前拼接图,再将该活动图设置成配准图,若拼接的图像宽度大于显示图像窗口,则将图像中所有像素点向后平移至图像新拼接的部分或区域可以完全显示出来;F.i=i+Δ如果第i帧图像存在,则返回步骤B;否则将拼接图像左移若干个像素点,直至图像新拼接的部分显示出来,并输出拼接图像,其特征在于:所述D步骤中的求解方式为迭代求解,所述D步骤包括以下步骤:D1.令T=T<sub>0</sub>,将E映射到配准图f上得到新的映射点集E<sup>*</sup>=T(E);D2.对E中的每一像素点(x,y)在配准图中相应的匹配点(x<sup>*</sup>,y<sup>*</sup>)=T(x,y)∈E<sup>*</sup>执行基于光流的运动补偿:x<sub>M</sub>=x<sup>*</sup>-g<sub>Δt</sub>(x,y)/g<sub>x</sub>(x,y);y<sub>M</sub>=y<sup>*</sup>-g<sub>Δt</sub>(x,y)/g<sub>y</sub>(x,y);g<sub>Δt</sub>(x,y)=f(x<sup>*</sup>,y<sup>*</sup>)-g(x,y);D3.在以(x<sub>M</sub>,y<sub>M</sub>)中心的子区域,[x<sub>M</sub>-w<sub>4</sub>,x<sub>M</sub>+2×w<sub>4</sub>]×[y<sub>M</sub>-w<sub>5</sub>,y<sub>M</sub>+w<sub>5</sub>],搜索和(x,y)更为匹配的像素点(x<sub>2</sub>,y<sub>2</sub>)使匹配的Normalized Correlation的值最小,模板匹配的窗口大小为w<sub>3</sub>×w<sub>3</sub>,w<sub>4</sub>和w<sub>5</sub>的默认值为3;D4.找出E中子集E<sub>1</sub>={(x,y)|NC((x,y),(x<sup>*</sup>,y<sup>*</sup>))≤1-ftg<sub>3</sub>},ftg<sub>3</sub>默认值可以为0.3;在配准图上有相应的匹配点集E<sub>2</sub>;D5.如果集合|E<sub>1</sub>|>10,基于集合E<sub>1</sub>和E<sub>2</sub>应用M-estimator估计运动参数T=(α,C<sup>X</sup>,C<sup>Y</sup>),否则直接跳到步骤D6,这里Err<sub>k</sub>是第k个特征点的匹配误差;D6.重复子步骤D1至D5共5次,如果最终检测的运动向量大于设定阈值,跳到步骤D1,否则输出T。
地址 518000 广东省深圳市福田区景田北路81号碧景园E栋601