一种基于切比雪夫距离判别的图像自适应融合方法

摘要

本发明提出一种基于切比雪夫距离判别的图像自适应融合方法，在融合过程中读取图像像素信息后，使用SIFT特征的配准方法确定图像重叠区域，通过引入切比雪夫距离判别思想对各个相机的重叠区域部分评估择优，自动选择规划出合适的各镜头成像点集，最后整合所有像素点，在待融合后新图像的像素坐标框架内一一映射，形成拼接后的新图像。该方法能使融合的图像更为平滑，且有效消除拼接缝和不同视野条件下色差的影响。

说明书

技术领域

一种基于切比雪夫距离判别的图像自适应融合方法，适用于自动驾驶视觉感知领域，在多场景图像拼接融合上具有较好的成像结果，能够保证图像感知任务的成像质量。

背景技术

本发明属于图像处理领域，特别是涉及一种基于切比雪夫距离判别的图像自适应融合方法。目前视觉感知已成为自动驾驶领域的研究热门，在车辆上引入视觉能够使车辆对周边的环境进行目标检测、目标分类、图像分割等，从而有效提升车辆的安全性、稳定性、智能性。由于单个摄像头获取的视场有限，无法满足相应的目标检测等感知需求，所以通常会在车辆上安装多个摄像头。最后利用图像拼接算法得到所需的全局图像，进而完成相应的感知任务。

图像拼接算法的核心是图像配准和图像融合这两部分，图像配准领域的相关研究较为成熟，通常情况下传统的算法能够满足需求。图像融合领域，由于汽车行驶过程中安全的重要性，对于图像融合成像结果的要求极高，传统的图像融合算法带来的拼接缝会给后续感知任务带来极大的干扰，并不能很好地满足视觉感知任务中对于图像质量的要求。

传统的图像融合方法主要是先对附图1中的IMG1与IMG2进行图像配准，从而确定两张图像的重叠区域，最终合成图像的重叠区域像素则直接取两张图像在对应重叠区域像素的加权平均值。这样的图像融合结果会有很明显的拼接缝，此外，由于受到汽车不同角度的下的光照等环境影响，此种方法下还存在有明显的色差问题。拼接缝、色差问题都会严重影响到最终的感知任务结果，因此，传统的图像融合方法并不适用于自动驾驶领域中的视觉感知任务。

发明内容

发明目的：本发明涉及一种基于切比雪夫距离判别的自适应图像融合方法，旨在解决传统图像融合方法中存在的拼接缝、色差问题。

技术方案：一种基于切比雪夫距离判别的图像自适应融合方法，包括：

图像读取：读取两幅图像的像素信息，一张作为参考图像，一张作为目标图像；

图像特征配准：使用SIFT特征的配准方法对两幅图像特征关键点进行特征描述，获取图像特征点；以参考图像的特征点为标准，分别搜索遍历从目标图像中提取的特征点进行匹配，确定两幅图像的重叠区域；

图像特征处理：使用切比雪夫图像自适应融合方法，设定待拼接图像的坐标框架，对重叠区域像素进行评估择优；

图像特征融合：整合所有像素点，在待融合后新图像的像素坐标框架内一一映射，形成拼接后的新图像。

具体实现步骤如下：

步骤1、通过SIFT图像配准方法完成图像IMG1与IMG2的配准，确定合成后图像的各区域像素点集，其中左边未重叠部分IMG

步骤2、定义IMG1在重叠区域的像素信息集合为P1，IMG2变换后的重叠区域像素信息集合为P2，则整个图像重叠区域的像素信息集合IMGM＝{P1,P2}，图像重叠区域坐标内任意一点都包含两个像素点即IMG

步骤3、求取P1，P2的像素均值为

步骤4、引入切比雪夫距离判别思想，分别求取IMG

步骤5、比较同一坐标下P

步骤6、整合合成图像的像素集合，完成图像融合拼接。

作为本发明所述的一种基于切比雪夫距离判别的图像自适应融合方法进一步优化方案，步骤1中所述图像特征匹配具体实现过程如下：

步骤11、生成图像高斯差分金字塔，构建尺度空间；

步骤12、空间极值点检测：在高斯金字塔中搜索对尺度和旋转不变的特征点；

步骤13、稳定关键点的精确定位：采用曲线拟合寻找极值点；

步骤14、稳定关键点方向信息分配；

步骤15、关键点描述：将得到的特征点位置、方向、尺度信息，使用一组向量来描述特征点及其周围邻域像素的信息；

步骤16、完成两幅图像的特征点匹配。

作为本发明所述的一种基于切比雪夫距离判别的图像自适应融合方法进一步优化方案，所述步骤3具体计算方式如下：

步骤31、求取P1的像素均值：

步骤32、求取P2的像素均值：

步骤33、求取重叠区域内的像素均值：

作为本发明所述的一种基于切比雪夫距离判别的图像自适应融合方法进一步优化方案，所述步骤4进一步为：

步骤41、求取IMG

步骤42、求取IMG

作为本发明所述的一种基于切比雪夫距离判别的图像自适应融合方法进一步优化方案，所述步骤5进一步为：

步骤51、若S

步骤52、若S

步骤53、若S

有益效果：本发明将切比雪夫距离判别分析的方法引入图像融合技术之中，相对于传统技术能够在统一度量标准的基础下选择出更为真实、适应全局的像素点，并且能够自动选择规划出合适的各相机成像点集，以此评估出的像素点集合成后的图像细节更为清晰，能够有效消除图像拼接缝及色差影响，保证视觉感知任务的图像成像质量。

附图说明

图1图像及其重叠区域示意图。

图2是待拼接后图像区域像素分布图。

图3是图像重叠区域坐标点对应两幅原图像素示意图。

图4是该发明方法结构图。

图5是该发明方法流程图。

具体实施方式

为了使本发明的目的、技术方案和有点更加清楚，下面结合附图及具体实施例对本发明进行详细描述。

如图1所示，本实施例中，两幅图像IMG1与IMG2。

如图4所示为本发明方法结构图，包过以下4个模块：

图像读取：读取两幅图像的像素信息，一张作为参考图像，一张作为目标图像；

图像特征配准：使用SIFT特征的配准方法对两幅图像特征关键点进行特征描述，获取图像特征点；以参考图像的特征点为标准，分别搜索遍历从目标图像中提取的特征点进行匹配，确定两幅图像的重叠区域；

图像特征处理：使用切比雪夫图像自适应融合方法，设定待拼接图像的坐标框架，对重叠区域像素进行评估择优；

图像特征融合：整合所有像素点，在待融合后新图像的像素坐标框架内一一映射，形成拼接后的新图像。

下面结合图2、图3及图5对本实施例的基于切比雪夫距离判别的图像自适应融合方法详述如下：

步骤1、如图2所示，通过SIFT图像配准方法完成图像IMG1与IMG2的配准，确定合成后图像的各区域像素点集，其中左边未重叠部分IMG

步骤2、如图3所示，定义IMG1在重叠区域的像素信息集合为P1，IMG2变换后的重叠区域像素信息集合为P2，则整个图像重叠区域的像素信息集合IMGM＝{P1,P2}，图像重叠区域坐标内任意一点都包含两个像素点即IMG

步骤3、求取P1，P2的像素均值为

步骤31、求取P1的像素均值：

步骤32、求取P2的像素均值：

步骤33、求取重叠区域内的像素均值：

步骤4、引入切比雪夫距离判别思想，分别求取IMG

步骤41、求取IMG

步骤42、求取IMG

步骤5、比较同一坐标下P

步骤51、若S

步骤52、若S

步骤53、若S

步骤6、整合合成图像的像素集合，完成图像融合拼接。