买专利,只认龙图腾
首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

【发明公布】基于高斯过程回归的亚像素级模板匹配序列星图融合方法_北京理工大学_202311761471.X 

申请/专利权人:北京理工大学

申请日:2023-12-20

公开(公告)日:2024-03-15

公开(公告)号:CN117710230A

主分类号:G06T5/50

分类号:G06T5/50;G06T7/10;G06V10/75;G06V10/28

优先权:

专利状态码:在审-实质审查的生效

法律状态:2024.04.02#实质审查的生效;2024.03.15#公开

摘要:本发明公开了一种基于高斯过程回归的亚像素级模板匹配序列星图融合方法,其包括:基于高斯过程回归进行序列图像分割,得到所有原始图像的前景掩码;结合空间图像成像规律,基于改进局部自适应二值化处理和亚像素级模板匹配实现星图配准,获取所有相邻两帧图像的匹配区域;采用多分辨率融合与自适应直方图均衡化方法实现融合画板填充与对比度增强,完成序列图像融合。本发明能够有效提升序列低精度CCD空间图像融合的精度与效率,能够同时实现多帧图像的批量、快速、无缝融合与对比度增强。

主权项:1.一种基于高斯过程回归的亚像素级模板匹配序列星图融合方法,其特征在于,其包括:S1、基于高斯过程回归进行序列图像分割,得到所有原始图像的前景掩码;S2、结合空间图像成像规律,基于改进局部自适应二值化处理和亚像素级模板匹配实现星图配准,获取所有相邻两帧图像的匹配区域,包括:S21、对所有原始图像进行滤波处理,仅保留恒星条纹,减少额外干扰对配准精度的影响;S22、对经过滤波的图像进行改进局部自适应二值化处理,得到原始图像的二值化图像; 其中,Lthreshold为二值化图像,L为待处理图像,Tx,y为x,y点像素阈值,x,y为点像素坐标;S23、基于空间图像成像规律,采用亚像素级模板选取相邻两帧图像进行配准,获取所有相邻两帧图像的匹配区域,包括:S231、计算二值化图像中的所有连通域的面积,将连通域面积小于10的连通区域灰度值置零,进一步去除匹配干扰噪声点;S232、将相邻两帧图像的二值化图像分为待匹配图像和模板图像;S233、基于空间图像成像规律,以在待匹配图像中生成的粗匹配模板,在模板图像中进行基于归一化系数的模板匹配,获取粗匹配模板匹配成功区域,计算获取粗匹配单应性变换矩阵Hr:S234、进行亚像素级别模板匹配,获取最终的相邻两帧图像的匹配区域,包括:在步骤S1中得到的相邻两帧图像的前景掩码中,截取与待匹配图像中粗匹配模板位置相同、尺寸一致的区域作为前景掩码匹配模板图像,再截取与模板图像中匹配成功位置相同、尺寸一致的区域作为前景掩码目标图像;以第一标准尺寸的窗口对前景掩码匹配模板图像进行搜索,找出其中灰度均值最大的区域,令中心点为Center,坐标为x,y,截取以Center点为中心的第一标准尺寸的区域作为新模板图像,根据粗匹配单应性变换矩阵Hr和Center点得到前景掩码目标图像中对应位置的Center′点,对应坐标为x′,y′,以Center′点为中心按大于第一标准尺寸的第二标准尺寸截取得到新目标图像,Center与Center′对应关系如下: 对新模板图像和新目标图像分别进行双立方插值,扩展至原图像的10倍分辨率;对扩展后的两幅图像进行基于归一化系数的模板匹配,获取最终的相邻两帧图像的匹配区域;S235、重复步骤S232-S234,获取序列中所有相邻两帧图像的最终匹配区域;S3、采用多分辨率融合方法实现融合画板填充,完成序列图像的融合,包括:S31、根据获取的所有相邻两帧图像的最终匹配区域,求取序列图像中所有图像到最后一帧图像的单应性变换矩阵Hm,n:Hm,n=Hm,m+1Hm+1,m+2…Hn-2,n-1Hn-1,n10其中,Hm,n表示图像m到图像n坐标系的单应性变换矩阵,且m<n,m、n为正整数;S32、根据所有图像的尺寸以及求得的所有图像到最后一帧图像的单应性变换矩阵求得各图像的扩展图像Lcanvas: 其中,为第m帧图像的扩展图像,Lm为第m帧待拼接图像,表示第m帧图像到最后一帧nlast图像的水平偏移量,表示第m帧图像到最后一帧nlast图像的竖直偏移量;S33、由序列图像中所有图像与最后一帧图像间的单应性变换矩阵对求得的各图像的扩展图像Lcanvas进行单应性变换,变换至最后一帧图像的坐标系,构建与各帧原始待拼接图像大小一致的掩码图像;S34、针对构建的各帧的掩码图像进行与待拼接图像转换坐标系的相同操作,构建处于相同坐标系下的待融合图像保留区域的掩码;S35、进行相同坐标系下的待融合图像保留区域的掩码的多分辨率融合,实现多幅图像的同时融合。

全文数据:

权利要求:

百度查询: 北京理工大学 基于高斯过程回归的亚像素级模板匹配序列星图融合方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。