(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210348998.9 (22)申请日 2022.04.01 (71)申请人 杭州职业 技术学院 地址 310000 浙江省杭州市下沙学源街68 号杭州职业 技术学院 (72)发明人 冯霞　吴功才　杨乃如　 (74)专利代理 机构 南京北辰联和知识产权代理 有限公司 323 50 专利代理师 陆中丹 (51)Int.Cl. G06T 3/40(2006.01) G06T 5/00(2006.01) G06T 5/50(2006.01) G06V 10/46(2022.01) G06V 10/74(2022.01)G06V 10/762(2022.01) G06K 9/62(2022.01) (54)发明名称 侧扫声呐图像准确匹配快速拼接方法、 设备 及存储介质 (57)摘要 本发明提供一种基于ORB ‑GMS算法的侧扫声 呐图像准确匹配快速拼接方法， 包括以下步骤： 实时获取侧扫声呐原始数据片段并解析成图； 对 S1得到的原始侧扫声呐图像片段进行斜距校正、 速度校正、 灰度增益； 使侧扫声呐图像片段清晰 呈现海底地貌信息； S3： 使用改进的ORB算法对S2 得到的相邻图像片段进行特征点提取和描述； 使 用FLANN匹配策略对特征描述子进行粗匹配； 引 入经纬度信息， 使用改进的GMS算法对粗匹配进 行提纯； 使用PROSA C算法对匹配的结果进行局部 拟合， 计算单应性矩阵； 根据单应性矩阵对两幅 图像进行加权平均融合， 得到侧扫声呐拼接图 像。 通过本发明方法， 可以快速、 准确、 高效的实 现侧扫声呐实时图像拼接， 实现侧扫声呐边工作 边成图， 并实时获取海底地貌特 征图。 权利要求书3页 说明书9页 附图4页 CN 114693524 A 2022.07.01 CN 114693524 A 1.一种基于ORB ‑GMS算法的侧扫 声呐图像准确匹配快速拼接方法， 其特征在于， 包括以 下步骤： S1： 实时获取侧扫声呐原 始数据片段并解析成图； S2： 对S1得到的原始侧扫声呐图像片段进行斜距校正、 速度校正、 灰度增益； 使侧扫声 呐图像片段清晰呈现海底地貌信息； S3： 使用改进的ORB算法对S2得到的相邻图像片段进行特征点提取和描述， 即将ORB算 法中BRIEF描述子替换为BEBL ID描述子； S4： 使用FLAN N匹配策略对特 征描述子进行粗匹配； S5： 引入经纬度信息， 使用改进的GMS算法对粗匹配进行提纯， 即GMS算法中20 ×20的网 格划分后再利用两幅图像中相同经纬度的重 叠区域进行选择； S6： 使用PROSAC算法对匹配的结果进行局部拟合， 计算单应性矩阵； S7： 根据单应性矩阵对两幅图像进行加权平均融合， 得到侧扫声呐拼接图像。 2.根据权利 要求1所述的基于ORB ‑GMS算法的侧扫声呐图像准确匹配快速拼接方法， 其 特征在于， 在S2中： 所述斜距校正如下： 计算平距位置， 将斜距点上的灰度值赋值给改正后的平距点， 位置 计算公式为： Yg＝Ys 其中， Width为图像宽度， (Xs， Ys)为原始图像上某点， (Xg， Yg)为斜距校正后平距图像上 的点， H为侧扫声呐离海底高度； 所述速度校正包括如 下： 利用侧扫声呐每ping数据记录的经纬度时间和每pin g数据采 集周期的比例大小来对侧扫声呐图像进行纵向压缩或者拉伸； 所述灰度增益包括如下： 图像横向滑动窗口上补偿采样点均值， 计算公式为： 其中， N为窗口内总像素点， v(i)为每 个像素点灰度值， j为窗口序号， i 为像素。 3.根据权利 要求1所述的基于ORB ‑GMS算法的侧扫声呐图像准确匹配快速拼接方法， 其 特征在于， S3将ORB算法中BRIEF描述子替换为BEBL ID描述子过程如下： S31:特征点提取方法如下： 从图像中选取一个像素点， 设置其灰度为lp， 比较该点周围16个点中有连续n个点和该 点不同， 将该点设为特 征点， 定义操作T： 其中IA表示点A的灰度， IB表示点B的灰度； S32:在特 征描述阶段将S31得到的特 征点改用BEBL ID描述子， 具体如下： 设 由一对图像patches组成的训练集， 标记li∈{‑1， 1}。 其中li＝1表示两权　利　要　求　书 1/3 页 2 CN 114693524 A 2个patch对应相同的显著性图像结构， li＝‑1表示不同的显著性图像结构， 训练损失函数 为： 其中hk(z)＝hk(z； f， T)， 它依赖于特征提取函数f： X →R和一个阈值T。 给定f和T， 通过含 T的f(x)来定义描述， 公式为： 根据上式得到BEBL ID二进制描述子 。 4.根据权利 要求1所述的基于ORB ‑GMS算法的侧扫声呐图像准确匹配快速拼接方法， 其 特征在于： S4中FLAN N快速最近邻特 征匹配策略如下： 对二进制描述子 重新构造 HASH， 采用KD树对描述子进行聚类建模， 查找最邻近匹配点； 具体如下： 将二进制描述子集中最高维度划分为两个部分， 并对子集重复相同过程， 建 立多棵随机k ‑d树， 近邻搜索过程如下： (1)从根节点 N开始检索； (2)如果是N叶子节点则将同层次的叶子节点都加入到 搜索结果中， count+＝|N|； (3)如果N不是叶子节点， 则将它的子节点与query  Q比较， 找出最近的那个节点Cq， 同层 次的其他节点加入到优先队列中； (4)对Cq节点进行递归搜索； 如果优先队列不 为空且count＜L， 那么取优先队列的第一个元 素赋值给N。 5.根据权利 要求1所述的基于ORB ‑GMS算法的侧扫声呐图像准确匹配快速拼接方法， 其 特征在于： S5中提纯 具体过程如下： 根据相同经纬度信息的重叠图像片段大小进行网格划分， GMS 默认网格数G＝20 ×20和 10000个特征点， 根据重 叠度的大小动态划分网格数， 对每 个网格区域打 分， 打分公式为： 其中： K表示不相交的区域的个数， { ak， bk}是预测得到 的区域对， 是落在区域 对{ak， bk}上的匹配的子集， 分数的分布如下 所示： 此分布是一个二项分布的形式， 相应的均值和方差计算公式如下： 根据上式计算真假匹配的区分能力P， 即用均值的差除以标准差的和， 公式如下：权　利　要　求　书 2/3 页 3 CN 114693524 A 3