(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 202210876245.5 (22)申请日 2022.07.25 (71)申请人 山东新一代信息产业 技术研究院有 限公司 地址 250013 山东省济南市高新区港兴三 路北段未来创业广场3号楼1 1-12层 (72)发明人 郝虹　高岩　王雯哲　高明　 (74)专利代理 机构 北京君慧知识产权代理事务 所(普通合伙) 11716 专利代理师 肖鹏 (51)Int.Cl. G06V 10/24(2022.01) G06V 10/40(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01)G06V 10/82(2022.01) G06T 3/40(2006.01) (54)发明名称 一种基于多粒度处理融合的图像对齐方法、 设备及介质 (57)摘要 本申请公开了一种基于多粒度处理融合的 图像对齐方法、 设备及介质， 方法包括： 识别并获 取两张待拼接图像中对应的若干对第一特征点， 并根据若干对第一特征点， 确定粗粒度单应性变 换矩阵； 利用粗粒度单应性变换矩阵， 对目标图 像进行图像变换， 以获得目标图像对应的变换图 像； 确定源图像与变换图像中的图像重合区域， 并确定图像重合区域中对应的若干对第二特征 点； 基于若干对第二特征点， 确定细粒度单应性 变换矩阵； 基于粗粒度单应性变换矩阵与细粒度 单应性变换矩阵， 确定融合单应性变换矩阵， 并 对目标图像进行图像变换， 以获得源图像对应的 对齐图像。 本申请通过上述方法实现了利用图像 全局视觉 特征， 对纹理特征较少的数据中心机柜 图像对齐 。 权利要求书3页 说明书7页 附图1页 CN 115205516 A 2022.10.18 CN 115205516 A 1.一种基于多粒度处 理融合的图像对齐方法， 其特 征在于， 所述方法包括： 识别并获取两张待拼接图像中对应的若干对第 一特征点， 并根据 所述若干对第 一特征 点， 确定所述两张待拼接图像对应的粗粒度单应性变换矩阵； 利用所述粗粒度单应性变换矩阵， 对目标图像进行图像变换， 以获得所述目标图像对 应的变换图像； 其中， 所述目标图像为所述两张待拼接图像中的一张待拼接图像； 确定源图像与 所述变换图像中的图像重合 区域， 并确定第 一图像重合 区域与第 二图像 重合区域中对应的若干对第二特征点； 其中， 所述源图像为所述两张待拼接图像中的另一 张待拼接图像， 所述第一图像重合区域为所述源图像中对应的图像重合区域， 所述第二图 像重合区域 为所述变换图像中对应的图像重合区域； 基于所述若干对第 二特征点， 确定所述源图像与 所述变换图像对应的细粒度 单应性变 换矩阵； 基于所述粗粒度 单应性变换矩阵与 所述细粒度单应性变换矩阵， 确定融合单应性变换 矩阵， 并基于所述融合单应性变换矩阵对所述 目标图像进行图像变换， 以获得所述源图像 对应的对齐图像。 2.根据权利要求1所述的一种基于多粒度处理融合的图像对齐方法， 其特征在于， 根据 所述若干对第一特征点， 确定所述两张待拼接图像对应的粗粒度单应性变换矩阵， 具体包 括： 分别构建所述两张待拼接图像对应的像素坐标系， 并基于所述像素坐标系确定所述若 干对第一特 征点对应的像素坐标； 基于所述若干对第一特征点对应的像素坐标， 通过预设的单应性变换矩阵计算模型， 确定所述两张待拼接图像对应的粗粒度单应性变换矩阵。 3.根据权利要求2所述一种基于多粒度处理融合的图像对齐方法， 其特征在于， 粗粒度 单应性变换矩阵计算模型， 由以下公式表示： 其中， Xd1…Xdn表示源图像中的n个第一特征点的像素横 坐标， Yd1…Ydn表示源图像中的n 个第一特征点的像素纵坐标， a …h表示粗粒度单应性变换矩阵中 的八个参数值， Xs1…Xsn表 示目标图像中的n个第一特征点 的像素横坐标， Ys1…Ysn表示目标图像中的n个第一特征点 的像素纵坐标。 4.根据权利要求1所述的一种基于多粒度处理融合的图像对齐方法， 其特征在于， 确定 第一图像重合区域与第二图像重合区域中对应的若干对第二特 征点， 具体包括： 基于预设的区域划分规则， 将所述第 一图像重合 区域与所述第二图像重合区域分别进 行区域划分； 对各区域进行特征点检测与匹配， 以确定确定第 一图像重合区域与第 二图像重合区域 中对应的若干对第二特 征点。 5.根据权利要求1所述的一种基于多粒度处理融合的图像对齐方法， 其特征在于， 基于 所述若干对第二特征点， 确定所述源图像与所述变换图像对应的细粒度单应性变换矩阵，权　利　要　求　书 1/3 页 2 CN 115205516 A 2具体包括： 确定所述若干对第二特 征点对应的像素坐标； 基于所述若干对第二特征点对应的像素坐标， 通过预设的单应性变换矩阵计算模型， 确定所述两张待拼接图像对应的粗粒度单应性变换矩阵。 6.根据权利要求3所述的一种基于多粒度处理融合的图像对齐方法， 其特征在于， 融合 单应性变换矩阵由以下公式计算得 出： 其中， a1…h1表示经细粒度单应性变换矩阵中的八个参数值， a2 …h2表示融合单应性 变换矩阵中的八个参数值。 7.根据权利要求1所述的一种基于多粒度处理融合的图像对齐方法， 其特征在于， 在识 别并获取两张待拼接图像中对应的若干对第一特 征点之前， 所述方法还 包括： 在数据中心机柜上设置若干个特征标识； 其中， 所述特征标识用于确定第 一特征点； 以 及， 根据预设的若干组待拼接 图像样本， 对识别神经网络进行训练， 以获得收敛的第一特 征点识别模型。 8.根据权利要求7所述的一种基于多粒度处理融合的图像对齐方法， 其特征在于， 识别 并获取两张待拼接图像中对应的若干对第一特 征点， 具体包括： 将所述两张待拼接图像输入到所述第 一特征点识别模型中， 以确定所述两张待拼接图 像中包含的特征标识； 对照所述源图像与 所述目标图像中分别包含的特征标识， 以确定共同包含的对应特征 标识； 基于所述对应特 征标识， 确定所述两张待拼接图像中对应的若干对第一特 征点。 9.一种基于多粒度处 理融合的图像对齐设备， 其特 征在于， 所述设备包括： 处理器； 及存储器， 其上存储有可执行代码， 当所述可执行代码被执行时， 使得所述处理器执行 如权利要求1 ‑8任一项所述的一种基于多粒度处 理融合的图像对齐方法。 10.一种基于多粒度处理融合的图像对齐的非易失性计算机存储介质， 存储有计算机 可执行指令， 其特 征在于， 所述计算机可 执行指令设置为： 识别并获取两张待拼接图像中对应的若干对第 一特征点， 并根据 所述若干对第 一特征 点， 确定所述两张待拼接图像对应的粗粒度单应性变换矩阵； 利用所述粗粒度单应性变换矩阵， 对目标图像进行图像变换， 以获得所述目标图像对 应的变换图像； 其中， 所述目标图像为所述两张待拼接图像中的一张待拼接图像； 确定源图像与 所述变换图像中的图像重合 区域， 并确定第 一图像重合 区域与第 二图像 重合区域中对应的若干对第二特征点； 其中， 所述源图像为所述两张待拼接图像中的另一 张待拼接图像， 所述第一图像重合区域为所述源图像中对应的图像重合区域， 所述第二图 像重合区域 为所述变换图像中对应的图像重合区域；权　利　要　求　书 2/3 页 3 CN 115205516 A 3