一種通過斑塊特征配準的圖像顯示裝置的制作方法

本發明涉及圖像顯示
技術領域：
，具體涉及一種通過斑塊特征配準的圖像顯示裝置。
背景技術：
：圖像配準是將在不同時間、從不同視角或用不同傳感器拍攝的同一場景的兩幅或多幅圖像在空間上進行對齊的過程。其主要目的是消除參考圖像和待配準圖像間由成像條件不同所引起的幾何形變，從而使二者具有空間一致性。現有技術中的圖像配準算法能夠通過增強信息間的互補性，減少對場景理解的不確定性。在圖像配準過程中，由于同一場景的成像結果表現出較大的視覺差異，給配準帶來較大的困難，且現有的配準算法在精度、效率、穩定性和適應性等方面并不能完全滿足應用需求。技術實現要素：針對上述問題，本發明提供一種通過斑塊特征配準的圖像顯示裝置。本發明的目的采用以下技術方案來實現：一種通過斑塊特征配準的圖像顯示裝置，包括圖像顯示裝置和與其相連的斑塊配準裝置，所述圖像顯示裝置包括：第一顯示部，顯示搭載了所述圖像顯示裝置的移動體周圍的第一地圖圖像；請求發送部，通過至少將在所述第一顯示部顯示的第一地圖圖像的視點角度和視線方向發送給所述處理器，向處理器請求視點變換圖像；處理器，用于響應來自請求發送部的請求。優選地，所述圖像顯示裝置還包括：第二顯示部，顯示由所述處理器提供的視點變換圖像被重疊的第二地圖圖像。優選地，所述請求發送部還將任一攝像裝置的設置地點發送給處理器，由此向所述處理器請求該設置地點的視點變換圖像。優選地，所述斑塊配準裝置包括：預處理模塊、特征檢測模塊、特征描述模塊、特征匹配模塊和空間變換模塊；(1)預處理模塊，用于將參考圖像和待配準圖像轉化為灰度圖像，定義轉化公式為：I(x,y)＝k(G(x,y)+R(x,y)+B(x,y))+2k(G(x,y)+R(x,y))+3k(x,y)其中，I(x,y)代表圖像在坐標(x,y)處的像素灰度值，G(x,y)、R(x,y)、B(x,y)分別代表坐標(x,y)處的紅、綠、藍強度值，k為設定的權重因子，k的取值范圍為[0.08,0.12]；(2)特征檢測模塊，包括局部區域特征檢測子模塊和斑塊特征檢測子模塊，所述局部區域特征檢測子模塊用于通過墨西哥帽小波函數來檢測預處理后的兩圖像的局部區域特征，所述斑塊特征檢測子模塊用于采用近似Hessian矩陣的局部極值在自定義尺度空間中檢測預處理后的兩圖像中的斑塊特征，輸出斑塊特征的空間位置及所在的特征尺度；所述近似Hessian矩陣的描述形式為：H(x,y,σ)=Exx(x,y,σ)Exy(x,y,σ)Exy(x,y,σ)Eyy(x,y,σ)]]>式中，σ為高斯函數的標準差，即尺度因子；Exx(x,y,σ)、Exy(x,y,σ)、Eyy(x,y,σ)分別為高斯二階微分離散化和裁剪后的近似模板在點(x,y)處與圖像的卷積；設定Exx、Exy和Eyy表示第一、第二和第三9×9近似模板與圖像的卷積結果，Exx、Exy和Eyy的計算公式定義如下：Exx=1P(A1-2A2+A3)]]>Exy=1Q(A1-A2-A3)]]>Eyy=1P(A1-2A2+A3)]]>其中，取第一近似模板從左至右3×3區域作為第一標記區域，取第二近似模板中部2×2區域作為第二標記區域，取第三近似模板從上至下3×3區域作為第三標記區域，A1、A2和A3分別為第一、第二和第三標記區域覆蓋下的圖像像素灰度和，P、Q為標記區域面積，分別等于9和4；所述近似Hessian矩陣的特征點響應函數為：DET(H)＝ExxEyy-(0.9Exy)2所述墨西哥帽小波函數的描述形式為：M(x,y,σ)=(1-q)(2-x2+y2σ2)exp(-x2+y22σ2)]]>其中，q為構造所述自定義尺度空間的變化參數，q與σ之間的關系為σ＝2-q；優選地，(3)特征描述模塊，其通過建立加權灰度描述子對檢測出的斑塊特征進行描述并形成描述矢量，建立加權灰度描述子時將以斑塊特征為中心、垂直于斑塊特征的主方向且大小為1×1的中心區域分割成多個子塊，所述加權灰度描述子為：WD＝{NP+，NP-}此處P+＝∑{f(Di)×d(mi)|d(mi)＝I(mi)-I(m)＞0，i＝1，2，…l2}P-＝∑{f(Di)×d(mi)|d(mi)＝I(mi)-I(m)＜0，i＝1，2，…l2}式中，WD表示加權灰度描述子，P+表示正灰度差值直方圖，P-表示負灰度差值直方圖，I(mi)和I(m)分別為采用雙線性插值求取的各個子塊的灰度均值和整個中心區域的灰度均值，Di為各子塊與中心的距離，其中，i＝1,2,…l2，f(Di)表示加權函數,NP+、NP-表示歸一化的正負灰度差直方圖；(4)特征匹配模塊，用于對預處理后的參考圖像和待配準圖像進行匹配，包括依次連接的局部區域匹配子模塊、區域劃分子模塊、特征分組子模塊和斑塊特征匹配子模塊，所述局部區域匹配子模塊用于對預處理后的參考圖像和待配準圖像的局部區域特征進行匹配，所述區域劃分子模塊用于按照局部區域特征對預處理后的參考圖像和待配準圖像進行圖像區域劃分并將劃分后的圖像區域轉化為標準圓區域，設劃分的圖像區域數量為N，N的取值范圍為[200,1000],所述特征分組子模塊用于將所述斑塊特征按照圖像區域劃分的范圍進行分組，所述斑塊特征匹配子模塊用于對各組內的表示斑塊特征的描述矢量進行匹配；(5)空間變換模塊，用于將待配準圖像通過幾何變換模型映射到參考圖像的坐標系中，完成圖像配準，所述幾何變換模型的參數采用隨機抽樣一致性算法進行估計。其中，所述自定義尺度空間分為多組，每組包含三個不同尺度的濾波器模板；所述自定義尺度空間的第一組中，最小尺度對應的模板大小為9×9，標記區域增量設為4，模板增量為12，第二個和第三個模板對應的模板大小依次為21×21和33×33；除自定義尺度空間的第一組外的其他組中，每組的第一個模板與前一組的第二個模板大小相同，且模板增量為前一組的4倍。其中，所述標準圓區域的圓心為局部區域特征的重心，標準圓區域的半徑為局部區域邊緣上的點到所述重心距離的均值。本發明的有益效果為：1、設置的圖像預處理模塊考慮了視覺習慣以及人眼對不同色彩的感知度同色彩強度的非線性關系，能夠更為準確的描述圖像；2、設置的斑塊特征檢測子模塊，能夠充分利用基于積分圖像的盒型濾波與濾波器尺寸無關的特性，等速構建圖像的尺度空間，且由于沒有圖像的降采樣操作，能夠避免混疊現象出現；3、特征描述模塊通過建立加權灰度描述子對檢測出的斑塊特征進行描述，能夠更充分地利用特征鄰域內的局部信息構建描述矢量；4、設置的特征匹配模塊中先進行局部區域匹配再進行組內的斑塊特征點劃分，提高了圖像匹配的速度，且其中設置的區域劃分子模塊將劃分后的圖像區域轉化為標準圓區域，降低了斑塊特征點分組判斷的復雜性，因為斑塊特征點是否位于區域內只需比較其邊緣到圓心的距離與圓的半徑即可，同時還降低了局部區域抽取精度對分組配準的影響，因為沒有使用區域邊緣而使用邊緣到區域重心的均值做劃分的邊界。附圖說明利用附圖對本發明作進一步說明，但附圖中的實施例不構成對本發明的任何限制，對于本領域的普通技術人員，在不付出創造性勞動的前提下，還可以根據以下附圖獲得其它的附圖。圖1是本發明圖像顯示裝置組成示意圖。圖2是本發明斑塊配準裝置各模塊的連接示意圖。具體實施方式結合以下實施例對本發明作進一步描述。實施例1參見圖1，圖2，本實施例一種通過斑塊特征配準的圖像顯示裝置，包括圖像顯示裝置和與其相連的斑塊配準裝置，所述圖像顯示裝置包括：第一顯示部，顯示搭載了所述圖像顯示裝置的移動體周圍的第一地圖圖像；請求發送部，通過至少將在所述第一顯示部顯示的第一地圖圖像的視點角度和視線方向發送給所述處理器，向處理器請求視點變換圖像；處理器，用于響應來自請求發送部的請求。優選地，所述圖像顯示裝置還包括：第二顯示部，顯示由所述處理器提供的視點變換圖像被重疊的第二地圖圖像。優選地，所述請求發送部還將任一攝像裝置的設置地點發送給處理器，由此向所述處理器請求該設置地點的視點變換圖像。優選地，所述斑塊配準裝置包括：預處理模塊、特征檢測模塊、特征描述模塊、特征匹配模塊和空間變換模塊；(1)預處理模塊，用于將參考圖像和待配準圖像轉化為灰度圖像，定義轉化公式為：I(x,y)＝k(G(x,y)+R(x,y)+B(x,y))+2k(G(x,y)+R(x,y))+3k(x,y)其中，I(x,y)代表圖像在坐標(x,y)處的像素灰度值，G(x,y)、R(x,y)、B(x,y)分別代表坐標(x,y)處的紅、綠、藍強度值，k為設定的權重因子，k的取值范圍為[0.08,0.12]；(2)特征檢測模塊，包括局部區域特征檢測子模塊和斑塊特征檢測子模塊，所述局部區域特征檢測子模塊用于通過墨西哥帽小波函數來檢測預處理后的兩圖像的局部區域特征，所述斑塊特征檢測子模塊用于采用近似Hessian矩陣的局部極值在自定義尺度空間中檢測預處理后的兩圖像中的斑塊特征，輸出斑塊特征的空間位置及所在的特征尺度；所述近似Hessian矩陣的描述形式為：H(x,y,σ)=Exx(x,y,σ)Exy(x,y,σ)Exy(x,y,σ)Eyy(x,y,σ)]]>式中，σ為高斯函數的標準差，即尺度因子；Exx(x,y,σ)、Exy(x,y,σ)、Eyy(x,y,σ)分別為高斯二階微分離散化和裁剪后的近似模板在點(x,y)處與圖像的卷積；設定Exx、Exy和Eyy表示第一、第二和第三9×9近似模板與圖像的卷積結果，Exx、Exy和Eyy的計算公式定義如下：Exx=1P(A1-2A2+A3)]]>Exy=1Q(A1-A2-A3)]]>Eyy=1P(A1-2A2+A3)]]>其中，取第一近似模板從左至右3×3區域作為第一標記區域，取第二近似模板中部2×2區域作為第二標記區域，取第三近似模板從上至下3×3區域作為第三標記區域，A1、A2和A3分別為第一、第二和第三標記區域覆蓋下的圖像像素灰度和，P、Q為標記區域面積，分別等于9和4；所述近似Hessian矩陣的特征點響應函數為：DET(H)＝ExxEyy-(0.9Exy)2所述墨西哥帽小波函數的描述形式為：M(x,y,σ)=(1-q)(2-x2+y2σ2)exp(-x2+y22σ2)]]>其中，q為構造所述自定義尺度空間的變化參數，q與σ之間的關系為σ＝2-q；優選地，(3)特征描述模塊，其通過建立加權灰度描述子對檢測出的斑塊特征進行描述并形成描述矢量，建立加權灰度描述子時將以斑塊特征為中心、垂直于斑塊特征的主方向且大小為l×l的中心區域分割成多個子塊，所述加權灰度描述子為：WD＝{NP+，NP-}此處P+＝Σ{f(Di)×d(mi)|d(mi)＝I(mi)-I(m)＞0，i＝1，2，…l2}P-＝∑{f(Di)×d(mi)|d(mi)＝I(mi)-I(m)＜0，i＝1，2，…l2}式中，WD表示加權灰度描述子，P+表示正灰度差值直方圖，P-表示負灰度差值直方圖，I(mi)和I(m)分別為采用雙線性插值求取的各個子塊的灰度均值和整個中心區域的灰度均值，Di為各子塊與中心的距離，其中，i＝1，2，…l2，f(Di)表示加權函數,NP+、NP-表示歸一化的正負灰度差直方圖；(4)特征匹配模塊，用于對預處理后的參考圖像和待配準圖像進行匹配，包括依次連接的局部區域匹配子模塊、區域劃分子模塊、特征分組子模塊和斑塊特征匹配子模塊，所述局部區域匹配子模塊用于對預處理后的參考圖像和待配準圖像的局部區域特征進行匹配，所述區域劃分子模塊用于按照局部區域特征對預處理后的參考圖像和待配準圖像進行圖像區域劃分并將劃分后的圖像區域轉化為標準圓區域，設劃分的圖像區域數量為N，N的取值范圍為[200,1000],所述特征分組子模塊用于將所述斑塊特征按照圖像區域劃分的范圍進行分組，所述斑塊特征匹配子模塊用于對各組內的表示斑塊特征的描述矢量進行匹配；(5)空間變換模塊，用于將待配準圖像通過幾何變換模型映射到參考圖像的坐標系中，完成圖像配準，所述幾何變換模型的參數采用隨機抽樣一致性算法進行估計。其中，所述自定義尺度空間分為多組，每組包含三個不同尺度的濾波器模板；所述自定義尺度空間的第一組中，最小尺度對應的模板大小為9×9，標記區域增量設為4，模板增量為12，第二個和第三個模板對應的模板大小依次為21×21和33×33；除自定義尺度空間的第一組外的其他組中，每組的第一個模板與前一組的第二個模板大小相同，且模板增量為前一組的4倍。其中，所述標準圓區域的圓心為局部區域特征的重心，標準圓區域的半徑為局部區域邊緣上的點到所述重心距離的均值。本實施例設置的圖像預處理模塊考慮了視覺習慣以及人眼對不同色彩的感知度同色彩強度的非線性關系，能夠更為準確的描述圖像；設置的斑塊特征檢測子模塊，能夠等速構建圖像的尺度空間，且能夠避免混疊現象出現；設置的特征描述模塊通過建立加權灰度描述子對檢測出的斑塊特征進行描述，能夠更充分地利用特征鄰域內的局部信息構建描述矢量；設置的特征匹配模塊中先進行局部區域匹配再進行組內的斑塊特征點劃分，提高了圖像匹配的速度，且其中設置的區域劃分子模塊將劃分后的圖像區域轉化為標準圓區域，降低了斑塊特征點分組判斷的復雜性以及局部區域抽取精度對分組配準的影響。本實施例權重因子k取值為0.08，劃分的圖像區域數量N取值為200，圖像匹配精度相對提高了1％，匹配速度提高了3％。實施例2參見圖1，圖2，本實施例一種通過斑塊特征配準的圖像顯示裝置，包括圖像顯示裝置和與其相連的斑塊配準裝置，所述圖像顯示裝置包括：第一顯示部，顯示搭載了所述圖像顯示裝置的移動體周圍的第一地圖圖像；請求發送部，通過至少將在所述第一顯示部顯示的第一地圖圖像的視點角度和視線方向發送給所述處理器，向處理器請求視點變換圖像；處理器，用于響應來自請求發送部的請求。優選地，所述圖像顯示裝置還包括：第二顯示部，顯示由所述處理器提供的視點變換圖像被重疊的第二地圖圖像。優選地，所述請求發送部還將任一攝像裝置的設置地點發送給處理器，由此向所述處理器請求該設置地點的視點變換圖像。優選地，所述斑塊配準裝置包括：預處理模塊、特征檢測模塊、特征描述模塊、特征匹配模塊和空間變換模塊；(1)預處理模塊，用于將參考圖像和待配準圖像轉化為灰度圖像，定義轉化公式為：I(x，y)＝k(G(x，y)+R(x，y)+B(x，y))+2k(G(x，y)+R(x，y))+3k(x，y)其中，I(x，y)代表圖像在坐標(x，y)處的像素灰度值，G(x，y)、R(x,y)、B(x，y)分別代表坐標(x，y)處的紅、綠、藍強度值，k為設定的權重因子，k的取值范圍為[0.08,0.12]；(2)特征檢測模塊，包括局部區域特征檢測子模塊和斑塊特征檢測子模塊，所述局部區域特征檢測子模塊用于通過墨西哥帽小波函數來檢測預處理后的兩圖像的局部區域特征，所述斑塊特征檢測子模塊用于采用近似Hessian矩陣的局部極值在自定義尺度空間中檢測預處理后的兩圖像中的斑塊特征，輸出斑塊特征的空間位置及所在的特征尺度；所述近似Hessian矩陣的描述形式為：H(x,y,σ)=Exx(x,y,σ)Exy(x,y,σ)Exy(x,y,σ)Eyy(x,y,σ)]]>式中，σ為高斯函數的標準差，即尺度因子；Exx(x，y，σ)、Exy(x，y，σ)、Eyy(x，y，σ)分別為高斯二階微分離散化和裁剪后的近似模板在點(x，y)處與圖像的卷積；設定Exx、Exy和Eyy表示第一、第二和第三9×9近似模板與圖像的卷積結果，Exx、Exy和Eyy的計算公式定義如下：Exx=1P(A1-2A2+A3)]]>Exy=1Q(A1-A2-A3)]]>Eyy=1P(A1-2A2+A3)]]>其中，取第一近似模板從左至右3×3區域作為第一標記區域，取第二近似模板中部2×2區域作為第二標記區域，取第三近似模板從上至下3×3區域作為第三標記區域，A1、A2和A3分別為第一、第二和第三標記區域覆蓋下的圖像像素灰度和，P、Q為標記區域面積，分別等于9和4；所述近似Hessian矩陣的特征點響應函數為：DET(H)＝ExxEyy-(0.9Exy)2所述墨西哥帽小波函數的描述形式為：M(x,y,σ)=(1-q)(2-x2+y2σ2)exp(-x2+y22σ2)]]>其中，q為構造所述自定義尺度空間的變化參數，q與σ之間的關系為σ＝2-q；優選地，(3)特征描述模塊，其通過建立加權灰度描述子對檢測出的斑塊特征進行描述并形成描述矢量，建立加權灰度描述子時將以斑塊特征為中心、垂直于斑塊特征的主方向且大小為l×l的中心區域分割成多個子塊，所述加權灰度描述子為：WD＝{NP+，NP-}此處P+＝∑{f(Di)×d(mi)｜d(mi)＝I(mi)-I(m)＞0，i＝1，2，…l2}P-＝∑{f(Di)×d(mi)|d(mi)＝I(mi)-I(m)＜0，i＝1，2，…l2}式中，WD表示加權灰度描述子，P+表示正灰度差值直方圖，P-表示負灰度差值直方圖，I(mi)和I(m)分別為采用雙線性插值求取的各個子塊的灰度均值和整個中心區域的灰度均值，Di為各子塊與中心的距離，其中，i＝1,2,…l2，f(Di)表示加權函數,NP+、NP-表示歸一化的正負灰度差直方圖；(4)特征匹配模塊，用于對預處理后的參考圖像和待配準圖像進行匹配，包括依次連接的局部區域匹配子模塊、區域劃分子模塊、特征分組子模塊和斑塊特征匹配子模塊，所述局部區域匹配子模塊用于對預處理后的參考圖像和待配準圖像的局部區域特征進行匹配，所述區域劃分子模塊用于按照局部區域特征對預處理后的參考圖像和待配準圖像進行圖像區域劃分并將劃分后的圖像區域轉化為標準圓區域，設劃分的圖像區域數量為N，N的取值范圍為[200,1000],所述特征分組子模塊用于將所述斑塊特征按照圖像區域劃分的范圍進行分組，所述斑塊特征匹配子模塊用于對各組內的表示斑塊特征的描述矢量進行匹配；(5)空間變換模塊，用于將待配準圖像通過幾何變換模型映射到參考圖像的坐標系中，完成圖像配準，所述幾何變換模型的參數采用隨機抽樣一致性算法進行估計。其中，所述自定義尺度空間分為多組，每組包含三個不同尺度的濾波器模板；所述自定義尺度空間的第一組中，最小尺度對應的模板大小為9×9，標記區域增量設為4，模板增量為12，第二個和第三個模板對應的模板大小依次為21×21和33×33；除自定義尺度空間的第一組外的其他組中，每組的第一個模板與前一組的第二個模板大小相同，且模板增量為前一組的4倍。其中，所述標準圓區域的圓心為局部區域特征的重心，標準圓區域的半徑為局部區域邊緣上的點到所述重心距離的均值。本實施例設置的圖像預處理模塊考慮了視覺習慣以及人眼對不同色彩的感知度同色彩強度的非線性關系，能夠更為準確的描述圖像；設置的斑塊特征檢測子模塊，能夠等速構建圖像的尺度空間，且能夠避免混疊現象出現；設置的特征描述模塊通過建立加權灰度描述子對檢測出的斑塊特征進行描述，能夠更充分地利用特征鄰域內的局部信息構建描述矢量；設置的特征匹配模塊中先進行局部區域匹配再進行組內的斑塊特征點劃分，提高了圖像匹配的速度，且其中設置的區域劃分子模塊將劃分后的圖像區域轉化為標準圓區域，降低了斑塊特征點分組判斷的復雜性以及局部區域抽取精度對分組配準的影響。本實施例權重因子k取值為0.09，劃分的圖像區域數量N取值為400，圖像匹配精度相對提高了1.2％，匹配速度提高了2.5％。實施例3參見圖1，圖2，本實施例一種通過斑塊特征配準的圖像顯示裝置，包括圖像顯示裝置和與其相連的斑塊配準裝置，所述圖像顯示裝置包括：第一顯示部，顯示搭載了所述圖像顯示裝置的移動體周圍的第一地圖圖像；請求發送部，通過至少將在所述第一顯示部顯示的第一地圖圖像的視點角度和視線方向發送給所述處理器，向處理器請求視點變換圖像；處理器，用于響應來自請求發送部的請求。優選地，所述圖像顯示裝置還包括：第二顯示部，顯示由所述處理器提供的視點變換圖像被重疊的第二地圖圖像。優選地，所述請求發送部還將任一攝像裝置的設置地點發送給處理器，由此向所述處理器請求該設置地點的視點變換圖像。優選地，所述斑塊配準裝置包括：預處理模塊、特征檢測模塊、特征描述模塊、特征匹配模塊和空間變換模塊；(1)預處理模塊，用于將參考圖像和待配準圖像轉化為灰度圖像，定義轉化公式為：I(x,y)＝k(G(x,y)+R(x,y)+B(x,y))+2k(G(x,y)+R(x,y))+3k(x,y)其中，I(x,y)代表圖像在坐標(x,y)處的像素灰度值，G(x,y)、R(x,y)、B(x,y)分別代表坐標(x,y)處的紅、綠、藍強度值，k為設定的權重因子，k的取值范圍為[0.08,0.12]；(2)特征檢測模塊，包括局部區域特征檢測子模塊和斑塊特征檢測子模塊，所述局部區域特征檢測子模塊用于通過墨西哥帽小波函數來檢測預處理后的兩圖像的局部區域特征，所述斑塊特征檢測子模塊用于采用近似Hessian矩陣的局部極值在自定義尺度空間中檢測預處理后的兩圖像中的斑塊特征，輸出斑塊特征的空間位置及所在的特征尺度；所述近似Hessian矩陣的描述形式為：H(x,y,σ)=Exx(x,y,σ)Exy(x,y,σ)Exy(x,y,σ)Eyy(x,y,σ)]]>式中，σ為高斯函數的標準差，即尺度因子；Exx(x,y,σ)、Exy(x,y,σ)、Eyy(x,y,σ)分別為高斯二階微分離散化和裁剪后的近似模板在點(x,y)處與圖像的卷積；設定Exx、Exy和Eyy表示第一、第二和第三9×9近似模板與圖像的卷積結果，Exx、Exy和Eyy的計算公式定義如下：Exx=1P(A1-2A2+A3)]]>Exy=1Q(A1-A2-A3)]]>Eyy=1P(A1-2A2+A3)]]>其中，取第一近似模板從左至右3×3區域作為第一標記區域，取第二近似模板中部2×2區域作為第二標記區域，取第三近似模板從上至下3×3區域作為第三標記區域，A1、A2和A3分別為第一、第二和第三標記區域覆蓋下的圖像像素灰度和，P、Q為標記區域面積，分別等于9和4；所述近似Hessian矩陣的特征點響應函數為：DET(H)＝ExxEyy-(0.9Exy)2所述墨西哥帽小波函數的描述形式為：M(x,y,σ)=(1-q)(2-x2+y2σ2)exp(-x2+y22σ2)]]>其中，q為構造所述自定義尺度空間的變化參數，q與σ之間的關系為σ＝2-q；優選地，(3)特征描述模塊，其通過建立加權灰度描述子對檢測出的斑塊特征進行描述并形成描述矢量，建立加權灰度描述子時將以斑塊特征為中心、垂直于斑塊特征的主方向且大小為l×l的中心區域分割成多個子塊，所述加權灰度描述子為：WD＝{NP+，NP-}此處P+＝∑{f(Di)×d(mi)｜d(mi)＝I(mi)－I(m)＞0，i＝1，2，…l2}P-＝∑{f(Di)×d(mi)|d(mi)＝I(mi)-I(m)＜0，i＝1，2，…l2}式中，WD表示加權灰度描述子，P+表示正灰度差值直方圖，P-表示負灰度差值直方圖，I(mi)和I(m)分別為采用雙線性插值求取的各個子塊的灰度均值和整個中心區域的灰度均值，Di為各子塊與中心的距離，其中，i＝1,2,…l2，f(Di)表示加權函數,NP+、NP-表示歸一化的正負灰度差直方圖；(4)特征匹配模塊，用于對預處理后的參考圖像和待配準圖像進行匹配，包括依次連接的局部區域匹配子模塊、區域劃分子模塊、特征分組子模塊和斑塊特征匹配子模塊，所述局部區域匹配子模塊用于對預處理后的參考圖像和待配準圖像的局部區域特征進行匹配，所述區域劃分子模塊用于按照局部區域特征對預處理后的參考圖像和待配準圖像進行圖像區域劃分并將劃分后的圖像區域轉化為標準圓區域，設劃分的圖像區域數量為N，N的取值范圍為[200,1000],所述特征分組子模塊用于將所述斑塊特征按照圖像區域劃分的范圍進行分組，所述斑塊特征匹配子模塊用于對各組內的表示斑塊特征的描述矢量進行匹配；(5)空間變換模塊，用于將待配準圖像通過幾何變換模型映射到參考圖像的坐標系中，完成圖像配準，所述幾何變換模型的參數采用隨機抽樣一致性算法進行估計。其中，所述自定義尺度空間分為多組，每組包含三個不同尺度的濾波器模板；所述自定義尺度空間的第一組中，最小尺度對應的模板大小為9×9，標記區域增量設為4，模板增量為12，第二個和第三個模板對應的模板大小依次為21×21和33×33；除自定義尺度空間的第一組外的其他組中，每組的第一個模板與前一組的第二個模板大小相同，且模板增量為前一組的4倍。其中，所述標準圓區域的圓心為局部區域特征的重心，標準圓區域的半徑為局部區域邊緣上的點到所述重心距離的均值。本實施例設置的圖像預處理模塊考慮了視覺習慣以及人眼對不同色彩的感知度同色彩強度的非線性關系，能夠更為準確的描述圖像；設置的斑塊特征檢測子模塊，能夠等速構建圖像的尺度空間，且能夠避免混疊現象出現；設置的特征描述模塊通過建立加權灰度描述子對檢測出的斑塊特征進行描述，能夠更充分地利用特征鄰域內的局部信息構建描述矢量；設置的特征匹配模塊中先進行局部區域匹配再進行組內的斑塊特征點劃分，提高了圖像匹配的速度，且其中設置的區域劃分子模塊將劃分后的圖像區域轉化為標準圓區域，降低了斑塊特征點分組判斷的復雜性以及局部區域抽取精度對分組配準的影響。本實施例權重因子k取值為0.10，劃分的圖像區域數量N取值為600，圖像匹配精度相對提高了1.8％，匹配速度提高了2.1％。實施例4參見圖1，圖2，本實施例一種通過斑塊特征配準的圖像顯示裝置，包括圖像顯示裝置和與其相連的斑塊配準裝置，所述圖像顯示裝置包括：第一顯示部，顯示搭載了所述圖像顯示裝置的移動體周圍的第一地圖圖像；請求發送部，通過至少將在所述第一顯示部顯示的第一地圖圖像的視點角度和視線方向發送給所述處理器，向處理器請求視點變換圖像；處理器，用于響應來自請求發送部的請求。優選地，所述圖像顯示裝置還包括：第二顯示部，顯示由所述處理器提供的視點變換圖像被重疊的第二地圖圖像。優選地，所述請求發送部還將任一攝像裝置的設置地點發送給處理器，由此向所述處理器請求該設置地點的視點變換圖像。優選地，所述斑塊配準裝置包括：預處理模塊、特征檢測模塊、特征描述模塊、特征匹配模塊和空間變換模塊；(1)預處理模塊，用于將參考圖像和待配準圖像轉化為灰度圖像，定義轉化公式為：I(x,y)＝k(G(x,y)+R(x,y)+B(x,y))+2k(G(x,y)+R(x,y))+3k(x,y)其中，I(x,y)代表圖像在坐標(x,y)處的像素灰度值，G(x,y)、R(x,y)、B(x,y)分別代表坐標(x,y)處的紅、綠、藍強度值，k為設定的權重因子，k的取值范圍為[0.08,0.12]；(2)特征檢測模塊，包括局部區域特征檢測子模塊和斑塊特征檢測子模塊，所述局部區域特征檢測子模塊用于通過墨西哥帽小波函數來檢測預處理后的兩圖像的局部區域特征，所述斑塊特征檢測子模塊用于采用近似Hessian矩陣的局部極值在自定義尺度空間中檢測預處理后的兩圖像中的斑塊特征，輸出斑塊特征的空間位置及所在的特征尺度；所述近似Hessian矩陣的描述形式為：H(x,y,σ)=Exx(x,y,σ)Exy(x,y,σ)Exy(x,y,σ)Eyy(x,y,σ)]]>式中，σ為高斯函數的標準差，即尺度因子；Exx(x,y,σ)、Exy(x,y,σ)、Eyy(x,y,σ)分別為高斯二階微分離散化和裁剪后的近似模板在點(x,y)處與圖像的卷積；設定Exx、Exy和Eyy表示第一、第二和第三9×9近似模板與圖像的卷積結果，Exx、Exy和Eyy的計算公式定義如下：Exx=1P(A1-2A2+A3)]]>Exy=1Q(A1-A2-A3)]]>Eyy=1P(A1-2A2+A3)]]>其中，取第一近似模板從左至右3×3區域作為第一標記區域，取第二近似模板中部2×2區域作為第二標記區域，取第三近似模板從上至下3×3區域作為第三標記區域，A1、A2和A3分別為第一、第二和第三標記區域覆蓋下的圖像像素灰度和，P、Q為標記區域面積，分別等于9和4；所述近似Hessian矩陣的特征點響應函數為：DET(H)＝ExxEyy-(0.9Exy)2所述墨西哥帽小波函數的描述形式為：M(x,y,σ)=(1-q)(2-x2+y2σ2)exp(-x2+y22σ2)]]>其中，q為構造所述自定義尺度空間的變化參數，q與σ之間的關系為σ＝2-q；優選地，(3)特征描述模塊，其通過建立加權灰度描述子對檢測出的斑塊特征進行描述并形成描述矢量，建立加權灰度描述子時將以斑塊特征為中心、垂直于斑塊特征的主方向且大小為l×l的中心區域分割成多個子塊，所述加權灰度描述子為：WD＝{NP+，NP-}此處P+＝∑{f(Di)×d(mi)|d(mi)＝I(mi)-I(m)＞0，i＝1，2，…l2}P-＝∑{f(Di)×d(mi)|d(mi)＝I（mi)-I(m)＜0，i＝1，2，…l2}式中，WD表示加權灰度描述子，P+表示正灰度差值直方圖，P-表示負灰度差值直方圖，I(mi)和I(m)分別為采用雙線性插值求取的各個子塊的灰度均值和整個中心區域的灰度均值，Di為各子塊與中心的距離，其中，i＝1,2,…l2，f(Di)表示加權函數,NP+、NP-表示歸一化的正負灰度差直方圖；(4)特征匹配模塊，用于對預處理后的參考圖像和待配準圖像進行匹配，包括依次連接的局部區域匹配子模塊、區域劃分子模塊、特征分組子模塊和斑塊特征匹配子模塊，所述局部區域匹配子模塊用于對預處理后的參考圖像和待配準圖像的局部區域特征進行匹配，所述區域劃分子模塊用于按照局部區域特征對預處理后的參考圖像和待配準圖像進行圖像區域劃分并將劃分后的圖像區域轉化為標準圓區域，設劃分的圖像區域數量為N，N的取值范圍為[200,1000],所述特征分組子模塊用于將所述斑塊特征按照圖像區域劃分的范圍進行分組，所述斑塊特征匹配子模塊用于對各組內的表示斑塊特征的描述矢量進行匹配；(5)空間變換模塊，用于將待配準圖像通過幾何變換模型映射到參考圖像的坐標系中，完成圖像配準，所述幾何變換模型的參數采用隨機抽樣一致性算法進行估計。其中，所述自定義尺度空間分為多組，每組包含三個不同尺度的濾波器模板；所述自定義尺度空間的第一組中，最小尺度對應的模板大小為9×9，標記區域增量設為4，模板增量為12，第二個和第三個模板對應的模板大小依次為21×21和33×33；除自定義尺度空間的第一組外的其他組中，每組的第一個模板與前一組的第二個模板大小相同，且模板增量為前一組的4倍。其中，所述標準圓區域的圓心為局部區域特征的重心，標準圓區域的半徑為局部區域邊緣上的點到所述重心距離的均值。本實施例設置的圖像預處理模塊考慮了視覺習慣以及人眼對不同色彩的感知度同色彩強度的非線性關系，能夠更為準確的描述圖像；設置的斑塊特征檢測子模塊，能夠等速構建圖像的尺度空間，且能夠避免混疊現象出現；設置的特征描述模塊通過建立加權灰度描述子對檢測出的斑塊特征進行描述，能夠更充分地利用特征鄰域內的局部信息構建描述矢量；設置的特征匹配模塊中先進行局部區域匹配再進行組內的斑塊特征點劃分，提高了圖像匹配的速度，且其中設置的區域劃分子模塊將劃分后的圖像區域轉化為標準圓區域，降低了斑塊特征點分組判斷的復雜性以及局部區域抽取精度對分組配準的影響。本實施例權重因子k取值為0.11，劃分的圖像區域數量N取值為800，圖像匹配精度相對提高了1.5％，匹配速度提高了1.5％。實施例5參見圖1，圖2，本實施例一種通過斑塊特征配準的圖像顯示裝置，包括圖像顯示裝置和與其相連的斑塊配準裝置，所述圖像顯示裝置包括：第一顯示部，顯示搭載了所述圖像顯示裝置的移動體周圍的第一地圖圖像；請求發送部，通過至少將在所述第一顯示部顯示的第一地圖圖像的視點角度和視線方向發送給所述處理器，向處理器請求視點變換圖像；處理器，用于響應來自請求發送部的請求。優選地，所述圖像顯示裝置還包括：第二顯示部，顯示由所述處理器提供的視點變換圖像被重疊的第二地圖圖像。優選地，所述請求發送部還將任一攝像裝置的設置地點發送給處理器，由此向所述處理器請求該設置地點的視點變換圖像。優選地，所述斑塊配準裝置包括：預處理模塊、特征檢測模塊、特征描述模塊、特征匹配模塊和空間變換模塊；(1)預處理模塊，用于將參考圖像和待配準圖像轉化為灰度圖像，定義轉化公式為：I(x,y)＝k(G(x,y)+R(x,y)+B(x,y))+2k(G(x,y)+R(x,y))+3k(x,y)其中，I(x,y)代表圖像在坐標(x,y)處的像素灰度值，G(x,y)、R(x,y)、B(x,y)分別代表坐標(x,y)處的紅、綠、藍強度值，k為設定的權重因子，k的取值范圍為[0.08,0.12]；(2)特征檢測模塊，包括局部區域特征檢測子模塊和斑塊特征檢測子模塊，所述局部區域特征檢測子模塊用于通過墨西哥帽小波函數來檢測預處理后的兩圖像的局部區域特征，所述斑塊特征檢測子模塊用于采用近似Hessian矩陣的局部極值在自定義尺度空間中檢測預處理后的兩圖像中的斑塊特征，輸出斑塊特征的空間位置及所在的特征尺度；所述近似Hessian矩陣的描述形式為：H(x,y,σ)=Exx(x,y,σ)Exy(x,y,σ)Exy(x,y,σ)Eyy(x,y,σ)]]>式中，σ為高斯函數的標準差，即尺度因子；Exx(x,y,σ)、Exy(x,y,σ)、Eyy(x,y,σ)分別為高斯二階微分離散化和裁剪后的近似模板在點(x,y)處與圖像的卷積；設定Exx、Exy和Eyy表示第一、第二和第三9×9近似模板與圖像的卷積結果，Exx、Exy和Eyy的計算公式定義如下：Exx=1P(A1-2A2+A3)]]>Exy=1Q(A1-A2-A3)]]>Eyy=1P(A1-2A2+A3)]]>其中，取第一近似模板從左至右3×3區域作為第一標記區域，取第二近似模板中部2×2區域作為第二標記區域，取第三近似模板從上至下3×3區域作為第三標記區域，A1、A2和A3分別為第一、第二和第三標記區域覆蓋下的圖像像素灰度和，P、Q為標記區域面積，分別等于9和4；所述近似Hessian矩陣的特征點響應函數為：DET(H)＝ExxEyy-(0.9Exy)2所述墨西哥帽小波函數的描述形式為：M(x,y,σ)=(1-q)(2-x2+y2σ2)exp(-x2+y22σ2)]]>其中，q為構造所述自定義尺度空間的變化參數，q與σ之間的關系為σ＝2-q；優選地，(3)特征描述模塊，其通過建立加權灰度描述子對檢測出的斑塊特征進行描述并形成描述矢量，建立加權灰度描述子時將以斑塊特征為中心、垂直于斑塊特征的主方向且大小為l×l的中心區域分割成多個子塊，所述加權灰度描述子為：WD＝{NP+，NP-}此處P+＝∑{f(Di)×d(mi)|d(mi)＝I(mi)-I(m)＞0，i＝1，2，…l2}P-＝∑{f(Di)×d(mi)|d(mi)＝I(mi)-I(m)＜0，i＝1，2，…l2}式中，WD表示加權灰度描述子，P+表示正灰度差值直方圖，P-表示負灰度差值直方圖，I(mi)和I(m)分別為采用雙線性插值求取的各個子塊的灰度均值和整個中心區域的灰度均值，Di為各子塊與中心的距離，其中，i＝1,2,…l2，f(Di)表示加權函數,NP+、NP-表示歸一化的正負灰度差直方圖；(4)特征匹配模塊，用于對預處理后的參考圖像和待配準圖像進行匹配，包括依次連接的局部區域匹配子模塊、區域劃分子模塊、特征分組子模塊和斑塊特征匹配子模塊，所述局部區域匹配子模塊用于對預處理后的參考圖像和待配準圖像的局部區域特征進行匹配，所述區域劃分子模塊用于按照局部區域特征對預處理后的參考圖像和待配準圖像進行圖像區域劃分并將劃分后的圖像區域轉化為標準圓區域，設劃分的圖像區域數量為N，N的取值范圍為[200,1000],所述特征分組子模塊用于將所述斑塊特征按照圖像區域劃分的范圍進行分組，所述斑塊特征匹配子模塊用于對各組內的表示斑塊特征的描述矢量進行匹配；(5)空間變換模塊，用于將待配準圖像通過幾何變換模型映射到參考圖像的坐標系中，完成圖像配準，所述幾何變換模型的參數采用隨機抽樣一致性算法進行估計。其中，所述自定義尺度空間分為多組，每組包含三個不同尺度的濾波器模板；所述自定義尺度空間的第一組中，最小尺度對應的模板大小為9×9，標記區域增量設為4，模板增量為12，第二個和第三個模板對應的模板大小依次為21×21和33×33；除自定義尺度空間的第一組外的其他組中，每組的第一個模板與前一組的第二個模板大小相同，且模板增量為前一組的4倍。其中，所述標準圓區域的圓心為局部區域特征的重心，標準圓區域的半徑為局部區域邊緣上的點到所述重心距離的均值。本實施例設置的圖像預處理模塊考慮了視覺習慣以及人眼對不同色彩的感知度同色彩強度的非線性關系，能夠更為準確的描述圖像；設置的斑塊特征檢測子模塊，能夠等速構建圖像的尺度空間，且能夠避免混疊現象出現；設置的特征描述模塊通過建立加權灰度描述子對檢測出的斑塊特征進行描述，能夠更充分地利用特征鄰域內的局部信息構建描述矢量；設置的特征匹配模塊中先進行局部區域匹配再進行組內的斑塊特征點劃分，提高了圖像匹配的速度，且其中設置的區域劃分子模塊將劃分后的圖像區域轉化為標準圓區域，降低了斑塊特征點分組判斷的復雜性以及局部區域抽取精度對分組配準的影響。本實施例權重因子k取值為0.12，劃分的圖像區域數量N取值為1000，圖像匹配精度相對提高了1.5％，匹配速度提高了1.2％。最后應當說明的是，以上實施例僅用以說明本發明的技術方案，而非對本發明保護范圍的限制，盡管參照較佳實施例對本發明作了詳細地說明，本領域的普通技術人員應當理解，可以對本發明的技術方案進行修改或者等同替換，而不脫離本發明技術方案的實質和范圍。當前第1頁1 2 3