[发明专利]一种基于子图像角点特征的快速图像配准方法

说明书

技术领域

本发明属于图像配准技术领域，具体涉及一种基于子图像角点特征的快速图像配准方法。

背景技术

图像配准的应用非常广泛，如模式识别、自动导航、医学诊断、计算机视觉等领域。目前在图像的配准方面已开展了许多研究工作，提出了多种图像配准方法。目前大多数对图像配准的研究集中在特征提取，特征描述，相似性度量，多种配准方法的比较等，而较少关注配准的实时性。

常见的配准方法可以分为两类：基于特征的配准方法，如Harris角点法、SIFT法等；基于区域的配准方法，如互信息，FMT等。其中基于区域的配准方法不需要提取特征，适用于灰度信息大于结构信息的情况，且要求两幅图像的灰度函数必须相似或至少统计相关；从几何学的角度讲，它仅能处理平移和小角度旋转的情况，大角度旋转或尺度缩放必然意味着计算复杂度和时间复杂度的提高，因此适用范围较窄。而基于特征的配准方法可以配准两幅自然属性完全不同的图像，并适应两幅图像间复杂的几何和光学畸变，因此成为近年来研究的热点。但它的瓶颈是如何正确检测出对应的特征，并进行低复杂度、鲁棒的特征描述，以提高匹配搜索的效率。由于拍摄环境和景物分布的原因，使得拍摄得到的图像在对比度，结构清晰度，纹理特征等方面分布极不均匀。直接在大图上进行特征提取时(简称大图法)，在特征模糊区域提取的特征点反而可能成为正确匹配的干扰点，导致失配；另外，大量的特征点扩展了搜索空间的范围，导致搜索效率和实时性下降。

目前解决该问题的技术有：①“一种将互信息与模板匹配相结合的配准方法”，采用互信息为相似度准则进行图像的模板匹配，得到候选的匹配子图，通过待配准大图其余部分与模板和子图的空间关系，得到配准后的大图，分别计算按照各个候选子图配准情况下的待配准图的互信息，得到最大的互信息所对应的子图，确定最终的配准结果。但该方法在对灰度差不大的图像进行配准时，容易出现失配现象，而且配准时间比较长。②基于小波变换的图像配准方法，利用小波系数选取有效子图，并利用小波变换将图像分成若干层次，利用互相关系数作为相似性测度，最后通过迭代求精算法实现图像的配准。但该方法涉及相关系数计算、小波系数子图选取及迭代求精等耗时较多的步骤，使得算法复杂度高，实现难度大，实时性差。

发明内容

鉴于此，本发明在改进基于特征配准方法的基础上提出一种基于子图像角点特征的快速配准方法，旨在满足配准精度的前提下提高配准的鲁棒性和实时性。

为了解决上述技术问题，本发明是这样实现的：

一种基于子图像角点特征的快速图像配准方法，具体步骤包括：

步骤一、选取参考子图和待配准子图；

从参考图像中选取一子图作为参考子图，从待配准图像中选取一坐标空间与参考子图相同的子图作为待配准子图；

步骤二、提取参考子图和待配准子图的角点；

步骤三、对参考子图和待配准子图上提取的角点进行特征描述，获得各角点的特征向量；

步骤四、将待匹配子图和参考子图上角点的特征向量进行相似性度量和特征匹配，最终得到K个匹配点对；

该步骤的具体过程为：

1)针对每一所提取的角点p_i，寻找与p_i邻近的p个点构成p_i的距离邻域，i＝1，2…N，N为两幅子图上所提取角点的总个数；

2)依次计算待配准子图中每一角点特征向量到参考子图中所有角点特征向量的马氏距离，将马氏距离小于设定阈值d_Mth1的两角点定义为匹配点对，多个匹配点对构成匹配队列；

3)在匹配队列中，剔除不在对应距离领域的匹配点对，得到K个匹配点对；

步骤五、基于K个匹配点对，采用最小二乘法计算待配准图像和参考图像之间的变换矩阵H，利用所述变换矩阵H将待配准图像配准到参考图像上。

进一步地，本发明所述参考子图为参考图像上对比度强、结构特征明显的一幅子图。

进一步地，本发明所述参考子图的选取过程为：

首先将参考图像分割成n个大小相同的子图，其次计算每个子图的熵和平均梯度，然后选出熵和平均梯度之和最大的子图作为参考子图。

进一步地，本发明提取参考子图和待配准子图角点的方法相同，具体过程为：

首先，基于Harris角点检测方法，检测出子图角点；其次，采取邻域非极大抑制和总量抑制的方法对初始检测出的角点进行筛选，提取出前N个角点；然后，去除位于子图边界区域上的角点，从而提取到所需的角点。