[发明专利]一种基于视觉显著区域的快速图像配准方法

说明书

技术领域

本发明属于图像处理领域，具体涉及一种使用基于视觉显著区域辅助实现图像快速配准的方法。

背景技术

多源图像配准是指依据一些相似性度量最优决定的图像间变换参数，将来自不同传感器、不同视角、不同时间获取的同一场景的两幅或多幅图像变换到同一坐标系下，并在像素层上得到最佳匹配的过程。从此定义上来讲，配准包含源图像间空间位置和像素点值两层面的变换关系。由于图像配准使得对某一特定场景的解释有了多种数据统一支撑，故其广泛应用于医学图像处理、遥感图像分析、目标识别、目标变化检测等领域。

目前常用的图像配准方法大致分为两类：

(1)基于特征的图像配准，提取图像的显著特征点作为参考信息，建立两幅图像的几何变换关系来进行配准；该种方法通过提取图像间保持稳定的特征，克服了来自不同传感器的灰度特征不一致问题，但对特征提取的可靠性和鲁棒性要求较高；通过仅处理小部分特征信息，大大压缩了此方法计算量，但同时配准精度受到制约。

(2)基于灰度/区域的图像配准，根据图像间的信息建立以空间变换参数为自变量的相似性度量函数，通过利用优化算法搜索出度量函数的最值来找出空间变换关系。该种方法利用图像全部可用的信息建立相似性度量，广泛应用于同源图像配准领域。该方法在取得配准精度和鲁棒性有益性能的同时带来了计算量大，实时性差的问题。目前解决该问题的技术有：①基于边缘和互相关的配准方法，利用边缘提取算子提取两幅图像边缘，将边缘图像（二值图像）的互相关系数作为相似性度量函数，求使得互相关最大时的配准结果参数值。这种方法虽然速度快，但是只利用二值图像做计算，使用的图像信息过少，容易造成误匹配；②基于形状匹配的快速图像配准方法，利用两幅图像中的目标形状进行匹配，将匹配结果作为优化搜索算法的初值来提高搜索效率。该方法虽然结合了基于特征与基于灰度配准方法的特点，但由于方法中提取的特征为独立目标轮廓的点特征且提取过程中存在较多典型值设定，故该算法在有多形状相似的更一般自然场景中应用时难以表现出较强的适应性。

综上所述，基于灰度的图像匹配方法，具有较高的配准精度和鲁棒性但实时性不佳；基于特征的图像配准方法，具有较高的实时性和异源适应性但配准精度和鲁棒性有一定欠缺，故此两类方法具有各自不同的特点和良好的互补性。目前的大部分方法严格的属于某一类方法，在呈现各自算法优势的同时也暴露出各自的缺陷，无法实现精度高、实时性强、适应范围广的自动配准。

发明内容

有鉴于此，本发明提出结合基于灰度和特征的目标级快速图像配准方法，提高了传统基于灰度配准方法的实时性，改善了基于特征配准方法的特征鲁棒性。

为了达到上述目的，本发明的技术方案为：该方法用于将待配图像A与参考图像B进行匹配，包括如下步骤：

步骤一、对待配图像A与参考图像B分别进行视觉显著区域提取和阈值分割，对应获得第一显著区域的序列及第二显著区域的序列；

步骤二、获取所有第一显著区域的质心，为第一质心，每三个第一质心作为一个第一特征三角形的顶点；获取所有第二显著区域的质心，为第二质心，每三个第二质心划出一个第二特征三角形；

步骤三、若一个第一特征三角形与一个第二特征三角形基于仿射变换关系对应相似，则二者组成相似三角形对；找到相似度最大的相似三角形对(a、b)；其中a为第一特征三角形，b为第二特征三角形；

步骤四、基于(a、b)建立由待配图像A至参考图像B变换的仿射变换模型，该仿射变换模型包括平移、旋转以及尺度变换三种变换方式，涉及的参数包括水平平移量和垂直平移量、旋转角度以及尺度参数；以涉及的参数为初始匹配参数；

尺度参数为a与b的边长比例；旋转角度为a与b的对应边形成的角度；平移量为a和b的相对平移量；

步骤五、采用Powell的搜索方法，从初始匹配参数开始进行设定步长的搜索，获取搜索值作为测试匹配参数，将待配图像A按照每次步进获得的测试匹配参数进行仿射变换，实现与参考图像B的多次配准测试，选择多次配准测试中结果最佳的配准测试对应的测试匹配参数作为最优匹配参数；

使用该最优待配参数对待配图像进行仿射变换获得最终配准结果。

进一步地，步骤三中，所获得的其中一对相似三角形对为(a＇,b＇)，则相似三角形对(a＇,b＇)的相似度Likehood的计算方法为：