[发明专利]基于图像特征和互信息的图像配准方法

说明书

技术领域

本发明属于图像处理技术领域，涉及图像配准，可用于图像变化检测、图像融合、自动目标跟踪等技术领域中。

背景技术

图像配准是对同一场景的两幅或多幅图像进行最佳匹配的过程，而这些图像一般是在不同的时间、不同传感器或者不同视角获取的。图像配准的方法很多，但是每种方法只是针对特定的应用而提出，而其最终目的都是为了寻找一种最优变换，该变换能够使相同场景的不同图像在某种意义下达到最好的空间位置的吻合，从而为后续的进一步处理做好准备。

利用图像灰度的相关性方法实现配准是图像配准的一类重要方法，这种方法的主要特点就是根据图像全局或局部灰度信息，通过计算参考图像与待配准图像间的互相关程度寻找匹配点实现图像配准。这类方法中使用最广泛的相似性测度函数就是互信息MI。因为它不仅不需要图像分割，特征检测以及其他的图像预处理，而且能够达到亚像素级的精确度，并有较强的适应性和高度的自动化。但是MI是通过两幅图像的联合直方图来计算的，如果两幅图像的重合区域较少，则会影响配准结果。而且互信息只用到了对应点的信息，并没有考虑到图像像素的空间位置关系，而在实际的配准问题中，图像的特征信息和空间信息(比如轮廓和边缘)通常有着重要的作用。所以单独利用互信息会容易导致误配准。目前，已经有一些学者提出了许多改进的方法，他们把互信息和图像特征结合起来。Xuan Lv提出了一种基于角点和MI的方法。参见Xuan Lv,Huichuan Duan,A multimodality medical image registration method based on Harris corner points and the maximization of mutual information,Computer Engineering and Design,Vol 29,No.4,pp.998-1000,Feb.2008.但是角点等点特征只能反映图像的部分信息，点特征匹配的配准方法对于远离轮廓区域的作用是十分微小的。

因此，研究一种新的基于互信息的配准方法是非常有必要的。

发明内容

本发明的目的在于克服上述已有方法的不足，提出一种基于图像特征和互信息的图像配准方法，以实现更准确、鲁棒性更好的配准结果。

本发明的具体实现过程如下：

(1)输入两幅图像，一幅为参考图像r，另一幅为浮动图像f；

(2)利用SIFT方法分别提取两幅图像的特征点集合P1和P2，并按照以下公式计算P1和P2之间的互信息，记为NMI₁；

MMI=Σi=1n1Σj=1n2pijlogpijΣk=1n1pjkΣl=1n2pil]]>

其中，n1和n2分别表示特征点集P1和P2中特征点的数目，p_ij是两个特征点集的联合概率分布。

(3)分别提取两幅图像的轮廓特征，并按照步骤(2)中的公式计算两个轮廓特征之间的互信息，记为NMI₂。