[发明专利]一种融合显性度量和隐性度量的多模图像配准方法

说明书

技术领域

本发明属于图像配准技术领域，涉及一种融合显性度量和隐性度量的多模图像配准方法。

背景技术

图像配准就是将不同时间、不同传感器或不同视角下获取的两幅或多幅图像进行匹配、对齐、叠加的过程，是许多图像处理和计算机视觉应用的关键步骤之一，包括图像融合、图像拼接和视觉伺服等。用于图像配准常用的变换模型包括平移变换、相似变换、仿射变换和透视变换。

由于多模图像成像机理的差异，待配准图像间的灰度相关性不强，采用互相关系数等作为相似性度量很难获得满意的配准结果，如何提高多模图像配准的成功率，并减小图像配准误差，是国内外研究学者一直致力于解决的关键问题之一。基于显性度量的图像配准算法，采用的度量指标包括互信息，相关比，对齐度等像素分布统计特性，由于能够描述像素间的非线性映射关系，已成功应用于多模医学图像、可见光与红外图像配准领域。基于隐性度量的多模图像配准算法思想是参考图像中梯度幅值大的点，经过映射后在待配准图像中对应点的梯度幅值也比较大，所以配准过程中不直接利用图像灰度间的分布关系，而是通过待配准图像中特征显著点集的特征映射优化得到配准参数。

由于多源图像成像机理不同，上述假设有时会失效，此外当图像间变换参数较大时，可能造成优化算法发散，从而造成图像配准失效。通过融合多种具有不同特性的图像配准算法，并采用高效的优化算法，能够提高多模图像配准的成功率，减小图像配准的误差。

发明内容

本发明的目的是为提高多源图像配准算法的鲁棒性，提出了一种融合显性度量和隐性度量的图像配准方法，采用图像金字塔结构逐级获得更加精确的配准参数，有效解决了基于隐性度量的图像配准算法初始误差过大容易引起失配的问题。

为解决上述技术问题，本发明采用的技术方案包括以下步骤：

步骤(1).对原始图像进行一层高斯金字塔分解，获得低分辨率图像；

所述的原始图像包括参考图像、待配准图像；

步骤(2).在步骤(1)低分辨率图像中，首先采用基于显性度量的方法获得配准参数初始值p0，优化算法选用粒子群优化(PSO)算法；然后以p0作为初始值，采用基于隐性度量的方法获得配准参数值p1，优化算法选用融合粒子群优化(PSO)算法和方向加速(Powell)算法的优化策略；

步骤(3).对原始图像(即更高一层分辨率图像)进行配准，首先利用步骤(2)中获得的配准参数值p1对待配准图像进行变换，然后再采用步骤(2)中的方法基于参考图像和经过变换后的待配准图像计算得到更精准的配准参数值p2；

步骤(4).根据p1和p2计算最终的配准参数值p，并对待配准图像进行仿射变换，采用双线性插值法得到最终的配准图像。

本发明首先采用互信息作为显性度量，利用粒子群算法获得初始的图像变换参数，然后采用基于隐身度量的配准算法进一步优化获取更精确的图像配准参数。为加快图像配准速度并提高配准精度，采用了图像金字塔结构进行分层优化求解。本发明与现有技术相比，其显著优点为：(1)基于隐性度量的图像配准方法采用融合了智能随机优化(PSO)和共轭梯度直接优化(Powell)的优化策略，在进行参数寻优时，可有效避免陷入局部极大值的情况。(2)融合了两种具有不同机理的图像配准算法，基于显性度量的算法利用了图像全部像素的信息，而基于隐性度量的算法则利用了图像中显著特征点的信息，采用分层结构来逐步获得配准参数。经过先后两次配准会提高配准算法的鲁棒性和精度，解决基于隐性度量的图像配准算法初始误差过大容易引起失配的问题，提高了多模图像配准的成功率和精度。

附图说明

图1为融合显性度量和隐性度量的多模图像配准算法；

图2为仿射变换情况下可见光与可见光图像配准和融合结果，其中(a)为参考图像，(b)为待配准图像，(c)为最终的配准图像，(d)为融合图像；

图3为仿射变换情况下可见光与红外图像配准和融合结果，其中(a)为参考图像，(b)为待配准图像，(c)为最终的配准图像，(d)为融合图像；

图4为相似变换情况下可见光与红外图像配准和融合结果，其中(a)为参考图像，(b)为待配准图像，(c)为最终的配准图像，(d)为融合图像；

图5为Ku波段和P波段SAR图像配准和融合结果，其中(a)为参考图像，(b)为待配准图像，(c)为最终的配准图像，(d)为融合图像；

图6为P波段和X波段SAR图像配准和融合结果，其中(a)为参考图像，(b)为待配准图像，(c)为最终的配准图像，(d)为融合图像。

具体实施方式