[发明专利]一种基于直线段上下文的红外与可见光异源图像匹配方法

说明书

技术领域

本发明涉及红外与可见光异源图像匹配的技术领域，具体地说是一种基于直线上下文的红外与可见光异源图像匹配方法。

背景技术

红外与可见光图像的匹配是异源图像匹配的重要分支，在图像融合、自动目标识别、变化检测等领域具有重要的应用。红外传感器具有全天候工作、抗干扰能力强等优点，而可见光传感器获取的图像具有对比度高、纹理信息丰富、图像清晰等特点。在图像融合领域，为了获取更加丰富的场景信息，需要在红外与可见光图像匹配的基础上实现信息融合，增强互补性，减少对场景分析和理解的不确定性；在自动目标识别领域，需要根据可见光图像中已知的目标信息，采用图像匹配的方法从实时红外图像中找出对应的目标。由于成像设备、所用光谱以及拍摄时间等因素的差异，红外与可见光图像之间通常呈现复杂的灰度差异，给匹配带来了较大的困难。红外与可见光图像的匹配依然是一个极具挑战性的问题。

异源图像匹配方法基本可以分为基于区域的方法和基于特征的方法两大类。基于区域的方法采用灰度差、互相关、互信息等相似测度定义匹配区域之间的相似性来确定对应关系。但由于红外与可见光图像之间通常灰度变化复杂，灰度值难以反映匹配区域的相似性。尽管互信息测度可在一定程度适应异源图像之间的灰度变化，但这种方法需要采用复杂的搜索算法，效率低，并且要求好的初始化，否则容易陷入局部极值。基于特征的方法通过提取角点、分支点、高斯差分极值点等稳定性特征，并构建特征描述子来实现图像匹配。与基于区域的方法相比，基于特征的方法在计算效率、形变适应能力和抗局部遮挡等方面具有一定的优势，常用于异源图像匹配。传统的特征描述子(比如经典的SIFT、SURF等算子)是针对同源图像匹配设计的，通常利用特征点附近的梯度分布属性来构建描述子，不具有模态不变性，当用于红外与可见光图像匹配时，往往误匹配率较高，甚至匹配失败。场景分界线通常对应着图像中的边缘(可用直线段近似表达)，并且较为稳定地存在于异源图像中。

发明内容

针对现有技术的不足，本发明提供一种精确、快速的红外与可见光图像的匹配方法。

本发明为实现上述目的所采用的技术方案是：一种基于直线段上下文的红外与可见光异源图像匹配方法，包括以下过程：

步骤1：采用LSD算法检测出图像中的直线段，并按照几何约束规则挑选出关键直线段；

步骤2：通过改进的图像角点检测方法检测角点；

步骤3：通过计算特征点四象限邻域内线段的曼哈顿距离，得到每条直线段对特征点的贡献，在此基础上采用圆形阵列的方式，构建基于直线段上下文的特征描述子；

步骤4：运用双向匹配策略和RANSAC算法实现红外与可见光图像的匹配。

所述改进的真实Harris角点检测方法为：将图像分为带有部分重叠的子区域，则在全局区域内特征不显著的点在局部邻域内成为显著的特征点，再在上述每个子区域内按照传统的Harris角点检测方法提取特征点，保证全局范围内的特征点分布均匀。

所述基于边缘直线的虚拟角点检测方法为：按照几何约束规则在检测到的边缘直线段中挑选出关键直线段，将这些直线段沿其自身方向进行延伸，得到的交点即为虚拟角点。

所述几何约束规则包括：直线段的长度不小于限定值l_th；直线段之间的夹角满足θ_th1＜θ＜θ_th2；直线段之间的距离d不超过限定值d_th。

所述改进的图像角点检测方法包括改进的真实Harris角点检测方法和基于边缘直线的虚拟角点检测方法。

所述构建基于线段上下文的特征描述子包括以下过程：对于单一线段分布，将空间中抽象的一条直线段用特征向量进行表示，并基于线段的长度l、线段的方向θ、线段到中心点的距离d三个属性构造一个得分函数；对于族线段分布，将每条线段分解到对应的象限，分别统计不同象限的线段分布并计算得分，以此区分不同线段的空间位置关系。

所述直线段上下文是指：以特征点为中心的局部邻域内的线段分布，主要包括单一线段的分布和族线段的分布，其中，单一线段分布的描述，是指将空间中抽象的一条直线段用特征向量进行表示；而族线段描述，是为了得到空间中不同线段之间的位置关系的数学描述。

所述双向匹配策略为：在执行了正向匹配后，互换待配准图像和参考图像的角色，对相同的特征点重新执行匹配算法，得到反向匹配点集合。

本发明具有以下有益效果及优点：