[发明专利]基于最大稳定极值区域和相位一致性的图像配准方法

说明书

技术领域

本发明属于图像处理技术领域，具体涉及一种仿射变换图像配准方法，可应用于图像融合，图像拼接与三维重建等领域。

背景技术

在图像融合，图像拼接与三维重建等领域，需要先对同一场景的多幅视图进行配准处理。一般情况下，可以采用基于特征的图像配准方法进行图像配准，这主要是考虑到一些图像特征对于图像的尺度和旋转具有不变性，并且只用特征信息寻找图像间的几何关系具有计算效率高的优点。但是，当两幅图像间存在较大的仿射变换时，在它们中往往很难提取到具有较高重复率或者位置精确的特征，从而导致配准精度不够甚至无法实现配准的问题。

目前，基于特征的图像配准方法中常用的特征信息有尺度不变特征SIFT，最大稳定极值区域MSER特征和完全仿射不变特征ASIFT，例如Lowe D，“Distinctive image features from scale-invariant keypoints.”International Journal of Computer Vision,vol.60,no.2,pp.91—110.Matas J,Chum O,et al.，“Robust wide-baseline stereo from maximally stable extremal regions.”Image and Vision Computing,vol.22,no.10,pp.761-767.及Morel J M,Yu G，“ASIFT:A new framework for fully affine invariant image comparison.”SIAM Journal on Imaging Sciences,vol.2,no.2,pp.438-469.这三篇文献公开的技术均为特征提取及匹配方法，进而可以利用匹配的特征来计算图像间的几何变换参数实现图像配准。其中，基于尺度不变特征SIFT的图像配准方法能够配准尺度较大的图像，并且获得较好的配准效果。但是，当图像间存在较大的仿射变换时，基于尺度不变特征SIFT的特征检测方法往往很少能够获得数目足够且正确率高的匹配点对，因此基于尺度不变特征SIFT的图像配准方法不能配准具有较大仿射变换的图像。基于最大稳定极值区域MSER的图像配准方法，采用最大稳定极值区域MSER的质心作为特征点进行匹配，进而估计图像间的仿射变换参数，由于最大稳定极值区域MSER具有较高的仿射变换不变性，因此能够实现存在较大仿射变换的图像配准，但是由于成像传感器及成像环境的不同，采用的质心往往不能精确反映特征的位置，从而导致配准精度不高。完全仿射不变特征ASIFT算法首先对原图像进行人为模拟的仿射 空间采样，获得多幅视图；然后利用尺度不变特征SIFT方法对获得的多幅视图进行特征提取及特征匹配，这样能够获得比尺度不变特征SIFT方法更多的匹配点数，因此基于完全仿射不变特征ASIFT特征的图像配准方法可以配准存在较大仿射变换的图像。该方法存在的不足是，由于该方法对图像在仿射空间上进行模拟，形成各个视角的图像，消耗了大量的内存，同时在提取出大量的正确匹配点时也引进了大量的误匹配点，而要获得较高的图像配准精度，就需要比较复杂的优化过程对误匹配点进行删除，这无疑又增加了计算复杂度。

发明内容

本发明的目的在于改善了上述已有技术的缺点，提出一种基于最大稳定极值区域和相位一致性的仿射变换图像配准方法，以获得更好的仿射变换图像配准效果，并降低运算复杂度，提高计算效率。

为实现上述目的，本发明的技术方案是：通过基于最大稳定极值区域MSER特征的粗匹配获得两幅输入图像的部分拟合区域；采用仿射区域归一化方法克服仿射畸变带来的图像结构的改变；利用Gabor带通滤波器对归一化区域进行带通分解，进而在每个子带图像中进行基于相位一致性最大矩的特征点检测；采用概率分布的方法对检测的特征点集合进行精确配准，并计算两幅输入图像间的仿射变换矩阵。其具体步骤包括如下：

(1)分别输入存在仿射变换的两幅图像A和B，其中A为参考图像，B为待配准图像；

(2)对参考图像A和待配准图像B进行最大稳定极值区域MSER检测及匹配； 

(3)对参考图像A和待配准图像B相匹配的最大稳定极值区域分别进行拟合，并得到参考图像A扩大后的椭圆拟合区域和待配准图像B扩大后的椭圆拟合区域；

(4)对上述两个椭圆拟合区域归一化：

4a)分别计算参考图像A和待配准图像B中待归一化的点：