[发明专利]基于级联结构的图像配准方法及装置

说明书

技术领域

本发明涉及图像配准领域，尤其涉及一种基于级联结构的图像配准方法及装置。

背景技术

图像配准是图像处理的一个基本问题，用于将不同时间、不同传感器或不同条件下获取的两幅或多幅图像在空间上进行对准。图像配准有着广泛的实际意义和应用范围，应用涉及遥感图像处理、医学图像处理、目标识别、全景图像拼接等多个领域。

目前，常用的图像配准算法就是基于特征点的配准，基于尺度不变特征转换(Scale-Invariant Feature Transform，简称SIFT)算法结合随机抽样一致(RANdom SAmple Consensus，简称RANSAC)算法属于基于特征点的配准方法，实现过程首先利用SIFT算法检测实现过程首先检测参考图像和输入图像的特征点并计算每个特征点的描述符，然后在参考图像的特征点中搜索与输入图像特征点的相似度最大的点，得到粗匹配，得到粗匹配后采用RANSAC算法提出错误的匹配对，并得到参考图像和输入图像的变换矩阵。

然而，RANSAC算法对于粗匹配的准确性有要求，当图像为多光谱图像或者图像的拍摄角度差别较大时，由SIFT算法得到的粗匹配的准确率很低时，直接使用RANSAC算法并不能得到正确的结果，甚至会得到完全错误的结果，从而导致将参考图像和所述输入图像在空间上进行对准处理后，获得的输出图像分辨率不高，甚至完全不清楚。

发明内容

本发明提供一种基于级联结构的图像配准方法及装置，通过使用级联结构逐级剔除错误的粗匹配对，满足RANSAC算法对粗匹配对的准确性的要求，使得匹配结果更加准确，保证输出图像的分辨率和清晰度。

本发明提供一种基于级联结构的图像配准方法，包括：

对参考图像的特征点和输入图像的特征点进行双向匹配处理，获取第一粗匹配组；

根据预设置信度，对所述第一粗匹配组中的匹配对进行剔除，获取第二粗匹配组；其中，从所述第一粗匹配组中剔除的匹配对的相似度低于所述预设置信度；

根据预设阈值，对所述第二粗匹配组中的匹配对进行剔除，获取第三粗匹配组；其中，从所述第二粗匹配组中剔除的匹配对中任意两个匹配对之间的灰度距离或者空间距离大于所述预设阈值；

采用RANSAC算法，对所述第三粗匹配组中的匹配对进行处理，获取对应的变换矩阵；

根据所述变换矩阵，将所述参考图像和所述输入图像在空间上进行对准处理，以获取输出图像。

本发明还提供一种基于级联结构的图像配准装置，包括：

匹配模块，用于对参考图像的特征点和输入图像的特征点进行双向匹配处理，获取第一粗匹配组；

第一剔除模块，用于根据预设置信度，对所述第一粗匹配组中的匹配对进行剔除，获取第二粗匹配组；其中，从所述第一粗匹配组中剔除的匹配对的相似度低于所述预设置信度；

第二剔除模块，用于根据预设阈值，对所述第二粗匹配组中的匹配对进行剔除，获取第三粗匹配组；其中，从所述第二粗匹配组中剔除的匹配对中任意两个匹配对之间的灰度距离或者空间距离大于所述预设阈值；

处理模块，用于采用RANSAC算法，对所述第三粗匹配组中的匹配对进行处理，获取对应的变换矩阵；

获取模块，用于根据所述变换矩阵，将所述参考图像和所述输入图像在空间上进行对准处理，以获取输出图像。

本发明提供的一种基于级联结构的图像配准方法及装置，其方法通过对参考图像的特征点和输入图像的特征点进行双向匹配处理，获取第一粗匹配组；根据预设置信度，对所述第一粗匹配组中的匹配对进行剔除，获取第二粗匹配组；其中，从所述第一粗匹配组中剔除的匹配对的相似度低于所述预设置信度；根据预设阈值，对所述第二粗匹配组中的匹配对进行剔除，获取第三粗匹配组；其中，从所述第二粗匹配组中剔除的匹配对中任意两个匹配对之间的灰度距离或者空间距离大于所述预设阈值；采用RANSAC算法，对所述第三粗匹配组中的匹配对进行处理，获取对应的变换矩阵；根据所述变换矩阵，将所述参考图像和所述输入图像在空间上进行对准处理，以获取输出图像。本发明通过使用级联结构逐级剔除错误的粗匹配对，满足RANSAC算法对粗匹配对的准确性的要求，使得匹配结果更加准确，保证输出图像的分辨率和清晰度。

附图说明

图1为本发明第一实施例的基于级联结构的图像配准方法的流程图；

图2为本发明第二实施例的基于级联结构的图像配准方法的流程图；

图3为本发明第三实施例的基于级联结构的图像配准方法的流程图；

图4为本发明第四实施例的基于级联结构的图像配准方法的流程图；