[发明专利]融合图像尺度不变特征变换和个体熵相关系数的图像配准方法

说明书

技术领域

本发明涉及图像配准领域，尤其是一种图像配准方法。

背景技术

图像配准有很多种方法，按照所使用的特征可以分为两类，一类是基于图像灰度特征的配准方法，另一类是基于图像几何特征的配准方法。一般来说，当图像中包含丰富的易于检测的几何特征时可以采用基于几何特征的图像配准方法；当图像的几何特征不易检测或几何特征相似性很高的时候可以采用基于灰度特征的配准方法。然而，任何单一的方法都会存在一些缺陷。比如，在基于几何特征的配准方法中许多几何特征的提取容易受噪声的影响，这就会导致检测到的几何特征是不稳定的，从而给参考图像中的特征点和浮动图像中的特征点匹配带来很大的误差，最终导致配准的精度不高。在基于灰度的配准方法中利用的是整幅图像的信息，因此会非常的耗时即会导致配准的效率不高；另外非线性的光照变化会使配准的鲁棒性变差。

发明内容

为了克服已有图像配准方法的无法兼顾配准精度和鲁棒性的不足，本发明提供一种同时具有高精度和良好鲁棒性的融合图像尺度不变特征变换和个体熵相关系数的图像配准方法。

本发明解决其技术问题所采用的技术方案是：

一种融合图像尺度不变特征变换和个体熵相关系数的图像配准方法，所述配准方法包括如下步骤：

1)提取参考图像和浮动图像的尺度不变特征变换SIFT特征点；

2)匹配参考图像和浮动图像中的SIFT特征点；

3)基于匹配的SIFT特征点利用最小均方根误差建立仿射变换模型；

4)利用仿射变换模型对浮动图像进行变换得到粗配准的图像；

5)将粗配准后的图像作为新的浮动图像，原参考图像作为新的参考图像，建立新的仿射变换模型并对其参数进行初始化，同时对Powell优化算法的初始搜索点、初始搜索方向进行初始化；

6)利用IECC作为相似性度量目标函数，对该目标函数进行优化得到最优的仿射变换参数；

7)利用优化出的最优仿射变换对新的浮动图像进行变换得到最终的精配准图像。

进一步，所述步骤2)中，匹配过程如下：对于参考图像中的一个关键点，可以在浮动图像中找出离该关键点欧氏距离最近的关键点，并设其距离是d₁，以及离该关键点欧氏距离次近的关键点，并设其距离是d₂；如果d₁/d₂的比率小于设定的阈值则认为匹配是正确的，否则就认为不匹配。

再进一步，所述步骤3)中，利用匹配的特征点集来建立参考图像和浮动图像之间的仿射变换模型，得到N对特征点对：

{(x_r,i,y_r,i)_,(x_f,i,y_f,i)}_{i＝1,2,3…,N}(6)

其中，(x_r,i,y_r,i)表示参考图像中的第i个特征点坐，(x_f,i,y_f,i)表示浮动图像中的第i个特征点；

参考图像和浮动图像之间的仿射变换模型表示为：