[发明专利]多模图像匹配方法

权利要求书

1.一种多模图像匹配方法，其特征在于，所述方法包括如下步骤：

第一步、对图像进行显著性区域提取；

第二步、对显著性区域进行特征提取，得到边缘特征图；所述特征提取过程经过导引滤波，突出边缘特征同时抑制噪声，再提取边缘特征，获得不同图像的共同特征；

第三步、获取图像的边缘特征后，对边缘特征图进行基于互信息的图像匹配，得到匹配结果；

所述的第二步，包括如下步骤：

(1)计算原始图像的导引滤波图像，如下式所示：

其中：p_j表示输入图像每个像素的像素值，q_i表示输出图像中每个像素的像素值，Guide_ij表示导引滤波函数，I表示导引图像，该公式表示通过输入图像p_j和导引图像I生成导引滤波图像q_i，其中：

其中：μ_k和为窗w_k内导引图像I像素值均值和方差，|w_k|为窗内像素数目，I_i和I_j表示导引图像中对应的像素，ε为一个非零极小值，使分母不为0；

(2)计算多模图像的边缘特征，即高斯拉普拉斯边缘检测特征：

a、对原始图像进行高斯模糊，模板公式如下；

其中，x和y为对应图像像素坐标，σ为图像方差，经过模板公式计算后得到一幅图像的高斯模糊图像；

b、对高斯模糊图像求二阶导数，二阶导数为0的位置为边缘的位置，

综合求取公式如下：

其中，▽²g(x,y)表示对图像求高斯拉普拉斯边缘检测，x和y为对应图像像素坐标，σ为图像方差，g(x,y)为原始图像，最终求得边缘特征图。

2.根据权利要求1所述的一种多模图像匹配方法，其特征在于，所述的第一步，具体如下：

使用超像素分割方法，将原图像分割为多个超像素，并构建图模型G＝{V，E}，其中：V为顶点集合，对应于原图像中的超像素；顶点之间通过无向边E连接；顶点之间的连接原则为：每个顶点与其K近邻连接，对于图像边界上的超像素则将其完全连接；

顶点之间相似度通过权重矩阵W＝[w_ij]来衡量顶点的相似度，其计算方式为：

其中：ci和cj为两个超像素区域内基于LAB色彩空间的均值，i和j表示序数，当i等于j时，表示相同的两个超像素区域，当i不等于j是表示两个不同的超像素区域；σ为用于控制相似性的常数；不相连的超像素之间的相似性标为0，这个权重矩阵是稀疏的；

基于已有的图模型G，使用基于流形排序的方法进行超像素的显著性标注；已知超像素集合X＝{x1，…，xl，xl+1，…，xn}，设f＝{f1，…，fn}是一个映射函数，为每个超像素给出排序值；设y＝{y1，…，yn}为指示向量；如果xi是待检索的点，则yi＝1，否则yi＝0；

基于权重矩阵W，则其度量矩阵D定义为D＝diag{d11，…，dnn}，其中d_ii＝∑w_ij，从而得到每个点的排序值f^*：

f^*＝(D-αW)^-1y

其中：α为控制参数，取值范围为0～1；基于流形排序某个超像素是否显著；

基于另一先验条件，即图像边界区域通常为非显著的区域，因此，首先基于图像上、下、左、右的四条边作为非显著区域，分别对于图像其他超像素的显著值进行估计，以顶部检索为例，则每个超像素的显著值为，S_top(i)

S_top(i)＝1-f^*(i)

当S_top(i)趋于0则说明超像素为非显著的，趋于1则是显著的；结合四条边界的检索结果，则图像中每个超像素的显著值取为：

S_back(i)＝S_top(i)*S_bottom(i)*S_left(i)*S_right(i)

基于边界非显著先验，得到每个像素点的显著程度，随后对S_back(i)进行二值化处理，得到图像中每个超像素的显著性值；将根据显著性值生成的图像乘以原始图像，从而将非显著区域去除，得到显著性区域图像；

S_top(i)、S_bottom(i)、S_left(i)、S_right(i)分别表示从图像上下左右四个方向进行搜索得出显著性值，反映图像四个方向的显著性程度，S_back(i)通过对四个方向显著性值进行融合，得到的整幅图像的显著性区域图。