[发明专利]多模图像匹配方法

说明书

本发明公开一种图像处理技术领域的多模图像匹配方法，应用于多光谱图像处理；所述方法步骤包括：第一步、对待匹配图像进行显著性区域提取；第二步、在图像显著性区域中进行特征提取，考虑多模图像的差异性，特征提取过程需要经过导引滤波，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、进行基于互信息的图像匹配。本发明所述方法在对多模图像匹配过程中达到良好的效果，输出的相关参数也能够应用于多个领域。

技术领域

本发明涉及图像处理技术领域，具体的，涉及的是一种多光谱图像匹配方法。

背景技术

图像匹配(Image Matching)是在不同条件下得到的并且位于不同坐标系下的同一场景(或物体)的二幅或者多幅图像进行对应点对准的过程。图像匹配是图像分析和处理的基本问题，应用领域广泛。例如，图像匹配是医学图像分析和小目标检测的关键技术，目前国内外研究图像匹配技术较多的应用领域：红外图像处理，遥感图像处理，医学图像处理、数字地图定位，图像三维重构，航空影像自动绘制，模式识别等。虽然不同领域的匹配技术基本上都是根据各自具体的应用背景结合实际情况量身订制的技术，但在理论方法上具有很大的相似性。

图像配准技术最早的应用是在20世纪70年代的美国军方中，当时主要是在飞行器的辅助导航、导弹系统的末制导等领域。20世纪80年代后，图像配准技术才逐渐被利用到人们日常生活的其他各个方面。在1992年，剑桥大学的L.G.Brown就对图像配准进行了总结，将配准问题大致分为多模态配准、模板配准、观察点配准和时间序列配准，并提出了相应的解决方法，同时将图像配准问题归结为特征空间、搜索空间、搜索策略、相似性度量四点要素的组合。1996年，Reddy扩展了图像频域相位相关技术，利用傅里叶变换的尺度特性和旋转特性求解两幅图像之间的尺度和旋转问题，利用相位相关技术解决图像的平移问题。1997年，Maes利用信息论中的互信息作为匹配准则，通过求解两幅图像互信息的极大值来解决多模医学图像配准的问题。2003年，Zitova等人对图像配准领域的相关方法进行了综述。2003年，Pluim等人对基于互信息的医学图像配准进行了概述，按照互信息配准的不同方面，将配准方法进行了分类。为了满足很多具体应用对高精度的需求，最近几十年内己经提出很多能够达到亚像素精度的图像配准算法。2004年，Lowe更是突破性的提出了SIFT(Scale invariant Feature Transform)算法，通过建立尺度空间，较好的克服尺度变化带来的影响，同时提出的相关描述子更能够较为精确的完成特征的描述。此后Y.Ke(2004年)提出的PCA-SIFT和Bay(2006年)都是对Lowe原始算法的改进，主要是对速度上进行改进，但是精度方面SIFT算法还是占据主要地位。近些年来，BRISK、BRIEF等算法的相继提出为图像匹配领域注入了新的活力。

尽管经过多年的研究，图像配准技术已经趋于成熟，但是在许多特定领域都难以使用相同或者相似的方法取得良好的效果。一方面由于成像器本身成像机制具有的独特性，相同场景或者目标在不同模态下，呈现的特征并不相同，如何提取相同或者相似特征，利用不同特征进行匹配以及提升多图像匹配精度和速度成为图像领域的难题。

发明内容

本发明要解决的技术问题是提出一种多模图像匹配方法，实现多模图像匹配，主要应用于多通道遥感图像的匹配，对图像通道本身没有具体限制，与目前主流的匹配方法相比，具有更快的速度及更好的精度。

本发明是通过以下技术方案来实现的：

本发明提供一种多模图像匹配方法，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。