[发明专利]基于傅里叶梅林变换的图像几何匹配方法

说明书

技术领域

本发明属于图像处理技术领域，主要涉及特征提取、特征关联、优化以及图像插值等算法，具体是一种基于傅里叶梅林变换的图像几何匹配方法，可用于医学图像处理、遥感图像处理、计算机视觉、模式识别等领域。

背景技术

在20世纪中叶，科学家在研究导航过程中提出了图像几何匹配的概念，并将图像几何匹配广泛用于军事领域。20世纪80年代后，图像几何匹配开始被用于民用领域，例如其被运用于医学图像处理，遥感图像融合等方面，并有效推动了这些领域的发展。

图像几何匹配，就是使两幅图像中相同结构或相同位置对准的过程。图像几何匹配应用于特征识别、医疗、计算机视觉等，虽然其用于不同的领域有不同的作用，但是图像几何匹配的方案却大体一样。图像几何匹配涉及到的技术很多，例如，图像预处理、特征提取、相似性测度、图像插值技术等，并与遗传算法、蚁群算法等数学知识联系紧密。

图像几何匹配大体可以分为两大类匹配：同种模态间匹配和不同模态间匹配。同种模态间的匹配是指，待匹配图像和参考图像来自同一种条件同一种设备所成的像。不同模态间的匹配也称多模态匹配，是指来自有差异的设备或有差别的情况下获得的图像间的匹配。

尽管当前计算机技术已取得很大的发展，运算速度相对于从前提高了很多，但是图像几何匹配中需要被处理的数据量有时十分庞大，因此，计算机的计算速度还是没有达到实时性目标。且由于相异的光照和噪声等，会使相同内容的图像也会有差别，从而提高了图像几何匹配的难度。因此，匹配精度高、实时性好的图像几何匹配算法，对于医学图像处理、遥感图像处理、模式识别等领域具有非常重要的应用价值和理论意义。

大体来说，图像几何匹配经历了几十年的发展，出现了许多好的图像几何匹配算法，但还是有很多图像几何匹配问题是当前的图像几何匹配算法所不能有效解决的。当前的图像几何匹配算法虽然比较多，但是在实时性和匹配精度上难以两全。例如，当前比较常用的SURF算法，它利用的是最近距离与次近距离的关联方法，在没有添加去误匹配算法的情况下，SURF算法关联特征点时会出现特征点关联的误匹配情况，因而只可以有效处理两幅图像间存在较小角度差的匹配，但是不能有效处理两幅图像间存在较大角度差的匹配。鉴于这种情况，很多图像几何方法都添加了去除误匹配的算法，该算法通过改善特征关联环节，从而使最终的匹配精度提高。但是有些图像匹配，尽管添加了去除误匹配算法，最终匹配精度的提高并不是很多，且由于增加了去除误匹配算法，反而增加了匹配时间。

发明内容

针对上述现有技术的缺陷，本发明提出了一种无需添加去误匹配算法、匹配时间更少、匹配精度较高的基于傅里叶梅林变换的图像几何匹配方法。

本发明是一种基于傅里叶梅林变换的图像几何匹配方法，其特征在于，对待匹配图像和参考图像进行匹配，匹配步骤包括有：

步骤1：首先输入待匹配图像和参考图像，利用傅里叶梅林变换求出待匹配图像和参考图像之间的旋转角度，将待匹配图像和参考图像均变换到傅里叶频域，得到待匹配图像和参考图像的频谱，然后对待匹配图像的频谱和参考图像的频谱分别取模值，建立一个关于两幅图像间旋转角度的等式，找出待匹配图像频谱和参考图像频谱模值的关系，再将等式变换到极坐标下，得到两模值在极坐标下相应的关系等式，最后对极坐标下的等式进行傅里叶变换，根据交叉能量谱公式求得待匹配图像和参考图像之间的旋转角度。

步骤2：得到初步匹配图像，利用傅里叶梅林变换求出的参考图像和待匹配图像间的旋转角度，矫正待匹配图像，得到初步匹配图像。

步骤3：获得初步匹配图像的显著图和参考图像的显著图，并使用SURF角点提取算法提取参考图像显著图和待匹配图像显著图中的特征点。

步骤4：对初步匹配图像显著图中的特征点和参考图像显著图中的特征点进行特征关联，即使用最近距离与次近距离之比的关联方法，让两幅图像中相同物理位置的点对准成一个点，形成关联点。

步骤5：求解仿射变换模型参数，假定初步匹配图像显著图的特征点p₁(x₁,y₁)和参考图像显著图的特征点p₂(x₂,y₂)是关联点，则根据仿射变换，建立二者的关系如下式：