[发明专利]一种基于SIFT和验证机制的图像配准方法

说明书

一种基于SIFT和验证机制的图像配准方法，首先，通过改进后的SIFT算法从参考图像和待匹配图像中提取特征；其次，利用Harris算法提取出可以作为匹配过程中基准点的角点，以两个角点的连接线作为基准方向；然后，对于SIFT算法匹配出来的特征点对，分别与各自图像中的基准点连线，并计算其与基准方向之间的夹角，通过计算夹角之间的差值来判断是否满足所设定的阈值条件，若符合，则视其为匹配点对，反之，则为误匹配。本发明提供一种有效去除误匹配且同时避免正确匹配点、准确性较高的基于SIFT和验证机制的图像配准方法。

技术领域

本发明属于图像处理技术领域，涉及到图像配准方法。

背景技术

图像配准是针对不同摄像机在不同时间、不同视角下拍摄的两张或多张同一场景的图像进行对齐处理的过程，覆盖了从图像融合到图像拼接的许多实际应用领域以及医学图像处理、计算机视觉、模式识别等科研领域。目前，图像配准方法大致可以分为三类：基于灰度信息的配准方法、基于变换域的配准方法和基于特征的配准方法。基于特征的配准方法，图像配准的鲁棒性和稳定性较高，特征点数量丰富，应用范围较广，因此受到广泛关注和研究，如SIFT，SURF，ORB，BRIEF。

Lowe首次提出了尺度不变特征变换的基本思想，并于2004年进行了完善，进而提出了SIFT配准算法。SIFT算法获得的特征描述符具有完全的旋转不变性、完全的尺度不变性、基本完全的光照不变性以及部分的仿射不变性。在一般情况下，SIFT算法能够得到较好的配准结果，但当图像中存在着大量的相似结构时，通过SIFT算法得到的匹配结果中会出现大量的误匹配。因此，SIFT提取特征点后，如何剔除误匹配点对是当前图像配准算法研究的重点和难点。

最近几年又出现了许多新思路、新方法或改进算法，对一些经典方法和新出现的方法作了概述，并将去除误匹配方法分为以下几类：

1.目前常用的方法是利用对极几何约束去除误匹配，如随机取样一致性算法(RANSAC)。然而，RANSAC算法迭代次数较多，运行耗时，而且受初始点集的影响很大，而且在去除误匹配的同时又使得大量正确匹配点对被误删。

2.基于特征点的中值滤波算法，然后采用两次改进的RANSAC算法删除误配,提高正确匹配角点的数量,最后对仿射变换模型参数进行非线性优化以进一步降低图像的配准误差.但该算法不能彻底消除匹配特征点的误差，且耗时。

缺点：SIFT算法配准是以特征点结构的最优相似程度为依据的，而在特征点集中存在大量的具有相似结构的特征点，这些特征点之间可能并没有对应关系，因此导致了误匹配的发生，而忽略真正的正确匹配点对。RANSAC方法受初始点集的影响很大，而且在去除误匹配的同时又使得大量正确匹配点对被误删。

发明内容

为了克服现有的图像配准方法的匹配准确性较差的不足，本发明提供一种有效去除误匹配且同时避免正确匹配点、准确性较高的基于SIFT和验证机制的图像配准方法。

本发明解决其技术问题所采用的技术方案是：

一种基于SIFT和验证机制的图像配准方法，所述配准方法包括以下步骤：

1)利用SIFT算法从参考图像和待匹配图像中提取特征点；

2)从图像中提取角点集，得到初步的对应角点集合，过程如下：

2.1)利用Harris角点算法提取角点，计算原始图像中每个像素点对应的角点响应函数CRF，响应函数CRF所对应的极大值点就是图像的角点位置；

2.2)在角点集中任意选取4点集X＝{a,b,c,d}，确定了两个独立的比值，每一个比值是有三个共线的点计算得到的，ab和cd在一个中间点相交与e，以下式(1)和(2)得到两个比值: