[发明专利]基于傅里叶变换和Hough变换的图像配准方法

说明书

本发明涉及一种基于傅里叶变换和Hough变换的图像配准方法，步骤如下：待配准图通过填充延扩；进行傅里叶变换，将幅度值归一化，并将频域移至中心位置；对频谱图阈值分割，判断中心位置周围的散点未分布在给定矩形范围占总散点数是否超过预设比例，若超过，阈值加1重新阈值分割，否则下一步；设定投票点数值进行Hough直线检测，判断直线数目是否等于3，若不等于，将投票点数值减1重新直线检测，否则下一步；求直线的斜率获得θ，根据角度值对待配准图做仿射变换得到初步匹配图；对标准图和初步匹配图进行基于特征点的匹配，获得最终的配准图。本发明能够实现0°至90°旋转角度和任何平移偏量的图像的快速高精度配准。

技术领域

本发明涉及图像处理领域，特别是一种基于傅里叶变换和Hough变换的图像配准方法。

背景技术

图像配准是图像处理的重要任务之一，用于将不同时间、不同传感器、不同视角以及不同拍摄条件下获取的两幅及以上图像进行几何意义上的匹配。其广泛应用于计算机视觉、医学图像处理、遥感数据分析等研究领域，具有十分重要的研究意义和实用价值。

图像配准的方法一般分为两类：基于区域的图像配准方法和基于特征的图像配准方法，而基于区域的配准又可以分为基于灰度的配准和基于变换域的配准。针对具有平移、旋转、缩放类型的图像匹配最常用的是单一的基于特征的配准或者基于变换域的配准。

基于特征的配准，其能将整个图像的各种分析转化为图像特征的分析，大大压缩了图像信息的数据量，同时保持了图像的平移、旋转等方面的特征，相比于其他方法速度快，鲁棒性好。最经典的是基于特征点的配准方法：SURF和SIFT。SIFT算法使用DoG对LoG进行简化，提高了特征点的搜索速度，并且配准精度很高。SURF算法借鉴SIFT的思想，将DoG中的高斯二阶微分模板进行了近似简化，使得模板只需要进行几个简单的加减法运算就能完成图像的滤波，并且运算量与滤波模板的尺寸无关，且同样具备对图像旋转、平移和尺度变化的不变性，在不降低性能的情况下，SURF算法比SIFT算法速度快。但这两种算法的缺点是：必须要有去除误匹配算法，占据了一定的时间，且有些去除误匹配的算法效果不好。

基于变换域的图像配准，最常用的是傅立叶变换，比如傅里叶梅林变换，将图像变换到频域，并对图像幅度谱进行对数-极坐标变换，在对数-极坐标空间求解相对旋转角度和平移偏量。但是该方法的缺点是：必须事先规定好角度的取值范围，如果仅在整数角度取值，当旋转角度为浮点值时，对角度的估计会有偏差，如果将角度的取值范围进一步细化，则势必增加计算量。

以上两种方法在处理过程中所采用的几何变换都是仿射变换，而仿射变换只能很好的处理二维空间的变换，如果存在微变的三维空间匹配精度会很低。很多基于上述两种方法改进的方法也都没有考虑到这个细节，导致配准精度和正确率一般。

发明内容

本发明的目的在于提供一种基于傅里叶变换和Hough变换的图像配准方法。

实现本发明目的的技术解决方案为：一种基于傅里叶变换和Hough变换的图像配准方法，包括以下步骤：

步骤1，将待配准图进行填充延扩，使其尺寸变为2、3或5的整数倍；

步骤2，对延扩之后的图进行快速傅里叶变换，并对幅度值进行归一化，将频域原点置于整幅图像的中心位置，得到傅里叶频谱图；

步骤3，对步骤2得到的频谱图以设定范围内的某一阈值开始进行阈值分割，判断中心位置周围未分布在给定矩形范围的散点数占总散点数的比例是否超过预设比例，若超过，阈值加1重新阈值分割，若反之，则进行下一步骤；

步骤4，对步骤3得到的阈值图以设定的投票点数值进行Hough直线检测，判断检测到的直线数目是否等于3，若不等于，投票点数值减1重新进行Hough直线检测，若反之，则进行下一步骤；

步骤5，对步骤4得到的直线求其斜率获得旋转角度θ，根据该角度对待配准图做仿射变换获得初步配准图；