[发明专利]一种基于点特征和线特征结合的光学图像配准方法

权利要求书

1.一种基于点特征和线特征结合的光学图像配准方法，该方法包括：

步骤1：获取同一景物的多个不同角度的图像，用于图像配准；

步骤2：对步骤1获得不同图像中进行直线匹配；

步骤2.1：从步骤1获得图像中选取一幅图像为参考图像，其余图像为待配准图像；利用LSD算法对参考图像和待配准图像进行直线特征提取；

步骤2.2：利用直线特征对图像进行粗配准；

步骤2.3：首先将匹配的问题化为求解高斯混合模型，估计每幅待配准图像间的直线段相匹配的概率密度函数，最大化密度函数的加权和；参考图像中的线段是高斯混合模型的质心，带配准图像中的线段是观测数据，不同图像中的线段的对应关系为隐藏变量，计算出图像的变换的参数；根据得到的变换参数对带配准图像进行放射变换；

步骤3：对参考图像和步骤2中放射变换后的待配准图像进行点配准；

步骤3.1：对参考图像和待配准图像进行Harris角点检测，检测出的角点为特征点，并且使用SIFT算子描述这些特征点；

步骤3.2：利用K-D树对特征点进行组织结构，利用BBF搜索策略与最近邻/次近邻比率法进行特征点的匹配；

步骤3.3：由于参与配准的图像间存在较大的视角差，所以图像的变换模型这里选择投影变换；最后利用基于RANSAC的算法剔除误匹配点并且得到最优投影变换矩阵参数；

步骤4：利用双线性插值方法得到拼接图像。

2.如权利要求1所述的一种基于点特征和线特征结合的光学图像配准方法，其特征在于所述步骤2.1的具体方法为：

步骤2.1.1：检测直线的候选区域；

首先要对图像做模糊处理，即先对图像做高斯降采样，尺度缩小为原来的80％，之后在2×2的像素区域计算图像中每一点的像素梯度，梯度幅值代表图像中灰度的变化程度，值越大表示相邻像素的灰度跨度越大，值越小说明该像素和其相邻区域大概率是属于同一区域，所以为了有效的提取直线区域根据阈值删除梯度幅值小的点；

步骤2.1.2：生成直线候选区域的过程；

直线候选区域的确定通过迭代实现；在迭代的开始，候选区域是一个点，这个点是具有最大的梯度幅值的点，同时区域的方向是该点的梯度方向；接下来，对候选区域的上下、左右、斜向的相邻像素点的梯度进行计算，当这些像素点的梯度方向与区域的方向的夹角小于预设阈值时，则将他们标记为区域内的点；再对这片区域进行矩形近似；通过计算该候选区域的估计矩阵方向，矩阵的宽和高以及矩阵的中心，通过这些信息来表征直线；

步骤2.1.3：直线的验证；

这里需要对直线进行验证，避免错误检测，其中验证函数为：

其中M和N是图像的分辨率，j表示二项式指数，r表示直线区域，对于每一个候选矩形区域预设一个精度p，对于区域内所包含的像素点的数目n，和图像中与直线域方向相同的点的数目k，通过上面的公式就可以得到NFA值；

其中ε为阈值，q表示量化噪声梯度值，τ表示像素角度误差；

当NFA(r)＜ε认定该条直线是被正确检测到的。