[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

说明书

该发明公开了一种基于点特征和线特征结合的光学图像配准方法，属于图像处理领域，是基于点特征和线特征结合的一种有效的图像配准方法。本发明首先采用LSD算法，对图像进行直线段信息的检测，然后利用线特征结合高斯混合模型算法估算粗配准的仿射变换参数，并对待配准图像进行变化；然后在参考图像和经过几何变换后的待配准图像之间进行点的精确匹配，完成配准工作。针对普通光学图像中存在较大视角差图像的配准问题，使用了一种利用点特征和线特征结合的方法对图片进行配准。采用此方法，一方面利用了直线特征提取的稳定性，另一方面利用点特征匹配的准确性，可以更加准确的对图像进行配准。

技术领域

本发明属于图像处理领域，是基于点特征和线特征结合的一种有效的图像配准方法。

技术背景

现阶段随着传感器和算法的不断发展，可以获得的图像种类也越来越多。图像的应用领域也变得非常广泛，主要应用在虚拟现实和增强现实、医学病理分析、卫星遥感等方面；其中图像拼接、图像融合、目标识别等技术的发展尤为迅速。而作为处理的基础工作图像配准，其性能的优劣也直接影响了后续的功能实现。Dellinger等学者针对SAR图像的特点，改进了SIFT算法，使其在SAR图像的配准上具有更好的表现；另外一种直线匹配的鲁棒描述符(MSLD)被提出，该算法对旋转、光照变化、图像模糊、视点变化等均具有不错的鲁棒性，等等。这些方法有着各自的优势也有着不同的缺点，应用的领域也不尽相同，所以图像配准技术的研究有着重要的意义。

发明内容

本发明针对普通光学图像中存在较大视角差图像的配准问题，使用了一种利用点特征和线特征结合的方法对图片进行配准。采用此方法，一方面利用了直线特征提取的稳定性，另一方面利用点特征匹配的准确性，可以更加准确的对图像进行配准。

本文以数码相机获取的图像为例，对一般的光学图像进行配准，并针对视角差变大图像形状信息更加丰富的情况，使用点特征和直线特征结合的方法进行配准。首先介绍了LSD算法，对图像进行直线段信息的检测，然后利用线特征结合高斯混合模型算法估算粗配准的仿射变换参数，并对待配准图像进行变化。然后在参考图像和经过几何变换后的待配准图像之间进行点的精确匹配，完成配准工作。

本发明技术方案为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。

进一步的，步骤2.1的具体方法为：