[发明专利]一种基于空间时间序列模型的弱纹理图像配准方法

权利要求书

1.一种基于空间时间序列模型的弱纹理图像配准方法，其特征在于，该方法包括以下步骤：

S1：获取无显著点或线特征的弱纹理图像作为参考图像，获取另一副与参考图像有一定重叠度的弱纹理图像作为待配准图像；

S2：使用空间时序模型方法检测参考图像和待配准图像的特征点；

S3：确定特征点的方向，构造包含梯度方向信息的复合特征点描述子；

S4：通过特征搜索对参考图像和待配准图像进行特征点匹配；

S5：剔除错误匹配对，获得最佳匹配点对和变换模型；

S6：将待配准图像按变换模型做变换，得到配准结果；

步骤S2的具体步骤如下：

S21：逐一选定参考图像上的每个像素点；

S22：围绕选定的像素点从参考图像取图像块，建立空间时序模型，求解模型参数；

S23：利用AIC准则检验所建模型适用性；

S24：基于模型类型参数和检测适用性结果，对选定的像素点定义特征点描述子。

2.根据权利要求1所述的一种基于空间时间序列模型的弱纹理图像配准方法，其特征在于，步骤S2还包括对特征点进行显著性检测的步骤S25，步骤S25具体步骤如下：

将参考图像或待配准图像分成若干个图像块；

依次计算每个图像块中选定像素点的特征点描述子和当前块内其他各个像素点的特征点描述子的欧氏距离，将欧式距离值加权后进行求和，得到加权和；

当加权和大于阈值时，判定选定像素点是显著性的特征点，保留下来用于图像配准，反之，选定的像素点不是显著性的特征点，弃之，不用于图像配准。

3.根据权利要求1所述的一种基于空间时间序列模型的弱纹理图像配准方法，其特征在于，步骤S3的具体步骤如下：

计算选定的特征点的梯度模值和方向，用直方图统计选定的特征点邻域内各个像素点的梯度方向和幅值，直方图峰值方向表示特征点的主方向，基于主方向和步骤S2中构造的特征点描述子，构造复合特征点描述子。

4.根据权利要求1所述的一种基于空间时间序列模型的弱纹理图像配准方法，其特征在于，在步骤S4中，采用KD树或快速最近邻算法或K-最近邻算法进行特征搜索，找到参考图像和待配准图像特征点之间的对应关系。

5.根据权利要求1所述的一种基于空间时间序列模型的弱纹理图像配准方法，其特征在于，在步骤S5中，采用随机抽样一致算法对S4中获得的特征点进行提纯处理，剔除错误匹配对。