[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

说明书

本发明提出的一种基于空间时间序列模型的弱纹理图像配准方法，包括以下步骤：获取参考图像和待配准图像；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；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；通过特征搜索对参考图像和待配准图像进行特征点匹配；剔除错误匹配对，获得最佳匹配点对和变换模型；将待配准图像按变换模型做变换，得到配准结果。本发明与区域相比，本发明用图像特征取代直接灰度运算，具有特征法效率高、准确等优点；与特征法相比，本发明降低了算法对显著特征的依赖程度，不需要人工添加辅助特征，避免零件划伤，提高了算法的鲁棒性，可以实现自动配准。

技术领域

本发明涉及图像配准领域，尤其涉及一种基于空间时间序列模型的弱纹理图像配准方法。

背景技术

图像配准是将相同场景在不同时间、不同视角、不同传感器采集的两幅或多幅图像相互叠加的过程，它实现了参考图像和待配准图像几何意义上的对齐。图像配准的应用范围十分广泛，包括机器视觉、三维重建、遥感图像处理、目标分类和检索、图像理解和融合等。图像配准方法包括基于区域、基于线特征或面特征和基于点特征配准法。

区域配准法直接利用图像的灰度信息计算图像的相似程度，其处理过程为：首先选择适合图像特点的相似度量函数，然后在选定的几何变换模型参数空间类内，按照一定的搜索策略进行搜索，找到能够令相似度达到最大的几何变换参数。这类方法是通过在待配准图像中搜索与参考图像相似度最大的区域进行配准，不涉及特征的提取，在匹配时采用区块作为配准单元进行匹配估计，而相似度量函数的选择是决定模板配准的精确性和效率高低的关键因素。

江苏大学的殷苏民提出了一种基于模板匹配的检测算法来实现缸体的在线自动检测。实验在发动机缸体特定的小区域使用粗精结合搜索策略改进的序贯相似度算法实现缺陷检测(殷苏民,鲍红力,吉彬斌,等.基于小区域模板匹配的发动机缸体缺陷检测[J].传感器与微系统,2012(06):143-145.)。深圳航天科技创新研究院的吴晓君等提出了一种快速高精度几何模板配准方法，针对目标图像出现位移、旋转、缩放、部分遮挡等情况，可以应用于机器视觉标定和识别的场合(吴晓军.一种带旋转、缩放的快速高精度几何模板匹配方法:中国,CN2016102093086[P].2016-09-07.)。哈尔滨理工大学的王沫楠等人建立了一套医学影像图谱图像库，由于采用CT拍摄的灰度图像具有清晰的识别度，根据目标图像标签与图像库中的图谱标签，结合图像标签的灰度信息和梯度信息，将最佳图谱图像标签融合成一幅图像作为配准模板，有效的提高了配准的精确性(王沫楠,李鹏程,荆俊桐.一种基于多图谱标签融合的医学图像配准算法:中国,CN107093190[P].2017.08.25.)。

区域配准法不依赖于特征的提取，而是对整副图像进行全局运算，原理简单，易于实现。近年来，对于这类算法的改进方向，主要集中在相似性测度的构建和搜索策略的优化上。但是，通过改进相似性测度的构建，各类算法依然无法解决信息量过大导致的算法时间复杂度高的问题。通过改进搜索策略，逐层缩小搜索范围，在一定程度上有提高效率的作用。但是，与医学影像中清晰分明的灰度图像不同，大尺寸零件测量等应用场合，常出现大面积的弱纹理区域。弱纹理区域各处灰度值相近，在粗配准过程中就存在大量的误配准，导致算法失效。此外，图像噪声不可避免地存在，以至图像灰度发生变化，从而影响配准的精度。

点特征配准法，一般以角点或特征点作为图像匹配的基本单元，通过从基准图像和待配准图像之间的对应关系估算出两者之间的几何变换模型及参变量的值。首先选择合适的特征点类型，进行特征点的检测，然后匹配两幅图像中的特征点，选取相应的几何变换模型并进行参变量估计，最后通过图像变换完成配准。局部图像特征的描述方法是决定点特征配准法精度高低和效率高低的关键。