[发明专利]一种基于归一化互相关和SIFT的太阳图像配准方法

权利要求书

1.一种基于归一化互相关和SIFT的太阳图像配准方法，其特征在于：包括如下步骤：首先对一组分别来自SDO的全日面观测图像和NVST的太阳局部高分辨率观测图像进行降采样预处理；然后使用归一化互相关匹配算法，解决待配准区域视场不一致问题，计算全日面图像与局部高分辨图像的最佳匹配位置，以该位置截取子图作为待配准的参考图像；采用基于尺度不变的特征检测算子(SIFT)对待配准图像进行特征检测，获得特征点集；使用MLESAC算法消除误匹配特征点对；最后使用最小二乘法求解图像间的变换参数，得到配准结果。

2.根据权利要求1所述的基于归一化互相关和SIFT的太阳图像配准方法，其特征在于：所述方法的具体步骤如下：

步骤1：输入两幅太阳观测图像，其中一幅是来自SDO的全日面观测图像，作为参考图像I₁，另一幅是来自NVST的太阳局部高分辨率观测图像，作为浮动图像I₂，对两幅图像分别进行预处理，首先对两幅图像进行降采样，SDO全日图缩小0.5倍，NVST局部高分辨率图像缩小0.1倍，采用瑞利分布，增强系数为0.2对两幅图像I₁、I₂进行限制对比度直方图均衡增强；

步骤2:使用归一化互相关匹配算法，解决待配准区域视场不一致问题，计算全日面图像与局部高分辨图像的最佳匹配位置，以该位置截取子图作为待配准的参考图像；

归一化互相关匹配算法的原理是：待检测图像S的大小为M₁×M₂，模板图像T的大小为N₁×N₂，M₁大于N₁、M₂大于N₂，模板图像T在待检测图像S上从左到右、从上到下逐像素搜索，搜索窗口所覆盖的子图记作S_i,j,其中(i,j)是子图的左上角顶点在待检测图S里的坐标，通过相关函数R(i,j)计算每个子图与模板图之间的灰度相关系数，系数最大的子图坐标即为匹配位置：

步骤3:用SIFT特征点检测和匹配：

Step3.1:建立尺度空间，检测关键点：

一副图像I(x,y)的尺度空间函数L(x,y,σ)可以定义为对图像作可变尺度的高斯卷积：

L(x,y,σ)＝G(x,y,σ)*I(x,y)

其中G(x,y,σ)为二维高斯核函数，表示为：

借助高斯差分算子DoG构造高斯差分金字塔，即利用不同尺度的高斯差分核与图像进行卷积：

D(x,y,σ)＝(G(x,y,kσ)-G(x,y,σ))*I(x,y)＝L(x,y,kσ)-L(x,y,σ)

关键点是由DoG空间的局部极值点组成的，关键点的初步探查是通过同一组内各DoG相邻两层图像之间比较完成的，为了寻找DoG函数的极值点，每一个像素点要和它所有的相邻点比较，看其是否比它的图像域和尺度域的相邻点大或者小，中间的检测点和它同尺度的8个相邻点和上下相邻尺度对应的9×2个点共26个点比较，以确保在尺度空间和二维图像空间都检测到极值点；

由于DoG值对噪声和边缘较敏感，且在图像边缘有较强的边缘响应，对上述检测到的极值点消除边缘效应，并去除低反差的点，就可以得到比较精确的极值点，也即关键点；

Step3.2:关键点方向分配，生成关键点描述子：

求每个极值点的梯度，按照梯度直方图的峰值来为极值点赋予方向；

像素点的梯度表示：

梯度幅值：

梯度方向：

对关键点周围图像区域分块，计算块内梯度直方图，生成具有独特性的向量，这个向量是该区域图像信息的一种抽象，具有唯一性；

Step3.3:关键点匹配：

对参考图和浮动图建立关键点描述子集合，计算两个集合的描述子的相似度来匹配关键点，在特征点不多的情况下关键点的匹配直接采用穷举法来完成；

参考图中关键点描述子：

R_i＝(r_i1,r_i2,L,r_i128,)

浮动图中关键点描述子：

S_i＝(s_i1，s_i2，L，s_i128，)

任意两描述子相似性度量：

要得到配对的关键点描述子，d(R_i，S_i)需要满足：

临界值Threshold为0.6-0.75；

步骤4：MLESAC算法剔除误匹配点：

MLESAC算法使用混合概率模型来表示误差分布：

其中e为估计误差，σ为高斯分布方差，γ为概率模型加权值，v是均匀分布的搜索窗口常量；

从上式的概率模型可以看出，内点分布采用的是高斯分布，而外点outliers采用的则是均匀分布，而MLESAC算法仍然采用随机抽样的方法，这样一个求解最大似然估计问题可以转化成求解代价函数最小值问题，代价函数如下式所示：

步骤5：变换参数估计：

设一点坐标为(x₀，y₀)，则经过仿射变换后的坐标(x₁，y₁)可以用矩阵表示为：

[x₁ y₁ 1]＝[x₀ y₀ 1]×T

其中T为仿射矩阵：

其中t₁₁,t₁₂,t₂₁,t₂₂是旋转和缩放尺度参数，而t_x,t_y是平移参数，只要存在3对特征点，就可以联立方程求解出仿射参数；存在4对或以上个数对特征点时利用最小二乘法求解出精确的仿射参数。

3.根据权利要求2所述的基于归一化互相关和SIFT的太阳图像配准方法，其特征在于：若步骤5执行一次后求解出的仿射参数的精确达不到要求，则将步骤5执行一次后得到的配准结果作为浮动图重复上述步骤3、4、5，迭代3至5轮后，得到高精度的仿射参数。