[发明专利]基于FAST特征提取和PIIFD特征描述的异源图像配准方法

说明书

本发明公开了一种基于FAST特征提取和PIIFD特征描述的异源图像配准方法，通过FAST特征提取、PIIFD特征描述、最近邻比例阈值粗匹配、RANSAC错配剔除、最小二乘法仿射变换计算，能够得到异源图像之间的空间变换关系。本发明技术解决方案流程完善，鲁棒性高，实用性强，不易受异源图像品质的影响，能克服图像背景等因素对特征提取的干扰，可以很好地解决目前异源图像配准精度低、误差大、速度慢等问题。

技术领域

本发明涉及异源图像方法，具体是一种基于FAST特征提取和PIIFD特征描述的异源图像配准方法。

背景技术

异源图像配准是异源图像融合的一个技术难点和必要步骤。具体地说，异源图像配准是要寻找异源图像间像素点的空间变换关系，使得一图像中的像素点准确映射到另一幅图像中的像素点上。在过去的三十年，图像配准与融合技术得到了快速发展，并逐步应用到军事、遥测、材料力学、医学应用、数字成像等重要领域。

异源图像配准本身具有极高的复杂性。异源图像的成像机制通常各不相同，因此图像的质量和特点也存在较大的差异。

目前的主流配准方法主要可以分成两类：基于区域灰度信息的配准以及基于图像典型特征的配准。

基于区域灰度信息的配准方法是通过某一区域或整幅图像上的灰度信息的相关性估算两图像间的空间变换。这类配准方法，对图像本身的预处理较少甚至没有，较易受到噪声的干扰，算法稳定性和可靠性一般不强。特别对于数据规模较大、分辨率较高的图像，一般计算效率很低，因此，其应用也受到了较大的限制。

相反地，基于特征的配准方法性能更为稳定，场景适用性更为强大。基于特征的配准力图寻找对旋转、缩放等空间变换保持不变性或者相似性的特征，根据特征的匹配结果计算空间变换关系。由于基于特征的配准方法一般只利用提取到的特征信息而非图像的全部信息，特征提取的质量和匹配的精度都直接影响到方法的性能上。常用的特征包括点特征(角点、交叉点等)、线特征(直线、轮廓线等)、面特征(闭合区域等)及虚拟特征等。从当前的研究进展上看，兼顾计算性能和配准精度，以点特征的研究最为深入。

已有的异源图像配准方法的配准精度仍然较低，在效率和性能两个方面均有巨大的可研空间。为了点特征的提取和描述效率及点特征的匹配效率，亟需优秀的异源图像配准方法进行效率和性能的双重优化。

发明内容

本发明的目的在于克服上述异源图像配准方法的不足，提出一种稳定性更强、速度更快的基于FAST特征提取和PIIFD特征描述的异源图像配准方法。

本发明的原理：

异源图像中的典型点特征存在较强的相似性和相关性。通过提取异源图像中的特征点，并采用合适的特征描述方法，能够较好地衡量特征点之间的匹配关系，进而计算图像之间的空间变换关系。

FAST特征提取将角点定义为：若某像素与其周围邻域内足够多的像素点相差较大，则该像素可能是角点。角点特征的提取效果和效率都更好。

PIIFD是一种首先应用在视网膜图像上的特征描述方法。PIIFD考虑了异源图像之间梯度翻转的效应，在特征描述上也更为准确。

本发明的技术解决方案如下：

一种基于FAST特征提取和PIIFD特征描述的异源图像配准方法，其特征在于，所述方法包括以下步骤：

步骤S1，选取FAST方法提取角点作为特征点；

步骤S2，对步骤S1提取到的角点通过PIIFD法进行特征描述；

步骤S3，对步骤S2得到的特征描述利用最近邻比例阈值策略进行一次双向匹配后，再采用RANSAC法对错误的匹配进行剔除；

步骤S4，对步骤S3得到的特征点匹配结果，利用最小二乘法计算两幅异源图像之间的仿射变换关系。