[发明专利]一种亚像素图像配准方法

说明书

本发明涉及图像配准领域，提出了一种亚像素图像配准方法，包括：图像预处理：将图像处理成灰度图像，并对灰度图像中的角点进行像素级识别，得到所有的初始角点；特征提取：对所述提取的初始角点进行亚像素定位；特征匹配：对所述亚像素级角点进行匹配。其中，本发明采用金字塔LK光流算法作为配准算法，解决传统匹配算法因考虑速度而在匹配点周围邻域搜索而无法处理大而不连续的运动的问题，使匹配的精度上了一个台阶，为后续图像重建提供了更为精确的偏移量。

技术领域

本发明涉及图像配准领域，尤其涉及一种特征点的亚像素图像配准方法。

背景技术

图像超分辨率重建是一种在现有红外探测器基础上提升空间分辨率的有效方法。它利用信号处理算法将一组相互之间存在亚像素位移的低分辨率图像信息，融合到一副需要重建场景的参考图像中去，并且在融合的过程中去除模糊、噪声，重建出一副高分辨率的图像。精确快速的配准这些低分辨率图像对于超分辨率图像重建至关重要。

图像配准的目标是校准拍摄于不同视角、不同时间或不同频谱带的两幅图像。待处理图像之间往往存在偏移、旋转、比例等空间变换关系，图像配准就是将这些图像变换到同一坐标系下，以供后续使用。

在中国专利申请CN201710128212中，公开了一种全景图像配准效果检测方法，包括以下步骤：S1：生成训练数据集和测试数据集。S2：生成卷积神经网络模型。S3：基于训练的卷积神经网络测试测试数据集。根据卷积神经网络输出的每块的输出标签，计算每一幅待评价拼接合成图像所有块的输出标签的平均值，然后计算同一拼接算法下所有拼接合成图像输出标签的平均值作为该拼接算法效果好坏的评价等级。该专利中的技术方案属于传统的基于特征的图像配准算法，其算法实现的复杂度较高，计算量较大，匹配时间较长。

在中国专利申请CN201710959793中，提供了一种图像配准方法，包括：根据所述K对匹配对中选取的不同的匹配对组合构建不同的第一平面变换矩阵，利用所述不同的第一平面变换矩阵，分别对所述待配准图像的第一边缘图像进行变换，得到不同的变换后的第一边缘图像；并根据所述不同的变换后的第一边缘图像与所述参考图像的第二边缘图像的重合像素点的不同数量，在所述K对匹配对中选取M对匹配对；根据所述M对匹配对，得到第二平面变换矩阵，利用所述第二平面变换矩阵对所述初始匹配对集合中的特征点进行变换；根据变换后的第一特征点与对应的变换后的第二特征点的第二距离确定候选匹配对；在所述候选匹配对中选定N对匹配对，并以所述N 对匹配对配准图像。但是该专利同样具有匹配精度不高，匹配速度慢的问题。

因此，提高现有技术中图像的匹配精度和速度，成为了本领域研究的重要课题。

发明内容

有鉴于此，本发明的目的在于提出了一种的亚像素图像配准方法，能够解决现有技术中，图像匹配精度不高，配准速度慢的问题。

根据本发明的目的提出的一种亚像素图像配准方法，包括：

图像预处理：将图像处理成灰度图像，并对灰度图像中的角点进行像素级识别，得到所有的初始角点；

特征提取：对所述提取的初始角点进行亚像素定位；

特征匹配：对所述亚像素级角点进行匹配；

其中，所述特征匹配包括初始特征匹配和误匹配排除，所述初始特征匹配采用金字塔LK光流算法作为配准算法，包括采用稀疏光流对图像中的特征点跟踪；采用图像金字塔处理图像中大而不连续运动的物体；所述误匹配排除运用RANSAC算法对匹配点对进行误匹配排除。

优选的，所述图像预处理包括边缘预检测、角点预检测和Harris角点检测。

优选的，所述边缘预检测采用Sobel算子对图像进行边缘检测，获取边缘点。