[发明专利]一种图像配准方法、装置、设备及存储介质

权利要求书

1.一种图像配准方法，其特征在于，所述方法基于Oriented FAST特征改进的PCA-SIFT图像配准，包括以下步骤：

步骤一：对输入图像构建尺度空间，使用FAST方法进行特征点探测；

步骤二：使用非极大值抑制及空间邻域差熵的方法完成特征点筛选；

步骤三：对特征点位置在尺度空间进行二维拟合插值，对特征点尺度进行一维拟合插值；

步骤四：在特征点邻域内计算图像质心，以特征点与质心夹角作为特征点主方向；

步骤五：基于PCA-SIFT方法在特征点邻域建立m维描述子，对特征进行描述；

步骤六：利用K-D树算法进行搜索匹配，并使用RANSAC算法去除误匹配点对。

2.根据权利要求1所述方法，其特征在于：步骤一中构建尺度空间包括：构造n个octave层(用ci表示)和n个intra-octave层(用di表示)，i＝{0,1,...,n-1}；其中，octave层的产生：c0层就是原图像，c1层是c0层的2倍下采样，c2层是c1层的2倍下采样，以此类推；intra-octave层的产生：d0层是原图像的1.5倍下采样，d1层是d0层的2倍下采样，d2层是d1层的2倍下采样，以此类推。

3.根据权利要求1所述方法，其特征在于：步骤一中FAST特征点的检测包括：使用FAST9-16方法进行快速特征点检测，在检测点以n1像素为半径的圆上的n2个像素，存在连续n3个像素以上与检测点灰度差值超过设定阈值，则初步认定为特征点，其中，所述n1、n2及n3为正整数。

4.根据权利要求1所述方法，其特征在于：步骤二中特征点筛选包括：首先进行非极大值抑制即特征点所在位置空间及上下相邻层尺度空间邻域点中，特征点的FAST得分值若最大，则保留此特征点；其次计算特征点邻域当前层灰度熵及相邻层灰度熵，层间差熵大于设定阈值则保留此特征点。

5.根据权利要求1所述方法，其特征在于：步骤三具体包括：对特征点所在层及相邻上下层的FAST得分值进行二维二次函数插值得到真正意义上的得分极值点及其精确的坐标位置；再对尺度方向进行一维插值，得到极值点所对应的尺度。

6.根据权利要求1所述方法，其特征在于：步骤四具体包括：以特征点为原点建立坐标系，在特征点邻域D定义图像的矩为：

其中x,y为像素横纵坐标，I(x,y)为点(x,y)对应灰度值，则可得邻域质心及特征点方向：

θ＝arctan(m₀₁,m₁₀)

7.根据权利要求1所述方法，其特征在于：步骤五中基于PCA-SIFT方法在特征点邻域建立m维描述子包括：对特征点确定一个k*k的邻域，旋转这个邻域到主方向；计算邻域内各像素点的水平梯度与垂直梯度，这样每个特征点确定了一个大小为k*k*2维的特征描述子；计算数据矩阵的协方差矩阵N及其特征值、特征向量，选择前n个最大的特征值对应的特征向量，构成投影矩阵T；对新的特征描述子向量，乘以投影矩阵T，将描述子维数降到n维。

8.根据权利要求1所述方法，其特征在于：步骤六具体包括：特征点匹配是一种在高维空间计算向量相似度的过程，以欧式距离为度量函数，采用比值法即查询向量与次邻近向量和最邻近向量距离比值小于设定阈值才认为它们之间存在匹配关系；搜索过程将参考图像的特征点集合作为构建KD树空间的输入，配准图像的特征点集合作为查询向量，从KD树顶端开始搜索，基于比值法完成粗匹配；只依赖向量相似性度量和阈值进行匹配，会存在误匹配点，使用RANSAC算法处理粗配准后的特征点匹配集合，经过迭代计算，满足模型的匹配点对保留，不满足模型的匹配点对剔除。