[发明专利]一种图像配准方法、装置、设备及存储介质

说明书

本发明公开了一种图像配准方案，所述方案基于Oriented FAST特征改进的PCA‑SIFT图像配准，包括以下步骤：对输入图像构建尺度空间，使用FAST方法进行特征点探测；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；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；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；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；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。本发明所实现的特征点检测及描述匹配，具有尺度、旋转不变性，无效特征点少，特征描述子维度少，整体图像配准效率高。

技术领域

本发明属于计算机视觉中的特征点检测与匹配技术领域，主要涉及一种图像配准方法、装置、设备及存储介质。

背景技术

图像配准就是对同一目标，在不同条件下(如光照、角度、位置等)获取的两幅或多幅图片进行匹配，图像配准方法中以基于图像特征的方法为主，图像特征相对于基于灰度的方法更不易受光照、噪声等影响，并且拥有更快的配准速度。图像配准中，对参考图像及配准图像进行特征点提取速度及特征点搜索匹配效率是当前各种算法都在努力提升的部分。SIFT算法作为经典的特征检测方法，拥有尺度不变性、旋转不变性，对光照、噪声等影响也有较强鲁棒性，但高斯差分金字塔的构建、极值点的检测及128维描述子的建立导致耗时较长，同时过多的特征点及特征点描述维度带来的后续特征点匹配搜索速度难以提高，使得图像配准效率降低，远不能满足人们对实时的要求。而FAST方法是一种基于灰度变换的快速特征提取方法，相对于SIFT方法提取效率能提升1至2个数量级，但FAST方法不具有方向性，后续提出的Oriented FAST通过求解图像质心的方法解决了方向问题，但提取的特征点往往多于SIFT方法，存在许多无效特征点使得图像配准效率降低。

发明内容

基于上述技术问题，本发明提供一种图像配准方法，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。

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。

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。

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共26个邻域点中，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。