[发明专利]一种快速的多模态图像模板匹配方法

说明书

本发明提供了一种快速的多模态图像模板匹配方法，属于图像识别技术领域。本发明先利用稠密的梯度特征构建一种多维结构特征描述符，并对该描述符进行特征降维，形成一种有效的低维特征描述符，即L‑CMOG描述符，该描述符能有效刻画多模态影像间的共有属性，如结构，轮廓和形状特征等，可以适应影像间复杂的非线性灰度差异，然后利用快速傅里叶变换将L‑CMOG描述符转换到频率空间，利用互相关技术构建匹配相似性测度，并采用模板匹配的策略进行同名点识别。本发明通过以上设计，能有效抵抗多模态影像间复杂的灰度和纹理差异，实现多模态遥感影像，多模态医学影像，多模态自然影像间的快速精确自动匹配。

技术领域

本发明属于图像识别技术领域，尤其涉及一种快速的多模态图像模板匹配方法。

背景技术

影像匹配是在两幅或者多幅影像间识别同名点的过程，是计算机视觉和影像处理一个基础工作。同时，影像匹配也是影像配准，影像拼接、三维重建、目标识别等诸多影像分析工作的一项重要预处理步骤，匹配精度对这些后续的分析与应用产生重要的影响。多模态图像是指利用不同传感器获取的影像数据，主要包括有多模态遥感图像如可见光图像，红外图像，SAR图像等，多模态医学影像如MR核磁共振图像，CT图像，PET(超声波)等，以及多模态自然影像。由于成像机理的不同，多模态图像间往往呈现出完全不同的辐射信息，具体表现为同一场景图像的灰度信息完全不同，即使人眼也难进行同名点识别。

模板匹配是指给一个影像窗口(称为模板)，在待匹配影像上进行逐像素滑动，并利用某种相似性测度来检测最佳匹配窗口，然后将模板窗口和匹配窗口的中心作为同名点的过程，在此过程中，相似性测度的选择至关重要。目前常用的相似性测度有差平方和，归一化相关系数，互信息等，这些相似性测度主要根据灰度信息进行匹配，对于复杂的灰度差异较为敏感，不能很好应用于多模态影像的匹配。鉴于此，许多学者通过提取特征来构建相似性测度，这些特征主要包括梯度方向直方图，局部相似性，相位一致性方向直方图和方向梯度特征通道等，这些特征通过描述和提取影像的结构和形状属性，能较好地抵抗多模态影像间的差异。不过，这些特征维数较高，计算效率较大，其匹配速率还有待进一步的提高。

发明内容

针对现有技术中的上述不足，本发明提供的一种快速的多模态图像模板匹配方法解决了现有模板匹配技术特征维度较高，计算效率较低的问题。

为了达到以上目的，本发明采用的技术方案为：

本方案提供一种快速的多模态图像模板匹配方法，包括以下步骤：

S1、获取参考影像和输入影像；

S2、在参考影像上提取特征点，并根据提取的特征点构建模板区域；

S3、根据所述模板区域，在输入影像上确定待匹配的模板区域；

S4、利用多方向梯度信息分别构建模板区域的低维特征描述符和待匹配模板区域的低维特征描述符；

S5、根据所述模板区域的低维特征描述符和待匹配模板区域的低维特征描述符，利用快速傅里叶变换构建相似性测度，并根据相似性测度识别出待匹配模板区域和模板区域的同名特征点，从而完成对多模态图像模板的匹配。

本发明的有益效果是：本发明首先利用稠密的梯度特征构建一种多维结构特征描述符，并对该描述符进行特征降维，形成一种有效的低维特征描述符，即L-CMOG描述符，然后利用快速傅里叶变换将L-CMOG描述符转换到频率空间，利用互相关技术构建匹配相似性测度，并采用模板匹配的策略进行同名点识别。本发明能有效抵抗多模态影像间复杂的灰度和纹理差异，实现多模态遥感影像，多模态医学影像，多模态自然影像间的快速精确自动匹配，解决了现有模板匹配技术特征维度较高，计算效率较低的问题。

进一步地，所述步骤S2包括以下步骤：