[发明专利]一种可见光宽带光谱图像配准方法

摘要

本发明公开了一种可见光宽带光谱图像配准方法，包括对图像进行灰度化、去噪和降采样处理，利用SIFT算法提取图像特征点并构造特征描述算子；通过k-d树最近邻方法对特征点进行匹配，对匹配特征点进行坐标升采样处理；根据图像退化阈值T，利用欧式距离对错误匹配点进行约束，获得约束后匹配点集Ω_N；对约束后匹配点集进行m对匹配点空间均匀采样，获得均匀分布的匹配点集Ω_m；利用最小二乘方法求解图像放射变换参数矩阵T_m，利用T_m对待配准图像进行坐标变换和双线性插值计算；以参考图像和配准图像的互信息MI_m作为评价指标，锁定最大互信息MI_max对应的配准图像，实现可见光宽带光谱图像的配准。本发明能显著降低错误匹配点数目、提高图像配准精度。

主权项

一种可见光宽带光谱图像配准方法，其特征在于，包括以下步骤：步骤1：参考图像和待配准图像灰度化，其具体实现过程是将真彩色RGB图像转换成灰度图像；步骤2：根据宽带光谱成像系统噪声类型，对参考图像灰度图和待配准图像灰度图去噪声处理；步骤3：对参考图像灰度图和待配准图像灰度图进行一次或二次降采样处理，提高后续计算效率；步骤4：利用SIFT算法提取参考图像灰度图和待配准图像灰度图中的尺度不变特征点，构造特征点的描述算子；步骤5：利用基于k‑d树的最近邻方法对特征点进行匹配，设置匹配特征点之间最近距离除以次近距离比例接受阈限为0.6；步骤6：对参考图像和待配准图像匹配点坐标进行一次或二次升采样处理，计算得到匹配点在原图像中对应的坐标；步骤7：根据统计的图像像素偏移阈值范围T，利用匹配点之间的欧氏距离对错误匹配点进行约束，获得约束之后的正确匹配点集Ω_N，其中包含N对匹配点，具体过程如下：经过k‑d树最近邻方法对参考图像和参考图像提取的SIFT特征点进行匹配后，共得到X对匹配点，分别以P_base‑i和P_warp‑i(i＝1、2、3、…、X)对应表示参考图像和待配准图像的匹配点集，则对应匹配点之间的欧式距离能表示为式一的形式：dist(i)＝||P_base‑i‑P_warp‑i||，(i＝1、2、3、…、X)   (式一)设参考图像和待配准图像的像素最大偏移阈值为T，约束之后共得到N(N<X)对匹配点，则有式二：dist(j)＝(dist(i)≤T)，(i＝1、2、3、…、X，j＝1、2、3、…、N)   (式二)此时，确定的约束后匹配点集Ω_N，参考图像和待配准图像的对应匹配点集分别为P_base‑j和P_warp‑j(j＝1、2、3、…、N)；步骤8：根据步骤7确定的约束后匹配点集Ω_N，对约束后匹配点集进行m对匹配点空间均匀采样，获得均匀分布的匹配点集Ω_m，同时利用最小二乘方法求解图像仿射变换参数矩阵T_m；所述的空间均匀采样的方法如下：以参考图像的匹配点集P_base‑j为对象进行空间均匀采样，研究假设选择具有最大方差的匹配点作为第一个匹配点，将使得随后匹配点在剩余匹配点集中也具有最大方差，首先计算匹配点集坐标矩阵P_base‑j的方差，挑选方差最大的特征点作为第一个空间均匀匹配点，即：$S_1=\underset{P_{\mathrm{base}-j}}{\arg }\max \mathrm{VAR}\left(P_{\mathrm{base}-j}\right),(j=\mathrm{1,2,3},...,N)$   (式三)其中，VAR(P_base‑j)表示参考图像匹配点集P_base‑j的方差；剩余空间均匀匹配点的选择都遵循使当前挑选匹配点与距离自身最近的已选匹配点的欧式距离最大化原则，假设已经从匹配点集P_base‑j的N个匹配点中选择了m(m<N)空间均匀匹配点，则剩余N‑m个匹配点，然后利用式四计算剩余N‑m个匹配点指标Q_k，$Q_k=\underset{l=1}{\overset{k=1}{\min }}\left\{{\mathrm{\&Delta;D}}_{k,l}\right\}$   (式四)其中，ΔD_k，l表示在二维坐标空间中剩余匹配点中的第k(k∈{1、2、…、N‑m})个匹配点与已选空间均匀匹配点中的第l(l∈{1、2、…、m})个匹配点之间的欧式距离，则要选定的第m+1个空间均匀匹配点为最大Q_k值对应的匹配点为：$S_{m+1}=\underset{Q_k}{\arg }\max \left(Q_k\right),k\&Element;\{\mathrm{1,2},...,N-m\}$(式五)对约束后匹配点集进行m对匹配点空间均匀采样，获得均匀分布的匹配点集Ω_m，由于计算仿射变换矩阵T_m时至少需要三对匹配点，因此m的取值范围为3≤m≤N；步骤9：利用步骤8中计算得到的仿射变换矩阵T_m和双线性插值方法，对待配准图像进行配准变换，得到仿射变换矩阵T_m对应的配准后图像，并对配准后图像进行灰度化处理；步骤10：计算参考图像与仿射变换矩阵T_m对应的配准后图像之间的互信息值MI_m，对于给定的参考图像X和配准图像Y，它们之间的互信息值为：MI(X,Y)＝H(X)+H(Y|X)＝H(X)+H(Y)‑H(X,Y)   (式六)其中，$H\left(X\right)=-\underset{x=X}{\mathrm{\&Sigma;}}p\left(x\right)\log p\left(x\right);$$H\left(Y\right)=-\underset{y=Y}{\mathrm{\&Sigma;}}p\left(y\right)\log p\left(y\right);$$H(X,Y)=-\underset{x=X}{\mathrm{\&Sigma;}}\underset{y=Y}{\mathrm{\&Sigma;}}p(x,y)\log p(x,y);$其中，p(x)和p(y)分别表示参考图像X和配准图像Y中的灰度的概率分布，p(x，y)表示图像X和图像Y灰度值的联合概率密度；步骤11：当匹配点空间均匀采样数m从3到N逐个取值时，对应获得N‑3+1＝N‑2个互信息值MIm，比较获得N‑2个互信息值MIm的大小，锁定最大互信息值MImax，其对应的配准图像即为最终的配准图像，完成可见光宽带光谱图像配准。