[发明专利]一种基于改进RANSAC算法的图像配准方法

摘要

本发明公开了一种基于改进RANSAC算法的图像配准方法，包括如下步骤步骤1、采集获得基准图像和待配准图像；步骤2、特征点提取并匹配，获得若干点匹配对；步骤3、对若干点匹配对进行一次筛选，获得一次点匹配对集；步骤4、采用改进的RANSAC算法对一次点匹配对集进行二次筛选，获得二次点匹配对集；步骤5、利用获得的二次点匹配对集进行拼接配准，获得配准图像。本发明提供的基于改进RANSAC算法的图像配准方法，通过提出相似性评价函数并对点匹配对进行一次筛选，提高了运算速度；通过提出改进的RANSAC算法进行二次筛选，采用对图像规则分块的方式，并结合扇形分块使得每个扇形区域中的特征点的个数以及取得每个特征点的概率均相同，提高了图像的配准精度。

主权项

一种基于改进RANSAC算法的图像配准方法，其特征在于，包括如下步骤：步骤1、采集获得基准图像和待配准图像，并对基准图像和待配准图像进行预处理；步骤2、对经预处理后的基准图像和待配准图像分别进行特征点提取，并对提取的基准图像和待配准图像的特征点进行匹配，获得若干点匹配对；步骤3、对步骤2中获得的若干点匹配对进行第一次筛选，获得一次点匹配对集；步骤4、采用改进的RANSAC算法对一次点匹配对集进行第二次筛选，获得二次点匹配对集；步骤5、利用获得的二次点匹配对集进行拼接配准，获得配准图像；其中，所述步骤1中的预处理为高斯平滑处理；所述步骤2中利用SIFT算法对经预处理后的基准图像和待配准图像进行特征点提取，依次对基准图像和待配准图像构建尺度空间，检测尺度空间的极值点并精确定位，精确定位的极值点即为特征点，为每个特征点制定方向参数，并生成每个特征点的描述子，最后根据基准图像和待配准图像的各个特征点的描述子将其进行匹配，获得若干点匹配对；所述步骤3中对若干点匹配对进行第一次筛选的方法如下：利用Pi与待配准图像中所有特征点Pj的欧氏距离和Qi与基准图像中所有特征点Qj的欧氏距离的相似性的关系，若点匹配对(Pi，Qi)和点匹配对(Pj，Qj)是两两正确的点匹配对，则欧式距离d(Pi，Pj)相似于欧式距离d(Qi，Qj)，并提出如下相似性评价函数：W(i)＝Σj(R(i,j))/(1+D(i,j))，D(i,j)＝(d(Pi,Pj)+d(Qi,Qj))/2，R(i,j)＝exp(‑|d(Pi,Pj)‑d(Qi,Qj)|/D(i,j))，其中，Pi表示待配准图像的第i个特征点，Qi表示基准图像的第i个特征点，(Pi,Qi)表示步骤2中若干点匹配对中的任意一对点匹配对，D(i,j)表示Pi和Qi与每对特征点的平均距离；对所有的W(i)求和得到W，并一一判断W(i)与0.8W的大小，若W(i)大于0.8W，则保留该点匹配对；反之，则去除该点匹配对；最终得到一次点匹配对集；所述改进的RANSAC算法包括如下步骤：步骤4‑1、将一次点匹配对集的个数与N整除，若无法整除，则从第一次筛选中去除的点匹配对中找出若干与W(i)的阈值最为接近的点匹配对，重新加入一次点匹配对集中，形成新的一次点匹配对集，以使新的一次点匹配对集的个数可以与N整除；反之，则从一次点匹配对集中去除与W(i)的阈值最为接近的点匹配对，形成新的一次点匹配对集，其中，N为偶数，且8≤N≤20；步骤4‑2、将待配准图像划分成以待配准图像的左上角顶点为中心的N个扇形区域，并使得每个扇形区域中的特征点的个数相同；步骤4‑3、随机抽取待配准图像中N个扇形区域中的4个扇形区域，从4个扇形区域中各随机选择一个特征点，且找到与其对应的基准图像中的特征点，形成4个点匹配对，并求解临时变换矩阵H；步骤4‑4、计算待配准图像中的所有特征点经过临时变换矩阵H后的数值，并与其对应的基准图像中的特征点求欧式距离，如果特征点经过临时变换矩阵H后的数值小于阈值T1，则属于内点，得到内点集：若内点集的个数大于预设的阈值T2，则留下该内点集，并使该内点集的个数为新的阈值T2’；若内点集的个数小于预设的阈值T2，则返回步骤4‑3；步骤4‑5、经若干次迭代，得到最终的内点集，算法结束，此即为二次点匹配对集。