[发明专利]基于特征导向GMM和边缘图像的图像配准方法及系统

摘要

一种基于特征导向GMM和边缘图像的图像配准方法及系统，包括计算待匹配的两幅图像的边缘图像，提取边缘图像的特征点集，根据特征描述向量集设定GMM模型的隶属度建立待匹配图像间几何变换相应的模型，通过最优化方法求解模型参数；重新计算特征点集中特征点另一特征点集中特征点的匹配点的后验概率，并根据阈值判断二者是否互为匹配点。本发明针对待匹配图像之间存在仿射变换的情况进行了建模，相较于之前最优的方法鲁棒性、准确性更佳，尤其在数据退化严重的情况下表现稳定。

主权项

1.一种基于特征导向GMM和边缘图像的图像配准方法，其特征在于：包括以下步骤，步骤1，计算待匹配的两幅图像A和B的边缘图像，得到边缘图像A'和B'；步骤2，提取边缘图像A'和B'的特征点集，得到特征点集N、M分别为图像A'和B'中找到的特征点的数目，为特征点集相对应的特征描述向量集；步骤3，根据特征描述向量集Sx、Ry设定GMM模型的隶属度πmn，实现方式如下，计算Sx中每一个特征描述向量sn与Ry中每一个特征描述向量rm的欧氏距离；对于Sx中任一个特征描述向量sn，分别寻找Ry中与其欧氏距离最近的两个的特征描述向量，求取这两个特征描述向量到sn欧氏距离之比；设Ry中与sn最近的一个特征描述向量为ri，如果所求比值小于等于预设的阈值T，则设定ri相应隶属度πin＝τ，其他隶属度πmn＝(1‑τ)/(N‑1)，其中m＝1,2,...,M且m≠i；如果欧氏距离之比大于预设的阈值T，则平均设定所有隶属度πmn＝1/N，其中m＝1,2,...,M；步骤4，建立待匹配图像间几何变换相应的模型，实现如下，针对待匹配图像间的仿射变换，建立变换数学模型如下，y＝t(x)＝Ax+o其中，x和y分别是图像A和图像B上像素的坐标向量，t(x)表示仿射变换关系，A是一个2×2的仿射矩阵，o是一个2×1的矩阵，表示待匹配图像间的平移；特征点集Y中ym是特征点集X中xn的匹配点的后验概率pmn有如下后验概率数学模型，其中，γ和σ均为模型参数，e为数学常量，a为图像的像素总数；步骤5，通过最优化方法求解模型参数A、o、γ、σ，包括以下子步骤，步骤5.1，初始化，包括令参数γ＝0.9，A＝I2×2，o＝0，pmn＝πmn，m＝1,2,...,M，n＝1,2,...,N，令当前迭代次数J＝1，采用下述模型参数公式计算σ，其中，全部后验概率的总和步骤5.2，根据当前的模型参数A、o、γ、σ，更新矩阵P，包括定义矩阵P为一个M×N的矩阵，采用步骤4中所述后验概率数学模型，计算P矩阵中的每个元素pmn，m＝1,2,...,M，n＝1,2,...,N；步骤5.3，计算参数A、o、γ、σ，如下，采用下述公式计算参数A，其中，矩阵tr(.)为矩阵的迹，d(.)表示将向量转化为对角线矩阵；I_N×1、I_M×1都是元素全为1的向量；采用下述公式计算参数o，o＝μy‑Aμx采用下述公式计算参数σ2，采用下述公式计算参数γ，γ＝1‑MP/M采用步骤5.1中模型参数公式计算σ；步骤5.4，判别收敛条件，包括计算当前的参数L，当满足J＝Jmax或者(L‑Lold)/Lold≤ε时，结束迭代，进入步骤6，其中Jmax为预设的最大迭代次数，ε是收敛阈值；否则，J＝J+1，返回步骤5.2；所述参数L的计算公式如下，其中，Lold表示上一次计算得到的L；步骤6，重新计算特征点集Y中ym是特征点集X中xn的匹配点的后验概率pmn，并根据阈值判断二者是否互为匹配点，实现如下，将所述步骤5中求解的模型参数代入步骤4中所述后验概率数学模型，计算得到特征点集Y中ym是特征点集X中xn的匹配点的后验概率pmn；当pmn≥threshold时，则认为ym与xn互为匹配点；当pmn

下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。 免登录下载普通用户下载升级VIP会员，免费下载

该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于武汉熹光科技有限公司，未经武汉熹光科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】

本文链接：http://www.vipzhuanli.com/patent/201610201334.4/，转载请声明来源钻瓜专利网。