[发明专利]一种图像配准的综合评价指标生成方法

摘要

本发明公开了一种图像配准的综合评价指标生成方法，其步骤包括：在初始匹配特征点对中随机选取，得到其子集，利用子集计算变换矩阵；计算每对匹配特征点对的匹配误差和所有匹配误差的均值，通过前者小于后者的数目获得累积误差消除指标Z；计算参考图像中不同匹配特征点对间距离总和，将参考图像划分图像块，统计其中的匹配特征点对占比与其最大值和最小值之差，获得分布指标P；计算每对匹配特征点对的匹配量化误差并求和，得到匹配量化误差指标O；计算所有匹配特征点对匹配误差均值并求出均值量化误差指标R；将Z、P、O和R组合计算最终的综合评价指标RE。本发明能够有效解决RMSE类似评价指标会受到特征点数目和误差均值影响的问题。

主权项

一种图像配准的综合评价指标生成方法，其特征在于，包括如下步骤：步骤1：输入来自同一图像传感器对同一地区在不同时间获取的两幅图像I1和I2，它们的像素尺寸大小均为M×N像素，每幅图像分别以其左上角作为坐标原点，为了便于描述，称图像I1为参考图像，称图像I2为浮动图像，则上述两幅图像分别表示为It＝{It(x,y)|t＝1,2；1<x≤M；1<y≤N}，其中x和y分别为图像的行序号和列序号，M和N分别为图像It的最大行序号和最大列序号；步骤2：采用基于特征点的图像匹配算法计算参考图像I1和浮动图像I2对应的匹配特征点对集合将作为最初的匹配特征点对集合，下标CS为任意特征点匹配算法得到的匹配特征点对的总数目，和分别是匹配特征点对在参考图像和浮动图像中的特征点集合，和分别表示参考图像I1和浮动图像I2中的第k对匹配特征点的坐标；步骤3：从最初的匹配特征点对集合中随机选取C对，得到匹配特征点对子集计算其得到的变换矩阵T，将和与T代入欧式距离误差公式，得到一对匹配特征点对的匹配误差El，然后计算所有匹配特征点对的匹配误差均值Ee；步骤4：统计匹配特征点对的匹配误差El中小于匹配误差均值Ee的匹配特征点对的个数Ce，按照公式Z＝Ce/C计算得到累积误差消除指标Z；步骤5：计算参考图像I1的匹配特征点集合中任意两个不同特征点之间坐标的欧氏距离，并求这些欧氏距离的值的和，得到特征点间距离总和Dsum；步骤6：计算参考图像I1的剖分块数目参数rS，并将参考图像I1剖分为rS×rS个子图像块，计算匹配特征点子集中落在每个图像块中的匹配特征点数目占匹配特征点总数C的比例，再由该比例的最大值减去最小值得到分布均匀性评价指标Db，然后计算匹配特征点对分布指标P；步骤7：计算第l对匹配量化误差对所有C对匹配特征点对匹配量化误差求和，得到匹配量化误差指标O；再利用所有匹配特征点对的匹配误差均值Ee求得均值量化误差指标R；步骤8：将步骤4、步骤5、步骤6、步骤7得到的累积误差消除指标Z、匹配特征点对分布指标P、匹配量化误差指标O、均值量化误差指标R代入公式RE＝(Z·P·O)R计算最终的综合评价指标RE。