[发明专利]一种基于SURF特征提取的图像配准算法

摘要

本发明公开了一种基于SURF特征提取的图像配准算法，采用盒子滤波和积分图像的概念，使用盒子滤波的方法来代替高斯二阶微分，在图像的尺度空间和位置空间搜索DoH(Determinant of Hessian)的局部极值，利用中间的特征点和它相同尺度的8个相邻点，上下相邻尺度对应的9*2=18个点共计26个点进行比较寻找极值点。本发明得到参考图像与待配准图像间的特征点对，据此可以估算出两幅图像间的仿射系数，然后对待配准图像进行插值重采样，最终实现两幅图像的配准。针对参考图像与待配准图像间的特征点对，利用最小二乘法对特征点对求解仿射矩阵，基于双线性插值实现图像间的配准。

主权项

一种基于SURF特征提取的图像配准算法，其特征在于，包括如下步骤：(1)特征检测：采用盒子滤波和积分图像的概念，使用盒子滤波的方法来代替高斯二阶微分，在图像的尺度空间和位置空间搜索DoH(Determinant of Hessian)的局部极值，利用中间的特征点和它相同尺度的8个相邻点，上下相邻尺度对应的9*2=18个点共计26个点进行比较寻找极值点；(2) 主方向的确定：首先以特征点为中心，计算半径为6s(s为特征点所在的尺度值)的邻域内的点在x、y方向的Haar小波(Haar小波边长取4s)响应，并给这些响应值赋高斯权重系数，使得靠近特征点的响应贡献大，而远离特征点的响应贡献小；其次将60°范围内的响应相加以形成新的矢量，遍历整个圆形区域，选择最长矢量的方向为该特征点的主方向，这样，对之前得到的特征点逐个进行计算，逐一得到每个特征点的主方向；(3) 描述子形成：以特征点为中心，首先将坐标轴旋转到主方向，按照主方向选取边长为20s的正方形区域，将该窗口区域划分成4×4的子区域，在每一个子区域内，计算5s×5s(采样步长为s)范围内的小波响应，相对于主方向的水平、垂直方向的Haar小波响应分别记dx、dy，然后对其赋予权值系数；然后将每个子区域的响应以及响应的绝对值相加形成矢量，这样，在每个子区域形成四维分量的，因此，对每一特征点，则形成4×(4×4)=64维的描述向量，再进行向量的归一化；(4) 筛选特征点：通过选取适当的阈值，去除熵值低于此阈值的特征点。