[发明专利]一种异源图像精确匹配方法

摘要

本发明公开了一种异源图像精确匹配方法，包括：首先，对红外灰度图像与其负像将分别与可见光灰度图像匹配，即两个待匹配图像组；其次，针对待匹配图像组的每幅图像，提取具有尺度不变的关键点，计算关键点邻域的LPQ特征向量；第三，对待匹配图像组中的每幅图像的即SIFT特征、基于角点的形状上下文特征、LPQ特征进行加权融合，然后通过最近邻次近邻比值法对图像进行初始匹配；第四，去除误匹配点；最后，将红外灰度图像与其负像分别与可见光灰度图像匹配的结果整合为最终匹配结果。本发明设计了上下文描述子，获取图像的全局信息，同时为了进一步提高匹配性能，还利用LPQ描述子得到图像模糊不变纹理特征，最终该方法可以得到异源图像精确匹配结果。

主权项

1.一种异源图像精确匹配方法，其特征在于，该方法包括如下步骤：(1)针对待匹配的红外和可见光异源图像，将它们分别灰度化，同时求出红外灰度图的负像，红外灰度图像img1与其负像img3分别与可见光灰度图像img2匹配，即两个待匹配图像组，并将可见光灰度图像img2作为参考图像，红外灰度图像或其负像作为待匹配图像；(2)针对待匹配图像组的每幅图像，基于DOG算法提取具有尺度不变的关键点，对关键点进行SIFT特征向量提取；设计改进的Harris算法提取图像的角点，并建立以角点为参考点的形状上下文特征；基于LPQ算法计算关键点邻域的LPQ特征向量；(3)针对待匹配图像组中的每幅图像的三种特征即SIFT特征、基于角点的形状上下文特征、LPQ特征，分别计算三种特征的相似性系数，采用余弦相似度算法计算SIFT特征向量相似性系数，采用欧式距离算法分别计算基于角点的形状上下文特征向量和LPQ特征向量相似性系数，将三种特征的相似性系数加权融合，作为多特征的联合相似性度量，然后通过最近邻次近邻比值法对待匹配图像组的每组图像进行初始匹配，形成匹配点对数据集；(4)利用RANSAC算法去除匹配点对数据集中误匹配的点对；(5)将红外灰度图像与其负像分别与可见光灰度图像匹配的结果整合为最终匹配结果。