[发明专利]一种基于局部不变特征的多视角电力表计图像配准方法

摘要

本发明涉及一种基于局部不变特征的多视角电力表计图像配准方法，包括两个部分，第一部分是对于所获取多视角的成对的二维图像IA和IB，分别进行局部不变特征提取，第二部分是进行特征匹配，包括：使用二维高斯核构建高斯尺度空间；构建高斯插值DOG和高斯插值金字塔；确定稳定的特征点；剔除不稳定点；确定特征的大小和方向，得到特征向量；初步匹配；精匹配；实现基于局部不变特征的配准。

主权项

1.一种基于局部不变特征的多视角电力表计图像配准方法，包括两个部分，第一部分是对于所获取多视角的成对的二维图像I_A和I_B，分别进行局部不变特征提取，第二部分是进行特征匹配，包括：/n第一部分，设进行局部不变特征提取的二维图像为I(x,y)：/n(1)使用二维高斯核构建高斯尺度空间：通过公式L(x,y,σ)＝G(x,y,σ)*I(x,y)转化为含参数的尺度空间的表示L(x,y,σ)，将二维图像为I(x,y)和高斯函数通过卷积运算，得到高斯尺度空间，即对上一组倒数图像作确定比例因子的降采样，得到的图像作为下一组的第1层；/n(2)构建高斯插值DOG和高斯插值金字塔；在二维图像I(x,y)中，计算两个相邻空间的差，即DOG，用DOG(x,y,σ)＝|G(x,y,kσ)-G(x,y,σ)|*I(x,y)＝L(x,y,kσ)-L(x,y,σ)来表示，在高斯尺度空间中，做差分运算得到高斯差分尺度空间，得到完整的高斯金字塔/n(3)确定稳定的特征点：在二维图像为I(x,y)中，首先将求得的空间函数DOG(x,y,σ)进行泰勒展开，到平方项，即接下来，通过图像的样本点来计算出D和微分，用x＝(x,y,σ)^T表示样本点的偏移量，对该函数求导，如果导数等于0，此时的x的值即为极值即可确定稳定的特征点的位置和曲率；/n(4)剔除不稳定点：在二维图像I(x,y)中进行判断，如果极值都超过阈值，不需考虑方向因素，对于样本点偏移量和其它样本点来说过于接近的样本点，需通过插值被取代，由样本点和偏移量做和运算，得到用来确定关键点尺度、位置的插值估计值，当极值点对比度的值DOG(x_extremum)小于或等于该阈值时，就排除掉该点；采用海森矩阵求解出来主曲率，由于海森矩阵H的特征值与DOG空间函数D的主曲率值成反比，直接计算H的特征值如果Det(H)为负，剔除掉边缘的特征点；/n(5)确定特征的大小和方向：在二维图像I(x,y)中，基于检测的特征点所在的尺度L，通过求出特征点的大方向、梯度值，并计算出具有旋转的不变性的描述符，将特征点作为焦点，在其周围选取一些点，用直方图统计法来表示周围像素的梯度方向，在以上述方法得到的直方图中将值最大的作为主方向，一个特征区域由一个特征点来表示，这个特征点包含了方向位置和所处尺度信息，基于二维图像I(x,y)中的局部不变特征点，得到特征向量。/n第二部分：/n(6)利用度量函数，度量两个原图像I_A和I_B中的特征向量是否具有相似性，在粗匹配过程，首先归一化I_A和I_B的特征向量，计算欧式距离来度量点的相关性，并记录最相关和次相关特征向量，当两个相关度的比值大于设置阈值时就认为最相关，得到初步匹配；/n(7)精匹配阶段，生成每个特征点的描述子，而后利用最近邻算法实现I_A和I_B中特征点对的匹配；计算粗匹配中得到的最近与次近特征点对的欧氏距离之比，并将比值与设定参数进行比对来判断是否匹配成功，即利用图像I_A和I_B中目标的几何形状的相似性从粗匹配中挑选出较为精确的匹配点；/n(8)使用基于随机抽样一致性的方法，来计算并剔除误配点，通过最小二乘法来确定模型的参数和误差，在得到数据的直线方程后，随着迭代次数的不断累积后，将含有偏差不大的数据数目最多的直线确定为最终的模型参数，进而对I_A和I_B实现基于局部不变特征的配准。/n