融合图像尺度不变特征变换和个体熵相关系数的图像配准方法技术

一种融合图像尺度不变特征变换和个体熵相关系数的图像配准方法，包括如下步骤：1)提取参考图像和浮动图像的尺度不变特征变换SIFT特征点；2)匹配参考图像和浮动图像中的SIFT特征点；3)基于匹配的SIFT特征点利用最小均方根误差建立仿射变换模型；4)利用仿射变换模型对浮动图像进行变换得到粗配准的图像；5)建立新的仿射变换模型并对其参数进行初始化，同时对Powell优化算法的初始搜索点、初始搜索方向进行初始化；6)利用IECC作为相似性度量目标函数，对该目标函数进行优化得到最优的仿射变换参数；7)利用优化出的最优仿射变换对新的浮动图像进行变换得到最终的精配准图像。本发明专利技术同时具有高精度和良好鲁棒性。

【技术实现步骤摘要】

本专利技术涉及图像配准领域，尤其是一种图像配准方法。
技术介绍
图像配准有很多种方法，按照所使用的特征可以分为两类，一类是基于图像灰度 特征的配准方法，另一类是基于图像几何特征的配准方法。一般来说，当图像中包含丰富的 易于检测的几何特征时可以采用基于几何特征的图像配准方法；当图像的几何特征不易检 测或几何特征相似性很高的时候可以采用基于灰度特征的配准方法。然而，任何单一的方 法都会存在一些缺陷。比如，在基于几何特征的配准方法中许多几何特征的提取容易受噪 声的影响，这就会导致检测到的几何特征是不稳定的，从而给参考图像中的特征点和浮动 图像中的特征点匹配带来很大的误差，最终导致配准的精度不高。在基于灰度的配准方法 中利用的是整幅图像的信息，因此会非常的耗时即会导致配准的效率不高；另外非线性的 光照变化会使配准的鲁棒性变差。
技术实现思路
为了克服已有图像配准方法的无法兼顾配准精度和鲁棒性的不足，本专利技术提供一 种同时具有高精度和良好鲁棒性的融合图像尺度不变特征变换和个体熵相关系数的图像 配准方法。 本专利技术解决其技术问题所采用的技术方案是： -种，所述配准方 法包括如下步骤： 1)提取参考图像和浮动图像的尺度不变特征变换SIFT特征点； 2)匹配参考图像和浮动图像中的SIFT特征点； 3)基于匹配的SIFT特征点利用最小均方根误差建立仿射变换模型； 4)利用仿射变换模型对浮动图像进行变换得到粗配准的图像； 5)将粗配准后的图像作为新的浮动图像，原参考图像作为新的参考图像，建立新 的仿射变换模型并对其参数进行初始化，同时对Powell优化算法的初始搜索点、初始搜索 方向进行初始化； 6)利用IECC作为相似性度量目标函数，对该目标函数进行优化得到最优的仿射 变换参数； 7)利用优化出的最优仿射变换对新的浮动图像进行变换得到最终的精配准图像。 进一步，所述步骤2)中，匹配过程如下：对于参考图像中的一个关键点，可以在浮 动图像中找出离该关键点欧氏距离最近的关键点，并设其距离是Cl 1，以及离该关键点欧氏 距离次近的关键点，并设其距离是d2;如果d Vd2的比率小于设定的阈值则认为匹配是正确 的，否则就认为不匹配。 再进一步，所述步骤3)中，利用匹配的特征点集来建立参考图像和浮动图像之间 的仿射变换模型，得到N对特征点对： { (Xr, i) yr, i) , (xf, i) Yf1 i) } i = I,2,3-,N (6) 其中，表示参考图像中的第i个特征点坐，（Xfil，yfil)表示浮动图像中的 第i个特征点； 参考图像和浮动图像之间的仿射变换模型表示为： 其中利用最小均方误差MMSE来估计仿射变换模型中的参数: 其中，s是缩放因子，α是旋转角度，tJP t及别表示X轴和Y轴方向的平移量， (\，L 1)和（Xf，yf，1)分别表示参考图像和浮动图像的特征点，（Xl%1，^ 1)表示参考图像中 的第i个特征点坐，（xfii, yfii)表示浮动图像中的第i个特征点。 更进一步，所述步骤4)中，利用仿射变换对浮动图像进行变换并进行双三次插 值，得到粗配准图像。 所述步骤5)中，利用仿射变换对浮动图像进行变换并进行双三次插值，得到粗配 准图像，建立新的仿射变换模型并对其参数进行初始化，同时对Powell优化算法的初始搜 索点、初始搜索方向进行初始化。 所述步骤6)中，对于给定的参考图像R和浮动图像F分别计算其边缘概率分布 P (A)和p (f,)，以及两幅图像的联合概率分布p (Γι，f,)，参考图像R和浮动图像F的联合概 率分布通过归一化两幅图像的联合直方图得到 其中，Γι是参考图像R的第i级灰度值，f j是浮动图像F的第j级灰度值，h (r u fj) 是图像R和F的联合直方图，bin表示灰度级； 边缘概率密度函数p (Γι)和p (fj)可以通过对联合概率密度函数p (Γι，fj)求和得 至1J，具体地： 个体熵相关系数IECC (R，F)定义为： 本专利技术的有益效果主要表现在：同时具有高精度和良好鲁棒性。【附图说明】 图1是的流程图。【具体实施方式】 下面结合附图对本专利技术作进一步描述。 参照图1，一种，所 述配准方法包括如下步骤： 1)提取参考图像和浮动图像的尺度不变特征变换SIFT特征点； 2)匹配参考图像和浮动图像中的SIFT特征点； 3)基于匹配的SIFT特征点利用最小均方根误差建立仿射变换模型； 4)利用仿射变换模型对浮动图像进行变换得到粗配准的图像； 5)将粗配准后的图像作为新的浮动图像，原参考图像作为新的参考图像，建立新 的仿射变换模型并对其参数进行初始化，同时对Powell优化算法的初始搜索点、初始搜索 方向进行初始化； 6)利用IECC作为相似性度量目标函数，对该目标函数进行优化得到最优的仿射 变换参数； 7)利用优化出的最优仿射变换对新的浮动图像进行变换得到最终的精配准图像。 本实施例中，SIFT特征提取：SIFT是一个用来检测图像局部特征点的算法，该算 法在1999年由Lowe提出 ，到2004年成为了一个成熟的算法。SIFT算法有很多的应用领 域，比如手势识别，目标识别，图像拼接，视频追踪，三维建模和移动匹配等。在本文中SIFT 算法用来提取特征点，然后利用参考图像和浮动图像中匹配的特征点建立仿射变换模型。 尺度空间极值检测是指在图像的尺度空间中找出亮度最大或最小的点。高斯核被 证明是唯一能够产生尺度空间的核。图像的尺度空间就是用高斯核与输入图像进行卷积得 到的。 其中，L(x，y，σ )是尺度空间，G(x，y，σ )是_斯核，I (X，y)是输入图像，σ是空 间尺度因子，*表示卷积操作。 为了得到稳定的极值点，Lowe提出了高斯差分函数这一有效解决方法。 D(x, y, 〇) = (G (x, y, k σ ) ~G (x, y, 〇 )) *1 (χ, y) = L (x, y, k σ ) (x, y, 〇 ) (3) 其中D (x，y，〇)是高斯差分函数，k是常乘积因子。 通过比较差分图像中某个采样点与该采样点周围八个点以及该差分图像上下两 个差分图像中的九个点的灰度值来确定该采样点是不是极大或是极小值点。利用尺度不变 性求取的这些极值点具有尺度鲁棒性。 由于高斯差分函数对噪声（对比度低的点）比较敏感而且还有较强的边缘响应， 因此利用高斯差分函数检测到的局部极值点有些是不稳定的，需要去除。通过对高斯差分 函数进行泰勒展开，然后通过设定恰当的阈值来去除低对比度的点。利用海森矩阵迹的平 方与海森矩阵的行列式的比值来确定一个极值点是不是被保留下来。如果一个极值点在沿 着边缘方向有较大的主曲率，但是在垂直边缘的方向的主曲率比较下，则这样的极值点会 被丢弃。[0052当前第1页1 2 本文档来自技高网...

【技术保护点】
一种融合图像尺度不变特征变换和个体熵相关系数的图像配准方法，其特征在于：所述配准方法包括如下步骤：1)提取参考图像和浮动图像的尺度不变特征变换SIFT特征点；2)匹配参考图像和浮动图像中的SIFT特征点；3)基于匹配的SIFT特征点利用最小均方根误差建立仿射变换模型；4)利用仿射变换模型对浮动图像进行变换得到粗配准的图像；5)将粗配准后的图像作为新的浮动图像，原参考图像作为新的参考图像，建立新的仿射变换模型并对其参数进行初始化，同时对Powell优化算法的初始搜索点、初始搜索方向进行初始化；6)利用IECC作为相似性度量目标函数，对该目标函数进行优化得到最优的仿射变换参数；7)利用优化出的最优仿射变换对新的浮动图像进行变换得到最终的精配准图像。

【技术特征摘要】

【专利技术属性】
技术研发人员：周小龙，陈胜勇，刘干，汪晓妍，张冰宇，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江;33