基于DCE和LSS的红外图像和可见光图像配准方法技术

本发明专利技术公开一种基于DCE和LSS的红外图像和可见光图像配准方法，步骤包括：S1.采用DCE分别描述待配准的红外图像、可见光图像的目标轮廓，并提取对应目标轮廓中顶点的各DCE特征点，得到分别对应待配准的红外图像、可见光图像的DCE特征点集合；S2.采用LSS方法分别描述各DCE特征点集合中各个DCE特征点；S3.根据步骤S2的描述结果，计算待配准的红外图像、可见光图像之间各个DCE特征点之间的匹配度，得到各个DCE特征点之间的对应关系；S4.根据步骤S3得到的所述对应关系，经过图像变换后得到配准后图像输出。本发明专利技术具有配准的实现复杂度低，且配准精度及效率高等优点。

Infrared image and visible image registration method based on DCE and LSS

The invention discloses an infrared image DCE and LSS and visible image registration method based on S1. comprises the following steps: using DCE respectively to describe the registration of infrared image and visible light image contour, and extract the DCE feature points corresponding to the target contour vertex, get corresponding to infrared image and visible image registration optical image DCE feature point set; S2. LSS method is used to describe the DCE feature in the feature set of each DCE point S3.; according to the steps described by S2 results, matching degree calculation for registration of infrared image and visible light image between each DCE feature points between the corresponding relationship between each DCE feature point; step S3 to get the S4. according to the corresponding relations, after image registration after the image output. The invention has the advantages of low registration complexity, high registration accuracy and high efficiency.

【技术实现步骤摘要】
基于DCE和LSS的红外图像和可见光图像配准方法
本专利技术涉及数字图像处理
，尤其涉及一种基于DCE(discretecurveevolution，离散曲线演化)和LSS(Localself-similarity，局部自相似)的红外图像和可见光图像配准方法。
技术介绍
图像配准是依据一些相似性度量决定图像间的变换参数，使从不同传感器、不同视角、不同时间获取的同一场景的两幅或多幅图像，变换到同一坐标系下，在像素层上得到最佳匹配的过程。对于单模态(同一设备成像)的图像配准目前已经得到了很好的解决，多模态图像能提供比单模态图像更加丰富和全面的信息，但是由于多模态的图像源自不同的成像设备，有不同的成像原理，多模态的图像配准仍未得到很好的解决。红外与可见光图像就是常见的多模态图像，由于红外反映景物的辐射信息而可见光反映景物的反射信息，二者输出的图像具有不同的灰度特征，红外图像可在场景内定位具有较高温度的物体，而可见光图像可提供背景信息，二者信息互为补充，二者的融合可用于目标识别、目标检测等领域。红外图像和可见光图像的配准是图像预处理中极为关键的步骤，也是计算机视觉中最困难、最重要的任务之一。配准方法实现流程如图1所示，将待配准图像进行变换、插值处理后与参考图像计算相似度，根据相似度执行最优变换，变换过程中由变换参数优化器优化变换参数，直至得到最终最优变换参数。目前的配准方法主要分为两类：一种是基于区域的配准方法，通常是用图像的某一区域或者整幅图像去估计图像之间在空间几何上的变换参数。常见的基于区域的配准方法有相关类方法、相位相关法、概率型测度法等，其中概率型测度有图像联合直方图、图像联合熵、互信息法、归一化互信息法等；该种方法能在特定情况下获得较好的效果，但对于红外图像和可见光图像配准时，所需计算时间长、对噪声的鲁棒性不强；另一种是基于图像特征的方法，包括有基于结构性特征的方法、基于不变量图像描述符的方法、基于局部不变特征的方法等，其中局部不变特征在解决宽基线匹配、特殊目标识别、机器人定位等问题中得到了广泛的应用，局部不变特征能对旋转、尺度缩放、仿射变换、视角变化、光照变化等图像变化因素保持一定的不变性，而对物体运动、遮挡等因素保持较好的可匹配性，从而可以实现差异较大的两幅图像之间特征的匹配。基于特征的方法实现包括两个部分内容：一是特征检测，二是特征描述。针对于特征描述方式中，基于形状上下文(shapecontexts,SC)描述算法对目标轮廓的描述能力强，且具有一定抑制噪声的能力，但是算法复杂度较高，且无法获得轮廓点序信息；利用角点典型形状上下文特征(cornerrepresentativeshapecontext,CRSC)是在SC的基础上提出的一种快速识别的算法，该算法能够降低特征点的匹配时间，有利于解决大规模形状样本的匹配问题，但其检索精度不高；仿射不变性曲线描述算法(affine-invariantcurvedescriptor，AICD)是针对形状轮廓有遮挡的现象提出的，该算法能够有效地解决形状仿射畸变和部分遮挡的匹配问题，但该描述子仅能获得轮廓的局部特征，造成算法匹配精度不高，且该算法计算复杂度较高；基于变换域的傅里叶形状描述子具有简单、高效的特点，但是局部特征捕捉能力不强，且对噪声干扰较为敏感；根据角点特征的描述方式具有旋转不变性和光照不变性，利用角点能够减少参与计算的数据量，同时又不损失图像的重要灰度信息，有从业者提出基于Harris因子分别在红外图像和可见光图像上进行角点检测，利用角点邻域在边缘图像上的相关性，计算出角点的细匹配，但由于Harris检测的复杂度高，因而计算量巨大，难以达到实时性要求。中国专利申请CN105631872A公开一种特征点检测方法，通过在输入图像的各向异性尺度空间中分别使用Harris和Hessian算子进行特征点检测，离散曲线演化DCE基于视觉部件，能够对图像中的形状轮廓进行特征提取，获得具有重要视觉部件的轮廓，并且对目标变形、边界噪声具有一定的鲁棒性。但是由于角点检测的复杂度较高，因而计算量巨大，配准的精度低，不能达到很好配置效果，当用于红外图像和可见光图像配准时，计算时间长、对噪声的鲁棒性不强。对红外图像和可见光图像进行配准时，若单基于轮廓进行配准，存在红外图像中目标的边界模糊，不易于准确分割等问题；若单基于特征点进行配准，由于红外图像和可见光的成像原理不同，会导致特征点的分布不均，且在不同图像中相同目标也可能存在不同的特征点，使得配准误差较高。
技术实现思路
本专利技术要解决的技术问题就在于：针对现有技术存在的技术问题，本专利技术提供一种配准的实现复杂度低且配准精度及效率高的基于DCE和LSS的红外图像和可见光图像配准方法。为解决上述技术问题，本专利技术提出的技术方案为：基于DCE和LSS的红外图像和可见光图像配准方法，步骤包括：S1.DCE特征点提取：采用DCE分别检测待配准的红外图像、可见光图像的目标轮廓，并提取对应所述目标轮廓中顶点的各DCE特征点，得到分别对应待配准的红外图像、可见光图像的DCE特征点集合；S2.LSS特征描述：采用LSS方法分别描述各所述DCE特征点集合中各个DCE特征点；S3.相似度测量：根据所述步骤S2的描述结果，计算待配准的红外图像、可见光图像之间各个DCE特征点之间的匹配度，得到各个DCE特征点之间的对应关系；S4.配准输出：根据所述步骤S3得到的所述对应关系，经过图像变换后得到配准后图像输出。作为本专利技术的进一步改进：所述步骤S1中采用DCE描述目标轮廓时，在演化过程中根据简化得到的多边形与原物体之间的相似程度，以及DCE特征点集之间的顺序关系来控制形状匹配以及演化过程的终止。作为本专利技术的进一步改进：所述简化得到的多边形与原物体之间的相似程度采用P上远边界点演化得到的多边形Pn-k的线段的平均距离Dav(Pn-k)来表示，其中Pn-k为演化删除k个顶点后得到的多边形轮廓，当所述平均距离Dav(Pn-k)大于预设阈值T时终止DCE的演化过程。作为本专利技术的进一步改进：所述DCE特征点具体由构成的向量进行描述，其中为归一化的位置向量，K为同一顶点两条边的相关性，是轮廓的角度。作为本专利技术的进一步改进：所述步骤S1中得到DCE特征点集合后，还包括根据各个DCE特征点之间的关联度，对所述DCE特征点集合中各DCE特征点进行粗匹配步骤。作为本专利技术的进一步改进，所述进行粗匹配的具体步骤为：S11.设定第一衡量度、第二衡量度以及第三衡量度，其中所述第一衡量度为：其中，Kl和Kr分别为一个DCE特征点与左、右两侧的DCE特征点之间的关联度；第二衡量度为：其中，d为两个DCE特征点之间的欧氏距离；第三衡量度为：其中Pe为所述DCE特征点集合；S12.分别计算所述DCE特征点集合中各DCE特征点的所述第一衡量度、第二衡量度以及第三衡量度，综合所述第一衡量度、第二衡量度以及第三衡量度，确定需要保留的DCE特征点，得到粗匹配后的最终DCE特征点集合。作为本专利技术的进一步改进，所述步骤S12的具体步骤为：将各DCE特征点的所述第一衡量度、第二衡量度以及第三衡量度按照下式计算综合衡量度，若所述综合衡量度大于预设阈值，则保留对应的DCE特征点；Sdce＝Sk本文档来自技高网...

【技术保护点】
基于DCE和LSS的红外图像和可见光图像配准方法，其特征在于，步骤包括：S1.DCE特征点提取：采用DCE分别检测待配准的红外图像、可见光图像的目标轮廓，并提取对应所述目标轮廓中顶点的各DCE特征点，得到分别对应待配准的红外图像、可见光图像的DCE特征点集合；S2.LSS特征描述：采用LSS方法分别描述各所述DCE特征点集合中各个DCE特征点；S3.相似度测量：根据所述步骤S2的描述结果，计算待配准的红外图像、可见光图像之间各个DCE特征点之间的匹配度，得到各个DCE特征点之间的对应关系；S4.配准输出：根据所述步骤S3得到的所述对应关系，经过图像变换后得到配准后图像输出。

【技术特征摘要】
1.基于DCE和LSS的红外图像和可见光图像配准方法，其特征在于，步骤包括：S1.DCE特征点提取：采用DCE分别检测待配准的红外图像、可见光图像的目标轮廓，并提取对应所述目标轮廓中顶点的各DCE特征点，得到分别对应待配准的红外图像、可见光图像的DCE特征点集合；S2.LSS特征描述：采用LSS方法分别描述各所述DCE特征点集合中各个DCE特征点；S3.相似度测量：根据所述步骤S2的描述结果，计算待配准的红外图像、可见光图像之间各个DCE特征点之间的匹配度，得到各个DCE特征点之间的对应关系；S4.配准输出：根据所述步骤S3得到的所述对应关系，经过图像变换后得到配准后图像输出。2.根据权利要求1所述的基于DCE和LSS的红外图像和可见光图像配准方法，其特征在于：所述步骤S1中采用DCE描述目标轮廓时，在演化过程中根据简化得到的多边形与原物体之间的相似程度，以及DCE特征点集之间的顺序关系来控制形状匹配以及演化过程的终止。3.根据权利要求2所述的基于DCE和LSS的红外图像和可见光图像配准方法，其特征在于：所述简化得到的多边形与原物体之间的相似程度采用P上远边界点演化得到的多边形Pn-k的线段的平均距离Dav(Pn-k)来表示，其中Pn-k为演化删除k个顶点后得到的多边形轮廓，当所述平均距离Dav(Pn-k)大于预设阈值T时终止DCE的演化过程。4.根据权利要求3所述的基于DCE和LSS的红外图像和可见光图像配准方法，其特征在于：所述DCE特征点具体由构成的向量进行描述，其中为归一化的位置向量，K为同一顶点两条边的相关性，是轮廓的角度。5.根据权利要求1～4中任意一项所述的基于DCE和LSS的红外图像和可见光图像配准方法，其特征在于：所述步骤S1中得到DCE特征点集合后，还包括根据各个DCE特征点之间的关联度，对所述DCE特征点集合中各DCE特征点进行粗匹配步骤。6.根据权利要求5所述的基于DCE和LSS的红外图像和可见光图像配准方法，其特征在于，所述进行粗匹配的具体步骤为：S11.设定第一衡量度、第二衡量度以及第三衡量度，其中所述第一衡量度为：其中，Kl和Kr分别为一个DCE特征点与左、右两侧的DCE特征点之间的关联度；第二衡量度为：其中，d为两个DCE特征点之间的欧氏距离；第三衡量度为：

【专利技术属性】
技术研发人员：江天，彭元喜，彭学锋，张松松，宋明辉，舒雷志，周士杰，李俊，赵健宏，
申请(专利权)人：中国人民解放军国防科学技术大学，
类型：发明
国别省市：湖南,43