基于连接向量特征匹配的暗场图像配准方法技术

基于连接向量特征匹配的暗场图像配准方法，属于光学元件检测技术领域。解决了现有暗场图像配准方法存在对同一个光学元件在多次在线检测中得到多幅暗场图像之间的配准，配准不适用且准确性差的问题。本发明专利技术首先对基准图像及待配准图像分别进行图像预处理，尽可能消除干扰，接着求取损伤点的轮廓，并求其外接圆圆心坐标，作为损伤点的位置值。然后构建损伤点连接向量并计算连接向量特征，之后使用借鉴BBF算法实现特征精确匹配，最后利用匹配后的特征点对进行仿射变换参数计算，完成配准。本发明专利技术适用于光学元件检测的图像匹配。

【技术实现步骤摘要】

本专利技术属于光学元件检测

技术介绍
大型固体激光装置规模宏大，光学元件数量众多，输出能量和功率高，是惯性约束聚变研究的主力装置。在高功率条件下，光学元件光致损伤成为人们必须解决的棘手问题。惯性约束聚变大型固体激光装置的终端光学组件集成了众多大口径光学元件，在高能量激光的辐照下极易产生损伤，为了确保及时发现与跟踪损伤的增长过程，终端光学元件损伤在线检测系统(FinalOpticsDamageonline-Inspection,FODI)在每次打靶实验后，对终端光学元件采集图像，如图1和图2所示。为了跟踪损伤的增长过程，需要对不同时间采集的同一个光学元件的在线检测图像进行配准。这个应用背景下的图像配准有两个特点：1)对应图像之间的有平移、旋转等仿射变换；2)图像是暗场图像，即背景是暗背景，光学元件损伤点在图像中形成亮斑，缺少纹理信息，常规的利用纹理灰度的方法进行配准不适用。如图3所示。且存在对同一个光学元件在多次在线检测中得到多幅暗场图像之间的配准问题。
技术实现思路
本专利技术是为了解决现有暗场图像配准方法存在对同一个光学元件在多次在线检测中得到多幅暗场图像之间的配准不适配，以及准确性差的问题。提出了一种基于连接向量特征匹配的暗场图像配准方法。本专利技术所述的基于连接向量特征匹配的暗场图像配准方法，该方法的具体步骤为：步骤一、对基准图像及待配准图像分别进行图像预处理，消除图像中的干扰，获取图像中的损伤点的轮廓；步骤二、分别求步骤一获取的基准图像和待配准图像中的损伤点轮廓的外接圆的圆心坐标，作为图像中损伤点的位置值；步骤三、对分别对步骤二求的基准图像和待配准图像中的损伤点的坐标点进行连接，建损伤点连接向量并计算连接向量的特征向量；步骤四、采用BBF算法对基准图像中的特征向量和待配准图像中的特征向量进行特征点匹配，对匹配后的特征点进行仿射变换参数计算，完成暗场图像配准。进一步地：对基准图像及待配准图像分别进行图像预处理的方法为：对图像的灰度直方图均衡化操作后再进行二值化操作。本专利技术首先对基准图像及待配准图像分别进行图像预处理，尽可能消除干扰，接着求取损伤点的轮廓，并求其外接圆圆心坐标，作为损伤点的位置值。然后构建损伤点连接向量并计算连接向量特征，之后使用借鉴BBF算法实现特征精确匹配，最后利用匹配后的特征点对进行仿射变换参数计算，完成配准。有效的提高了配准的准确性和适配性。附图说明图1为现有技术中，光学元件损伤在线检测系统检测光学元件的示意图；图中，标号1为终端光学元件、2为照明系统、3为控制及数据处理系统、4为终端光学元件损伤在线检测系统、5为光学元件数据库；图2为基于激光侧照明的光学元件暗场成像检测表面损伤示意图；图中，标号6为被检测光学元件、a为照明激光入射方向、b为损伤点；图3为现有技术中，表面有损伤的光学元件的检测图像；图4为本专利技术暗场微弱信号图像配准技术流程图；图5为基准图像原图；图6为基准图像预处理后图；图7为参考图像轮廓提取图；图8为参考图像轮廓提取图-局部图；图9为连接向量特征构造过程示意图；图10为确定特征点主方向和模值后的图像；图11为坐标轴旋转示意图；图12为初步筛选后的匹配点对连线图；图13为精确匹配后特征点对连线图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。具体实施方式一、结合图4说明本实施方式，本实施方式所述的基于连接向量特征匹配的暗场图像配准方法，该方法的具体步骤为：步骤一、对基准图像及待配准图像分别进行图像预处理，消除图像中的干扰，获取图像中的损伤点的轮廓；步骤二、分别求步骤一获取的基准图像和待配准图像中的损伤点轮廓的外接圆的圆心坐标，作为图像中损伤点的位置值；步骤三、对分别对步骤二求的基准图像和待配准图像中的损伤点的坐标点进行连接，建损伤点连接向量并计算连接向量的特征向量；步骤四、采用BBF算法对基准图像中的特征向量和待配准图像中的特征向量进行特征点匹配，对匹配后的特征点进行仿射变换参数计算，完成暗场图像配准。对于基于特征点的图像配准，精确提取出特征点尤为关键。因为在暗场微弱信号图片中，我们关注的只是暗场中的光斑，即损伤点，而非暗场。提取二值图中光斑的轮廓，并计算其轮廓的圆圆心，将圆心坐标作为特征点的位置提取出来。保留了原图中损伤点和损伤点之间的相对位置关系，有利于特征向量的构造，得到方向直方图也更有意义，同时也提高了最后的特征匹配率。轮廓提取图及局部图分别如图7和8所示。具体实施方式二、本实施方式是对具体实施方式一所述的基于连接向量特征匹配的暗场图像配准方法的进一步说明，对基准图像及待配准图像分别进行图像预处理的方法为：对图像的灰度直方图均衡化操作后再进行二值化操作。在对暗场微弱信号图像配准前，为了使同一场景的相同图像尽可能的减少外界环境的干扰和条件的限制，提高的配准精度，需对原始输入图像进行去噪及灰度校正等图像预处理操作。将图像中无用的信息剔除，滤除干扰、噪声，对有效的真实信息放大，更快的检测出相关信息，尽可能的对数据进行简化，使得特征提取的可靠和准确性得到提升是图像预处理的主要目的。具体实施方式三、本实施方式是对具体实施方式二所述的基于连接向量特征匹配的暗场图像配准方法的进一步说明，对图像的灰度直方图均衡化的方法为：利用图像的灰度直方图的概率分布函数：Ps(s)=Pr(r)|dsdr|---(1)]]>其中s＝clog(1+r)，c是常数c∈[0,1]，Pr(r)是原始图像直方图的概率分布函数，Ps(s)是均衡化的直方图的概率分布函数，r、s分别代表均衡化前后的灰度值，对原始图像直方图的概率分布函数进行均衡化，令Ps(s)＝1，因此：dsdr=Pr(r)---(2)]]>等式两侧分别求r的积分，积分后的式子便是概率密度函数的均衡化公式：s=∫0rPr(ω)dω---(3)]]>式中，ω的范围为[0，r]；由于数字图像是离散的，因此，离散化(3)式得频移：T=Σj=0mPr(rm)---(4)]]>获得每一像素均衡化后的归一化灰度，对T进行统计得到均衡化后的灰度直方图；∑Pr(rm)表示第0～m灰度级出现概率和，m的范围为[0～255]。灰度直方图均衡化即在进行图像处理时，使用图像直方图调整图像对比度的方法。输入图像的灰度直方图由于像素灰度的随机性而高低错落，为了取得直方图比较平缓的效果，可以使用直方图均衡化对输入图像进行操作。为了便于整个图像表现出显著的损伤点对比效果，对图像进行二值化操作。图像中的数据量大大降低，凸显出目标的轮廓。图像预处理后的参考图像和原图分别如图5和6所示。具体实施方式四、本实施方式是对具体实施方式一或二所述的基于连接向量特征匹配的暗场图像配准方法的进一步说明，步骤三中建损伤点连接向量并计算连接向量的特征向量的方法为：步骤三一、以图像中的每个特征点作为坐标原点，分别建立直角坐标系，所述直角坐标系的Y轴的正向向下；步骤三二、按照半径R的范围，搜索每个原点周围内满足搜索半径的特征点，并将原点与满足搜索半径的特征点连接，构成连接向量；并求连接向量的本文档来自技高网...

【技术保护点】
基于连接向量特征匹配的暗场图像配准方法，其特征在于，该方法的具体步骤为：步骤一、对基准图像及待配准图像分别进行图像预处理，消除图像中的干扰，获取图像中的损伤点的轮廓；步骤二、分别求步骤一获取的基准图像和待配准图像中的损伤点轮廓的外接圆的圆心坐标，作为图像中损伤点的位置值；步骤三、对分别对步骤二求的基准图像和待配准图像中的损伤点的坐标点进行连接，建损伤点连接向量并计算连接向量的特征向量；步骤四、采用BBF算法对基准图像中的特征向量和待配准图像中的特征向量进行特征点匹配，对匹配后的特征点进行仿射变换参数计算，完成暗场图像配准。

【技术特征摘要】
1.基于连接向量特征匹配的暗场图像配准方法，其特征在于，该方法的具体步骤为：步骤一、对基准图像及待配准图像分别进行图像预处理，消除图像中的干扰，获取图像中的损伤点的轮廓；步骤二、分别求步骤一获取的基准图像和待配准图像中的损伤点轮廓的外接圆的圆心坐标，作为图像中损伤点的位置值；步骤三、对分别对步骤二求的基准图像和待配准图像中的损伤点的坐标点进行连接，建损伤点连接向量并计算连接向量的特征向量；步骤四、采用BBF算法对基准图像中的特征向量和待配准图像中的特征向量进行特征点匹配，对匹配后的特征点进行仿射变换参数计算，完成暗场图像配准。2.根据权利要求1所述的基于连接向量特征匹配的暗场图像配准方法，其特征在于，对基准图像及待配准图像分别进行图像预处理的方法为：对图像的灰度直方图均衡化操作后再进行二值化操作。3.根据权利要求2所述的基于连接向量特征匹配的暗场图像配准方法，其特征在于，对图像的灰度直方图均衡化的方法为：利用图像的灰度直方图的概率分布函数：Ps(s)=Pr(r)|dsdr|---(1)]]>Pr(r)是原始图像直方图的概率分布函数，Ps(s)是均衡化的直方图的概率分布函数，r、s分别代表均衡化前后的灰度值，对原始图像直方图的概率分布函数进行均衡化，令Ps(s)＝1，因此：dsdr=Pr(r)---(2)]]>等式两侧分别求r的积分，积分后的式子便是概率密度函数的均衡化公式：s=∫0rPr(ω)dω---(3)]]>式中，ω的范围为[0，r]；由于数字图像是离散的，因此，离散化(3)式得频移：T=Σj=0mPr(rm)---(4)]]>获得每一像素均衡化后的归一化灰度，对T进行统计得到均衡化后的灰度直方图；∑Pr(rm)表示第0～m灰度级出现概率和，m的范围为[0～255]。4.根据权利要求1或2所述的基于连接向量特征匹配的暗场图像配准方法，其特征在于，步骤三中建损伤点连接向量并计算连接向量的特征向量的方法为：步骤三一、以图像中的每个特征点作为坐标原点，分别建立直角坐标系，所述直角坐标系的Y轴的正向向下；步骤三二、按照半径R的范围，搜索每个原点周围内满足搜索半径的特征点，并将原点与满足搜索半径的特征点连接，构成连接向量；并求连接向量的特征向量；其中，R为正数；步骤三三、求步骤三一获得特征向量的归一化特征向量，对特征向量为0的特征点，扩大周围搜索圆的半径，令R＝R+a，直至所有的特征点的特征向量均包括n个数据；a和n均为正数；步骤三四、建立方向直方图，确定每个特征点的主方向和模值；步骤三五、旋转每个特征点的坐标系，使坐标系的x轴正向与特征点的主方向重合，执行步骤三二，获得每个特征点在旋转后的坐标系内的特征向量。5.根据权利要求4所述的基于连接向量特征匹配的暗场图像配准方法，其特征在于，步骤三二中求连接向量的特征向量的方法为：令作为原点的特征点的坐标为(x0,y0)，满足搜索半径的任一特征点P1坐标为(x1,y1)，则：P=(x0-x1)2+(y0-y1)2---(5)]]>θ=arctan(|y0-y1x0-x1|)---(6)]]>式中，ρ为向量模值，...

【专利技术属性】
技术研发人员：刘国栋，陈凤东，刘炳国，黄卓，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：黑龙江;23