一种基于统计相关的快速互信息图像匹配方法组成比例

本发明专利技术公开了一种基于统计相关的快速互信息图像匹配方法，先用传统方法计算实测图和第一个位置基准子图各自的直方图、熵以及两图的联合直方图、联合熵、互信息并存储；接着在遍历搜索过程中，利用相邻基准子图之间的相关性，以前一位置基准子图的直方图、熵以及与实测图的联合熵为基准，通过差量法计算当前位置基准子图的直方图、熵以及与实测图的联合熵，并计算互信息；最后，在所有搜索位置中找出互信息值最大的位置作为最终的匹配定位结果；本发明专利技术除基准图第一位置基准子图外，其它位置子图的直方图、熵及联合熵均基于差量法依次得到，在保证匹配精度的同时提高了互信息匹配的速度；此外，还可与已有方法相结合，通过多种途径来加快匹配速度。

A fast mutual information image matching method based on statistical correlation

The invention discloses a method based on mutual information statistics related fast image matching method, using traditional methods to compute the first map and the first position of each sub based image histogram, entropy and figure two the joint histogram, cross entropy, mutual information and storage; then in the search process, the use of adjacent sub based image correlation between the previous position reference subgraph, histogram entropy and joint entropy and the actual figure as a benchmark by difference method to calculate the histogram entropy, the current position reference subgraph and joint entropy with the measured figure, and calculate the mutual information; finally, find out the position of the maximum value of mutual information, as the final results in all search position; the first reference map position reference subgraph, other position subgraph histogram, entropy and joint entropy are obtained based on differential method In addition, the speed of mutual information matching is improved while the matching accuracy is guaranteed. In addition, the method can be combined with existing methods to speed up the matching speed in a variety of ways.

【技术实现步骤摘要】
一种基于统计相关的快速互信息图像匹配方法
本专利技术属于图像匹配、图像定位
，特别涉及一种基于统计相关的快速互信息图像匹配方法。
技术介绍
图像匹配技术是在航天技术、卫星应用技术、传感器技术、计算机技术、图像处理及模式识别的基础上发展起来的一门新技术,它在飞机辅助导航、远程武器或精确制导武器系统如巡航导弹的末制导、图像目标的搜索与跟踪等军事领域具有重要的应用价值。目前，匹配技术在工业控制、医学图像处理、遥感图像处理、制图学、目标识别等领域有着广泛应用。在基于视觉的飞行器导航与制导、遥感卫星灾害监控与环境监测、医学图像分析等应用中，常常需要对不同成像传感器获取的异源图像进行匹配。异源图像最大的特点是异源图像同名点之间的灰度值一般不具有直接联系。因此，同源图像的匹配方法多数难以直接应用于异源图像匹配。基于互信息测度的匹配方法是一种完全基于图像灰度统计概率的匹配方法，不需要对原图像间的灰度关系作任何假设,比传统的相似性度量具有更强的鲁棒性，但互信息准则最大的缺陷是计算量大，匹配耗时较长。为此，研究者们就围绕减少非匹配点相关计算量和改进搜索策略减少计算量两个方面提出了相应的加速方法。例如文献安如，王慧麟等，16阶归一化互信息和改进PSO算法的快速图像匹配，吉林大学学报(工学版)，2013年3月第43卷357-364，采用灰度压缩和粒子群优化算法相结合加快匹配速度。文献杨猛,潘泉等.基于定量定性互信息的多层次特征图像匹配算法，中国图象图形学报2010年9月第15卷第9期1376-1383，通过提取多层次特征点减少互信息测度的计算量。文献ADame，EMarchand.Second-orderoptimizationofmutualinformationforreal-timeimageregistration.IEEETransactionsonImageProcessingAPublicationoftheIEEESignalProcessingSociety2012,21(9):4190-203，利用粒子群优化算法提高搜索速度。文献YZhuang，KGao，XMiu，LHan，XGong.Infraredandvisualimageregistrationbasedonmutualinformationwithacombinedparticleswarmoptimization–Powellsearchalgorithm.Optik-InternationalJournalforLightandElectronOptics.将粒子群优化方法与Powell优化方法相结合提高匹配速度。上述方法中，灰度压缩方法和特征提取方法会损失图像部分灰度信息，影响匹配精度，而粒子群优化方法又容易陷入局部极值，影响匹配精度，Powell方法对初始点的要求较高，初始点的选择会直接影响到最后的搜索最优值。总之，传统的快速互信息匹配算法大多是通过降灰度阶或减少参与互信息测度计算的像素数来加速匹配速度，一定程度上会对匹配精度造成影响。
技术实现思路
为了克服上述现有技术的缺点，本专利技术的目的在于提供一种基于统计相关的快速互信息图像匹配方法，与已有的以灰度压缩、特征提取或采取优化搜索策略等快速互信息匹配方法不同，本专利技术利用匹配过程中相邻基准子图间的相关性，通过差量法减少每一个匹配位置互信息的计算量来加快匹配速度，同时，本专利技术方法可以与灰度压缩、特征提取等方法相结合，通过多种途径进一步加快匹配速度。该方法能有效地提高互信息匹配的实时性，可用于对实时性要求比较高的异源图像匹配或图像配准应用系统中。为了实现上述目的，本专利技术采用的技术方案是：一种基于统计相关的快速互信息图像匹配方法，包括如下步骤：步骤1.获取实测图像A和基准图像I，将两幅图像的灰度值调整到同一灰度区间；步骤2.统计实测图A各灰度值出现次数并存入灰度直方图矩阵hA，计算A的信息熵HA并存储，HA的计算公式为：其中，T为实测图总像素数。步骤3.从基准图I的左上角(1,1)点截取与实测图大小相等的第1幅基准子图Sini，统计Sini各灰度值出现次数并存入灰度直方图矩阵hS_ini，计算Sini的信息熵HS_ini并存储，HS_ini的计算公式为：其中，T为基准子图总像素数。步骤4.匹配过程中，通过比较当前基准子图和前一基准子图对应行或列像素变化情况，按照差量法将前一基准子图的直方图矩阵hS0更新为当前子图的直方图矩阵hS。步骤5.找出当前基准子图直方图矩阵hS与前一基准子图直方图矩阵hS0的不同元素，计算这些元素对应的熵值求和项，通过差量法将前一基准子图的信息熵HS0更新为当前基准子图的信息熵HS。步骤6.找出当前基准子图联合直方图矩阵hAS和前一基准子图联合直方图矩阵hAS0的不同元素，计算这些元素对应的熵值求和项，通过差量法将前一基准子图的联合熵HAS0更新为当前基准子图的联合熵HAS。步骤7.计算实测图与当前基准子图的归一化互信息NMI，计算公式为：NMI＝(HA+HS)/HAS步骤8.遍历搜索整个基准图，以互信息最大值对应的位置作为最终匹配位置。步骤4的“按照差量法将前一基准子图的直方图矩阵hS0更新为当前子图的直方图矩阵hS”，按如下步骤进行：步骤4-1在列方向，通过统计当前基准子图最后一行和前一基准子图第一行对应像素灰度值出现次数，以前一基准子图的直方图矩阵hS0为基准，减去前一基准子图第一行对应像素灰度值出现次数，加上当前基准子图最后一行对应像素灰度值出现次数即得到当前子图的直方图矩阵hS；步骤4-2在行方向，通过统计当前基准子图最后一列和前一基准子图第一列对应像素灰度值出现次数，以前一基准子图的直方图矩阵hS0为基准，减去前一基准子图第一列对应像素灰度值出现次数，加上当前基准子图最后一列对应像素灰度值出现次数即得到当前子图的直方图矩阵hS；步骤5的“通过差量法将前一基准子图的联合熵HS0更新为当前基准子图的联合熵HS”，按如下步骤进行：步骤5-1找出hS与hS0的不同元素，分别组成矩阵hΔS和hΔS0，计算hΔS和hΔS0对应的信息熵ΔS及ΔS0；ΔS计算公式为：ΔS0计算公式为：其中，T为基准子图总像素数，norms0(s)为与hΔS0中元素对应的前一基准子图熵值计算过程中的求和项，此次只计算这些求和项的和，无需对各个求和项再进行重复计算。步骤5-2以前一基准子图的信息熵HS0为基准，通过差量法将HS0更新为当前基准子图的信息熵HS；HS对应的计算公式为：HS＝HS0-ΔS0+ΔS步骤6的“通过差量法将前一基准子图的联合熵HAS0更新为当前基准子图的联合熵HAS”，按如下步骤进行：步骤6-1找出hAS与hAS0的不同元素，分别组成矩阵hΔAS和hΔAS0，计算hΔAS和hΔAS0对应的信息熵ΔAS及ΔAS0；ΔAS计算公式为：ΔAS0计算公式为：其中，T为基准子图总像素数，normAS(s)为与hΔAS0中元素对应的前一基准子图联合熵计算过程中的求和项，此次只计算这些求和项的和，无需对各个求和项再进行重复计算。步骤6-2以前一基准子图的信息熵HAS0为基准，通过差量法将HAS0更新为当前基准子图的信息熵HAS；HAS对应的计算公式为：HAS＝HAS0-ΔA本文档来自技高网...

【技术保护点】
一种基于统计相关的快速互信息图像匹配方法，其特征在于，包括如下步骤：步骤1.获取实测图像A和基准图像I，将两幅图像的灰度值调整到同一灰度区间；步骤2.统计实测图像A各灰度值出现次数并存入灰度直方图矩阵h

【技术特征摘要】
1.一种基于统计相关的快速互信息图像匹配方法，其特征在于，包括如下步骤：步骤1.获取实测图像A和基准图像I，将两幅图像的灰度值调整到同一灰度区间；步骤2.统计实测图像A各灰度值出现次数并存入灰度直方图矩阵hA，计算A的信息熵HA并存储，HA的计算公式为：其中，T为实测图的像素总数，a表示像素值；步骤3.从基准图像I的左上角(1,1)点截取与实测图像A大小相等的第1幅基准子图Sini，统计Sini各灰度值出现次数并存入灰度直方图矩阵hS_ini，计算Sini的信息熵HS_ini并存储，HS_ini的计算公式为：其中，T为基准子图的像素总数，s表示像素值；步骤4.匹配过程中，通过比较当前基准子图和前一基准子图对应行或列像素变化情况，按照差量法将前一基准子图的直方图矩阵hS0更新为当前子图的直方图矩阵hS；步骤5.找出当前基准子图直方图矩阵hS与前一基准子图直方图矩阵hS0的不同元素，计算这些元素对应的熵值求和项，通过差量法将前一基准子图的信息熵HS0更新为当前基准子图的信息熵HS；步骤6.找出当前基准子图联合直方图矩阵hAS和前一基准子图联合直方图矩阵hAS0的不同元素，计算这些元素对应的熵值求和项，通过差量法将前一基准子图的联合熵HAS0更新为当前基准子图的联合熵HAS；步骤7.计算实测图像A与当前基准子图的归一化互信息NMI，计算公式为：NMI＝(HA+HS)/HAS步骤8.遍历整个基准图，以互信息最大值对应的位置作为最终匹配点。2.根据权利要求1所述基于统计相关的快速互信息图像匹配方法，其特征在于，所述步骤4中按照差量法将前一基准子图的直方图矩阵hS0更新为当前子图的直方图矩阵hS，按如下步骤进行：步骤4.1在列方向，通过统计当前基准子图最后一行和前一基准子图第一行对应像素灰度值出现次数，...

【专利技术属性】
技术研发人员：符艳军，田孝华，张伟，刘小虎，
申请(专利权)人：西安培华学院，
类型：发明
国别省市：陕西,61