The invention discloses a step of image registration method based on contour detection and feature matching are as follows: firstly, through the black / white fill extension of the registration image and standard image registration; after treated image threshold segmentation and contour detection; on threshold selection of image map, the target area of the profile for the initial contour map; then from top to bottom contour detection of initial contour map, and set the minimum bounding rectangle; then calculate theta and four vertex coordinates pt[0], obtain the rotating angle of the counterclockwise direction top rectangle and the horizontal axis of the absolute value of pt[1], pt[2], pt[3]; then, according to pt[0], pt[1] discriminant rotation is positive / negative, after according to the 9 or 90 degrees theta using affine transformation to obtain preliminary registration; at the end of the standard map and preliminary registration map based on feature matching, to obtain the final image. The invention can realize fast and high precision registration of images of 0 to 90 degree rotation angles and any translation bias, and meet the needs of various needs of image registration market.
【技术实现步骤摘要】
基于轮廓检测和特征匹配的图像配准方法
本专利技术涉及图像处理领域,特别是一种基于轮廓检测和特征匹配的图像配准方法。
技术介绍
图像配准是图像处理的重要任务之一,用于将不同时间、不同传感器、不同视角以及不同拍摄条件下获取的两幅及以上图像进行几何意义上的匹配。其广泛应用于计算机视觉、医学图像处理、遥感数据分析等研究领域,具有十分重要的研究意义和实用价值。图像配准的方法一般分为两类:基于区域的图像配准方法和基于特征的图像配准方法,而基于区域的配准又可以分为基于灰度的配准和基于变换域的配准。针对具有平移、旋转、缩放类型的图像匹配最常用的是单一的基于特征的配准或者基于变换域的配准。基于特征的配准,其能将整个图像的各种分析转化为图像特征的分析,大大压缩了图像信息的数据量,同时保持了图像的平移、旋转等方面的特征,相比于其他方法速度快,鲁棒性好。最经典的是基于特征点的配准方法:SURF和SIFT。SIFT算法使用DoG对LoG进行简化,提高了特征点的搜索速度,并且配准精度很高。SURF算法借鉴SIFT的思想,将DoG中的高斯二阶微分模板进行了近似简化,使得模板只需要进行几个简单的加减法运算就能完成图像的滤波,并且运算量与滤波模板的尺寸无关,且同样具备对图像旋转、平移和尺度变化的不变性,在不降低性能的情况下,SURF算法比SIFT算法速度快。但这两种算法的缺点是:必须要有去除误匹配算法,占据了一定的时间,且有些去除误匹配的算法效果不好。基于变换域的图像配准,最常用的是傅立叶变换,比如傅里叶梅林变换,将图像变换到频域,并对图像幅度谱进行对数-极坐标变换,在对数-极坐标空间求解 ...
【技术保护点】
一种基于轮廓检测和特征匹配的图像配准方法,其特征在于,包括以下步骤:步骤1、将待配准图和标准图通过黑色/白色填充进行延扩,得到两个矩形图像;步骤2、对步骤1延扩之后的待配准图根据填充色为黑/白选择阈值进行阈值分割,得到二值图;步骤3、对步骤2中的二值图进行轮廓检测,并根据判断条件去除过大或过小的轮廓,只留下图像目标区域的轮廓,保存为初步轮廓图;步骤4、对步骤3中的初步轮廓图再进行由顶层至下的轮廓检测,保存为2D点集,并建立顶层点集的最小外接矩形;步骤5、对步骤4得到的顶层矩形进行分析计算,确定其与水平轴逆时针方向的旋转夹角绝对值θ和逆时针四个顶点坐标,所述顶层矩形即目标区域轮廓,逆时针四个顶点坐标依次为左上顶点pt[0],右上顶点pt[1],右下顶点pt[2],左下顶点pt[3];步骤6、根据步骤5得到的左上顶点pt[0],右上顶点pt[1]判别待配准图相对标准图旋转角度为正/负,之后再选择‑θ或90°‑θ对待配准图进行仿射变换获得初步配准图;步骤7、对步骤6的初步配准图和标准图进行基于特征点的匹配,获得最终的配准图。
【技术特征摘要】
1.一种基于轮廓检测和特征匹配的图像配准方法,其特征在于,包括以下步骤:步骤1、将待配准图和标准图通过黑色/白色填充进行延扩,得到两个矩形图像;步骤2、对步骤1延扩之后的待配准图根据填充色为黑/白选择阈值进行阈值分割,得到二值图;步骤3、对步骤2中的二值图进行轮廓检测,并根据判断条件去除过大或过小的轮廓,只留下图像目标区域的轮廓,保存为初步轮廓图;步骤4、对步骤3中的初步轮廓图再进行由顶层至下的轮廓检测,保存为2D点集,并建立顶层点集的最小外接矩形;步骤5、对步骤4得到的顶层矩形进行分析计算,确定其与水平轴逆时针方向的旋转夹角绝对值θ和逆时针四个顶点坐标,所述顶层矩形即目标区域轮廓,逆时针四个顶点坐标依次为左上顶点pt[0],右上顶点pt[1],右下顶点pt[2],左下顶点pt[3];步骤6、根据步骤5得到的左上顶点pt[0],右上顶点pt[1]判别待配准图相对标准图旋转角度为正/负,之后再选择-θ或90°-θ对待配准图进行仿射变换获得初步配准图;步骤7、对步骤6的初步配准图和标准图进行基于特征点的匹配,获得最终的配准图。2.根据权利要求1所述的基于轮廓检测和特征匹配的图像配准方法,其特征在于,步骤1所述矩形图像的大小为m×n,且m≠n,其中m为矩形的宽度,n为矩形的高度,m大于待配准图和标准图的宽度,n大于待配准图和标准图的高度。3.根据...
【专利技术属性】
技术研发人员:朱炳斐,陈文建,李武森,张峻乾,
申请(专利权)人:南京理工大学,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。