一种基于SUSAN角点检测的红外图像匹配方法组成比例

本发明专利技术提供了一种基于SUSAN角点检测的红外图像匹配方法，包括以下步骤：读取待匹配图像I1和I2，提取自适应阈值T；采用圆形模板遍历扫描图像I1和图像I2，分别计算两张图像像素点(x0,y0)处的USAN面积、角点响应函数值，并采用重心原则抑制虚假角点且记录角点位置信息；选取相似测度NCC来进行粗略的角点匹配；用随机抽样一致性算法RANSAC对粗匹配点对进行筛选优化，得到更加精准的匹配点，完成图像匹配。

An infrared image matching method based on SUSAN corner detection

The present invention provides a method for infrared image matching based on SUSAN corner detection, which comprises the following steps: reading the image to be matched I1 and I2 extraction, adaptive threshold T; using circular template traversal scanning image I1 and image I2, respectively the two image pixels (x0, Y0) at the USAN area, corner the response function value, and the center of gravity principle to suppress the false corner point and record corner position information; selected corner roughly match the similarity measure of NCC; with the random consistency algorithm for RANSAC point optimization of coarse matching, get more accurate matching points, complete image matching.

【技术实现步骤摘要】
一种基于SUSAN角点检测的红外图像匹配方法
本专利技术涉及一种图像匹配技术，特别是一种基于SUSAN角点检测的红外图像匹配方法。
技术介绍
红外成像制导是精确制导技术中很重要的一种，已成为影响现代高科技战争的重要因素。红外图像匹配技术又是红外成像制导技术的关键技术之一，主要是对不同时间、不同传感器或不同视角拍摄的同一场景的两幅有重叠区域图像的匹配过程，以获得更为全面、更为准确的图像描述供观察或进一步处理。角点是影像重要的局部特征，在集中包含重要的形状信息的同时，能够有效地压缩数据量，并具有一定的平移、缩放和旋转不变性，几乎不受光照条件的影响，因此基于角点特征的匹配是目前研究最多、应用最广的一类匹配方法。角点检测算法主要分为两大类:基于边缘特征的角点检测和基于灰度变化的角点检测。第二类算法直接对像素灰度值进行处理，避免了第一类算法中存在的边缘检测误差和曲率计算等缺陷，是目前研究的重点。此类方法最为典型的有Moravec、Harris、SUSAN等。Moravec算法是较早的角点检测方法，其核心思想是在角点的某一领域内，各方向的灰度变化都很大。算法简单，运算速度快。但由于只对四个方向进本文档来自技高网...

【技术保护点】
一种基于SUSAN角点检测的红外图像匹配方法，其特征在于，包括以下步骤：读取待匹配图像I1和I2，提取自适应阈值T；采用圆形模板遍历扫描图像I1和图像I2，分别计算两张图像像素点(x0,y0)处的USAN面积、角点响应函数值，并采用重心原则抑制虚假角点且记录角点位置信息；选取相似测度NCC来进行粗略的角点匹配；用随机抽样一致性算法RANSAC对粗匹配点对进行筛选优化，得到更加精准的匹配点，完成图像匹配。

【技术特征摘要】
1.一种基于SUSAN角点检测的红外图像匹配方法，其特征在于，包括以下步骤：读取待匹配图像I1和I2，提取自适应阈值T；采用圆形模板遍历扫描图像I1和图像I2，分别计算两张图像像素点(x0,y0)处的USAN面积、角点响应函数值，并采用重心原则抑制虚假角点且记录角点位置信息；选取相似测度NCC来进行粗略的角点匹配；用随机抽样一致性算法RANSAC对粗匹配点对进行筛选优化，得到更加精准的匹配点，完成图像匹配。2.根据权利要求1所述的方法，其特征在于，提取自适应阈值T的具体过程在于：计算图像I1和图像I2的自适应阈值T1和T2其中，k为常数，(i,j)为像素索引，n为图像像素的列数，s为取每列像素灰度最大值和最小值的个数，分别表示图像的每列像素的s个灰度最大值和最小值；比较T1和T2，取其较小值为最终自适应阈值T。3.根据权利要求1所述的方法，其特征在于，计算两张图像像素点(x0,y0)处的USAN面积的具体过程为：采用圆形模板遍历扫描图像I1和I2，计算置信度C(x0,y0)其中，I(x,y)和I(x0,y0)分别表示圆形模板内核的灰度值和除核以外的像素点的灰度值；计算像素点(x0,y0)处的USAN面积n(x0,y0)其中，num是直径为D的圆形模板中包含的像素点个数，(xi',yi')是以(x0,y0)为核的圆形模板中像素点。4.根据权利要求3所述的方法，其特征在于，像素点(x0,y0)的角点响应函数值的获取方法为：获取像素点的初始响应函数值R(x0,y0)其中，nmax是像素点的USAN面积的最大值；若n(x0,y0)＝Tg，计算附加双圆环模板上像素灰度值的跳变次数，如果内环和外环的跳变次数相等且大于2，重新计算USAN面积SUSAN，并将代入公式(4)替换n(x0,y0)求得该点的角点响应值其中，SUSAN为圆环模板获取的USAN面积，S表示圆形模板面积，H表示圆环模板总长度，HUSAN表示USAN区域中位于环形模板内的像素点个数。5.根据权利要求4所述的方法，其特征在...

【专利技术属性】
技术研发人员：刘磊，陈旭，宋佳晓，李业飞，张壮，赵如雪，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：江苏,32