一种基于匹配误差抑制的成像坐标校正方法技术

本发明专利技术公开了一种基于匹配误差抑制的成像坐标校正方法，手工标记测量图像背景区域，获取其匹配点对。并基于匹配点对利用迭代误差法建模几何校正映射矩阵，提高了实验结果的精度。据此，利用欧式距离及阈值，检测并抑制噪声匹配点。再次利用迭代误差拟合求解新的映射矩阵，并对参考图像进行校正。将测量图像与边缘二值掩膜融合，获取足部坐标。再将测量图像边缘与几何校正后的参考图像进行融合，根据足部点误差，水平平移获得足部对齐的参考图像。本发明专利技术具有直观有效，鲁棒性强，场景适应度高等优点，不仅能够解决成像坐标在对齐标定中受到背景信息、复杂结构混杂信息、足部近邻结构信息的干扰，而且也能够解决多幅参考图像拟合结果的不一致性。

【技术实现步骤摘要】
一种基于匹配误差抑制的成像坐标校正方法
本专利技术涉及几何校正
，尤其涉及一种基于匹配误差抑制的成像坐标校正方法。
技术介绍
几何校正就是针对几何畸变进行的误差校正。在实际的应用中，如多光谱、多时相影像的配准，遥感影像制图和对场景中的人体进行标定以解决身高测量的问题等，由于图像的模糊性以及计算量等问题，几何校正的正确性面临着诸多挑战，现有常用到的图像几何校正方法有空间变换法、灰度插值法。基于匹配误差抑制的成像坐标校正方法，一般不需要对图像进行复杂的预先处理，而是利用图像本身具有的一些统计信息来度量图像的相似程度。空间变换法是几何校正的常用方法，它是指像的空间几何坐标变换。申请号为201010123708.8的中国专利《一种基于SIFT算法的图像匹配定位方法》通过计算被拍摄物体图的Sift特征值，并记录匹配点对应的两点距离之比，来确定图形定位。申请号为201310539961.5的中国专利《基于最大位平均熵的SIFT描述子二值化及相似度匹配方法》提取出新的二值化描述子，然后用汉明距离计算两个描述子之间的距离来进行相似度匹配。申请号为201310239103.9的中国专利《一种基于子图像角点特征的快速图像配准方法》提出了一种基于子图像角点特征的快速图像配准方法。申请号为201410027939.7的中国专利《基于改进SIFT算法的图像匹配检索系统》通过采取提取尺度不变的特征点算法进行特征描述，匹配关键点的局部特征来进行几何校正。庞惠文等人于2016年发表的《基于直线检测的条码图像几何校正研究》是在已除去背景的图像中，寻找目标的条形码边缘对应的直线，以此确定其偏移角度，并进行扭转校正。该类方法往往不能充分利用图像所包含的信息，解决成像坐标在对齐标定中受到背景信息、复杂结构混杂信息的干扰，使其结果有较大的误差，影响了几何校正的精度。几何校正的另一种常用方法是灰度插值法，即对空间变换后的像素赋予相应的灰度值，以恢复原位置的灰度值。申请号为201310349565.6的中国专利《一种图像配准方法和系统》将每一分块图像分别进行逐级降采样并按照分辨率由低到高的顺序逐级递归匹配并由此获取主辅图像的对应关系，并移动辅图像实现图像配准。申请号为201510253950.X的中国专利《视频融合中多图像多像素级别几何校正方法》提出了一种多图像多像素级别几何校正方法和系统，通过较大范围内的几何校正，并基于几何图形顶点和图像插值的分数像素级别的几何校正。但该方法复杂，场景适应度低，图像轮廓有一定模糊。
技术实现思路
本专利技术目的就是为了弥补已有技术的缺陷，提供一种基于匹配误差抑制的成像坐标校正方法。本专利技术是通过以下技术方案实现的：一种基于匹配误差抑制的成像坐标校正方法，包括有以下步骤：背景区域选择、背景区域的兴趣点匹配、基于背景的几何校正建模、基于几何校正误差的噪声匹配点抑制、基于噪声匹配点抑制的几何校正建模和足部点微调；所述的背景区域选择，输入测量图像和多张参考图像，并在测量图像中选择背景区域；所述的背景区域的兴趣点匹配，根据Harris角点强度，提取并保留测量图像以及参考图像背景区域中的兴趣点，提取其中的SIFT兴趣点描述子，根据欧式距离计算两幅图像SIFT点对描述子相似度矩阵，并根据二分图匹配算法获取匹配点对；所述的基于背景的几何校正建模，获取其匹配点对，并基于匹配点对利用迭代误差法建立几何校正映射矩阵模型；所述的基于几何校正误差的噪声匹配点抑制，根据几何校正映射矩阵模型，校正参考图像，根据背景区域中的匹配点对，计算欧式距离并设置阈值，将误差较大的兴趣点作为噪声进行抑制，仅保留背景区域中误差较小的匹配点对；所述的基于噪声匹配点抑制的几何校正建模，针对噪声抑制后的匹配点对，获取其坐标集合，并利用迭代误差拟合求解几何校正映射矩阵模型参数，根据几何校正映射矩阵，对参考图像进行几何校正；所述的足部点微调，将测量图像边缘与测量图像和场景几何校正后的参考图像分别融合，获得目标边缘合成图像和比对图像，根据测量图像与参考图像的足部点误差，对参考图像进行水平平移几何校正，获得足部对齐的参考图像。所述的背景区域选择，包括以下步骤：步骤S1-1：输入测量图像imgm和多张参考图像Imgf＝{imgf}；步骤S1-2：在测量图像中，选择背景区域bgbox；所述的背景区域的兴趣点匹配，包括以下步骤：步骤S2-1：根据harris角点强度，设置阈值，提取测量图像兴趣点位置：PTa,m＝{ptm|Harris(ptm)>τH},其中τH为harris角点强度的阈值；步骤S2-2：仅保留测量图像背景区域中的兴趣点：PTb,m＝{ptm|ptm∈bgbox,ptm∈PTa,m}步骤S2-3：对测量图像兴趣点PTb,m，提取SIFT兴趣点描述子SIFTb,m＝{siftb,m,i}；步骤S2-4：对参考图像imgf，重复步骤S2-1和步骤S2-2，提取背景区域的兴趣点PTb,f；步骤S2-5：对参考图像兴趣点PTb,f，提取SIFT兴趣点描述子SIFTb,f＝{siftb,f,j}；步骤S2-6：根据欧式距离Euc(·,·)，计算两幅图像SIFT点对描述子相似度矩阵：S＝{sij},sij＝Euc(siftb,m,i,siftb,f,j)步骤S2-7：根据二分图匹配算法，查找相似度矩阵S中的最大值，获取匹配点对pair(i,j)。所述的基于背景的几何校正建模，包括以下步骤：步骤S3-1：获取匹配点对pair(i,j)的坐标集合<PTb,m,PTb,f>；步骤S3-2：针对坐标集合<PTb,m,PTb,f>，利用迭代误差法求解几何校正映射矩阵模型参数homob＝[kb,bb]，其中kb代表几何校正方程中一次项系数，bb代表几何校正方程中常数项系数；步骤S3-2-1：基于背景兴趣点的几何校正步骤S3-2-2：初始化噪声匹配点抑制的几何校正线性模型参数kb＝1,bb＝0，设置学习步长η；步骤S3-2-3：计算噪声匹配点抑制的几何校正线性模型误差，其中误差采用匹配后点与真实点之间的欧式距离描述：步骤S3-2-4：计算kb参数的梯度：步骤S3-2-5：根据负梯度方向，更新参数：步骤S3-2-6：计算bb参数的梯度：步骤S3-2-7：根据负梯度方向，更新参数：步骤S3-2-8：迭代重复步骤S3-2-3到S3-2-7，直到误差Errb稳定；步骤S3-2-9：获取稳定误差下的系数模型其中代表几何校正中稳定状态下的一次项系数，代表几何校正中稳定状态下的常数项系数。所述的基于几何校正误差的噪声匹配点抑制，包括以下步骤：步骤S4-1：根据几何校正映射矩阵对参考图像进行几何校正：步骤S4-2：根据背景区域中的匹配点对，计算测量图像的配准点PTb,m与映射坐标PTc,f的欧式距离Euc(·,·)，其中match(i)表示与测量图像兴趣点i匹配成功的参考图像兴趣点；其公式如下：disi,match(i)＝Euc(ptb,m,i,ptc,f,match(i))步骤S4-3：设置阈值，将误差较大的兴趣点作为噪声进行抑制，仅保留误差较小的匹配点对paird(i,j)，该匹配点对均在背景区域中。所述的基于噪声匹配点抑本文档来自技高网...

【技术保护点】
一种基于匹配误差抑制的成像坐标校正方法，其特征在于：包括有以下步骤：背景区域选择、背景区域的兴趣点匹配、基于背景的几何校正建模、基于几何校正误差的噪声匹配点抑制、基于噪声匹配点抑制的几何校正建模和足部点微调；所述的背景区域选择，输入测量图像和多张参考图像，并在测量图像中选择背景区域；所述的背景区域的兴趣点匹配，根据Harris角点强度，提取并保留测量图像以及参考图像背景区域中的兴趣点，提取其中的SIFT兴趣点描述子，根据欧式距离计算两幅图像SIFT点对描述子相似度矩阵，并根据二分图匹配算法获取匹配点对；所述的基于背景的几何校正建模，获取其匹配点对，并基于匹配点对利用迭代误差法建立几何校正映射矩阵模型；所述的基于几何校正误差的噪声匹配点抑制，根据几何校正映射矩阵模型，校正参考图像，根据背景区域中的匹配点对，计算欧式距离并设置阈值，将误差较大的兴趣点作为噪声进行抑制，仅保留背景区域中误差较小的匹配点对；所述的基于噪声匹配点抑制的几何校正建模，针对噪声抑制后的匹配点对，获取其坐标集合，并利用迭代误差拟合求解几何校正映射矩阵模型参数，根据几何校正映射矩阵，对参考图像进行几何校正；所述的足部点微调，将测量图像边缘与测量图像和场景几何校正后的参考图像分别融合，获得目标边缘合成图像和比对图像，根据测量图像与参考图像的足部点误差，对参考图像进行水平平移几何校正，获得足部对齐的参考图像。...

【技术特征摘要】
1.一种基于匹配误差抑制的成像坐标校正方法，其特征在于：包括有以下步骤：背景区域选择、背景区域的兴趣点匹配、基于背景的几何校正建模、基于几何校正误差的噪声匹配点抑制、基于噪声匹配点抑制的几何校正建模和足部点微调；所述的背景区域选择，输入测量图像和多张参考图像，并在测量图像中选择背景区域；所述的背景区域的兴趣点匹配，根据Harris角点强度，提取并保留测量图像以及参考图像背景区域中的兴趣点，提取其中的SIFT兴趣点描述子，根据欧式距离计算两幅图像SIFT点对描述子相似度矩阵，并根据二分图匹配算法获取匹配点对；所述的基于背景的几何校正建模，获取其匹配点对，并基于匹配点对利用迭代误差法建立几何校正映射矩阵模型；所述的基于几何校正误差的噪声匹配点抑制，根据几何校正映射矩阵模型，校正参考图像，根据背景区域中的匹配点对，计算欧式距离并设置阈值，将误差较大的兴趣点作为噪声进行抑制，仅保留背景区域中误差较小的匹配点对；所述的基于噪声匹配点抑制的几何校正建模，针对噪声抑制后的匹配点对，获取其坐标集合，并利用迭代误差拟合求解几何校正映射矩阵模型参数，根据几何校正映射矩阵，对参考图像进行几何校正；所述的足部点微调，将测量图像边缘与测量图像和场景几何校正后的参考图像分别融合，获得目标边缘合成图像和比对图像，根据测量图像与参考图像的足部点误差，对参考图像进行水平平移几何校正，获得足部对齐的参考图像。2.根据权利要求1所述的一种基于匹配误差抑制的成像坐标校正方法，其特征在于：所述的背景区域选择，包括以下步骤：步骤S1-1：输入测量图像imgm和多张参考图像Imgf＝{imgf}；步骤S1-2：在测量图像中，选择背景区域bgbox。3.根据权利要求2所述的一种基于匹配误差抑制的成像坐标校正方法，其特征在于：所述的背景区域的兴趣点匹配，包括以下步骤：步骤S2-1：根据harris角点强度，设置阈值，提取测量图像兴趣点位置：PTa,m＝{ptm|Harris(ptm)>τH},其中τH为harris角点强度的阈值；步骤S2-2：仅保留测量图像背景区域中的兴趣点：PTb,m＝{ptm|ptm∈bgbox,ptm∈PTa,m}步骤S2-3：对测量图像兴趣点PTb,m，提取SIFT兴趣点描述子SIFTb,m＝{siftb,m,i}；步骤S2-4：对参考图像imgf，重复步骤S2-1和步骤S2-2，提取背景区域的兴趣点PTb,f；步骤S2-5：对参考图像兴趣点PTb,f，提取SIFT兴趣点描述子SIFTb,f＝{siftb,f,j}；步骤S2-6：根据欧式距离Euc(·,·)，计算两幅图像SIFT点对描述子相似度矩阵：S＝{sij},sij＝Euc(siftb,m,i,siftb,f,j)步骤S2-7：根据二分图匹配算法，查找相似度矩阵S中的最大值，获取匹配点对pair(i,j)。4.根据权利要求3所述的一种基于匹配误差抑制的成像坐标校正方法，其特征在于：所述的基于背景的几何校正建模，包括以下步骤：步骤S3-1：获取匹配点对pair(i,j)的坐标集合<PTb,m,PTb,f>；步骤S3-2：针对坐标集合<PTb,m,PTb,f>，利用迭代误差法求解几何校正映射矩阵模型参数homob＝[kb,bb]，其中kb代表几何校正方程中一次项系数，bb代表几何校正方程中常数项系数；步骤S3-2-1：基于...

【专利技术属性】
技术研发人员：杨兴明，谢昭，张鹿鸣，吴克伟，纪松，孙永宣，周亚辉，童赟，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：安徽,34