基于局部不变灰度特征的图像配准方法、图像处理系统技术方案

本发明专利技术属于数据识别及数据表示技术领域，公开了一种基于局部不变灰度特征的图像配准方法、图像处理系统，所述基于局部不变灰度特征的图像配准方法构建特征提取描述子；通过寻找配准图像间的特征点，采用最近邻法则寻找相匹配的关键点；计算配准图像间的仿射变换变换矩阵H，通过奇异值分解求出其6个参数。构建描述子，将采样点分为奇偶两部分，使得构造描述子时维度显著降低，减少了运行时间，提高了配准时的精度与准确度；构造描述子向量时，根据灰度值大小进行排序，具有旋转不变性。本发明专利技术的检测精度较高，具有较好的噪声鲁棒性和较低的计算复杂度，主要得益于较大程度上降低原描述子的维度，对光照变换不敏感。

Image registration method and image processing system based on local invariant gray features

The invention belongs to the technical field of data recognition and data representation, and discloses an image registration method and an image processing system based on locally invariant gray-scale features. The image registration method based on locally invariant gray-scale features constructs a feature extraction descriptor, and adopts the nearest neighbor rule by searching the feature points between the registration images. The key points of matching are found, and the affine transformation matrix H between the matched images is calculated, and its six parameters are obtained by singular value decomposition. Constructing descriptors, dividing the sampling points into odd and even parts, greatly reduces the dimension of constructing descriptors, reduces the running time, and improves the accuracy and accuracy of registration. The invention has high detection accuracy, good noise robustness and low computational complexity, which mainly benefits from reducing the dimension of the original descriptor to a large extent and is insensitive to light transformation.

【技术实现步骤摘要】
基于局部不变灰度特征的图像配准方法、图像处理系统
本专利技术属于数据识别及数据表示
，尤其涉及一种基于局部不变灰度特征的图像配准方法、图像处理系统。
技术介绍
目前，业内常用的现有技术是这样的：图像局部特征广泛应用于计算机视觉与模式识别中，这主要包括两个方面:从关注的图像中检测感兴趣点或者感兴趣区域，并计算他们的不变特征。目前已经提出许多检测感兴趣点的方法，例如SIFT，GLOH，IWCS-LTP等等。它们通过构建梯度方向和位置信息直方图去构建描述子，可以获得令人满意的效果。然而这些方法不能应对更为复杂的方向变化和光照变换。现有技术一局部灰度排序模式，局部灰度排序模式(LIOP)是通过计算每一个感兴趣区域中的元素的局部坐标构造描述子，从而具有方向不变性和光照不变性。缺点，局部灰度排序模式的维度会随着采样点的变大而变大，影响计算效率。现有技术二SIFT，SIFT算法广泛应用于特征提取领域，具有较高的利用价值。通过建立高斯金字塔，寻找尺度不变特征点，具有仿射不变性。SIFT算法在寻找不变特征时，需要建立坐标系，为每一个关键点分配主方向，然而方向评估容易受到噪声干扰，影响匹配精确性。本文档来自技高网...

【技术保护点】
1.一种基于局部不变灰度特征的图像配准方法，其特征在于，所述基于局部不变灰度特征的图像配准方法构建特征提取描述子；通过寻找配准图像间的特征点，采用最近邻法则寻找相匹配的关键点；计算配准图像间的仿射变换变换矩阵H，通过奇异值分解求出其6个参数。

【技术特征摘要】
1.一种基于局部不变灰度特征的图像配准方法，其特征在于，所述基于局部不变灰度特征的图像配准方法构建特征提取描述子；通过寻找配准图像间的特征点，采用最近邻法则寻找相匹配的关键点；计算配准图像间的仿射变换变换矩阵H，通过奇异值分解求出其6个参数。2.如权利要求1所述的基于局部不变灰度特征的图像配准方法，其特征在于，所述构建特征提取描述子之前需要：(1)图像预处理和检测感兴趣区域：利用标准差为σ1高斯滤波器去除噪声，利用具有仿射协变性的检测器检测感兴趣区域；再采用标准差为σ2的高斯滤波器移除在插值化过程中插值所引入的噪声；(2)感兴趣区域分割：根据图像块中像素的灰度值排序，将局部图像块分割成许多子区域：局部块中的所有像素根据灰度值大小按照非降序顺序排列；根据灰度值排序，将局部块分成B个子区域。3.如权利要求1所述的基于局部不变灰度特征的图像配准方法，其特征在于，所述构建特征提取描述子具体包括：(1)构建坐标系：局部块中的中心设为O，定义一个点P，则设为y轴，x轴则为y轴顺时针旋转90度方向；在局部坐标系中，设置中心点为P，半径为R，N为在子区域中临近P点的个数；OP方向远离P点的一个点为第一个点，其余N-1点按照顺时针方向排列，得到像素点集合{X1,X2,…,XN}，通过线性插值得到灰度值{I(X1),I(X2),…,I(XN)}；N为偶数，采样点根据奇偶性分为如下两列：P(1)(x)＝{I(X1),I(X3),…,I(XN-1)}P(2)(x)＝{I(X2),I(X4),…,I(XN)}；比较相邻像素的灰度值，得到两个新的向量(k＝1,2)，且维度为N/2，最后一个像素与第一个像素作比较作为向量组的最后一个成分，得到的向量表达式如下为：vector(1)＝(sign(I(X1)-I(X3)),sign(I(X3)-I(X5)),…,sign(I(XN-3)-I(XN-1)),sign(I(XN-1)-I(X1)))；vector(2)＝(sign(I(X2)-I(X4)),sign(I(X4)-I(X6)),…,sign(I(XN-2)-I(XN)),sign(I(XN)-I(X2)))；其中vectors(k)是只有一个像素为1，其它均为0的向量，转化为向量：其中采样点映射为两个维度为2N/2的向量组D(P(k)),k＝1,2，其中只有一个元素为1，其它均为0，将这两个向量组连接作为一个完整的向量，并且维度为2×2N/2，指向点P的向量，其表达式如下：D(P)＝(D(P(1)),D(P(2)))...

【专利技术属性】
技术研发人员：卢一相，陈帅，高清维，孙冬，彭学明，鲍华，夏懿，
申请(专利权)人：安徽大学，
类型：发明
国别省市：安徽,34