基于改进SIFT-Delaunay的异源图像配准方法技术

本发明专利技术涉及图像配准技术领域，公开了一种基于改进SIFT‑Delaunay的异源图像配准方法，首先对SAR图像进行PPB滤波，这是一种空域滤波的算法，可以在去除SAR图像所产的相干斑噪声的同时还能有效保持边缘特性。然后在提取特征点时采用和传统的SIFT算法一样的方法，特征点梯度的计算采用改进的指数加权均值比算子，得到精度较高的边缘强度信息。最后在特征点的配准过程采用欧氏距离进行粗配准，采用Delaunay三角网格的方法进行特征点的精配准，Delaunay三角网格具有唯一性，其对图像的平移、旋转和几何畸变具有较好的不变性。

【技术实现步骤摘要】
基于改进SIFT-Delaunay的异源图像配准方法
本专利技术涉及异源图像配准
，具体涉及一种基于改进SIFT-Delaunay的异源图像配准方法。
技术介绍
图像配准技术是图像处理的基础部分，异源图像配准技术可以弥补单一传感器图像在图像配准技术中的不足，是当前图像处理领域所研究的关键技术。异源图像之间的非线性灰度差异会严重影响配准算法的性能，传统的SIFT算法具有尺度不变性、旋转不变性和光照不变性，在实际工程应用中被广泛应用。由于SAR图像存在乘性噪声，SAR图像在拥有高反射率区域获取幅值很大的梯度时，传统SIFT(尺度不变特征变换)在提取梯度时会出现一定的偏差，影响后续特征点匹配。SIFT算法在特征描述过程中利用点特征领域范围内的局部信息构建描述子，忽略了图像中各特征点之间的关联，导致SIFT算法在异源图像的配准中性能不稳定。为了取得鲁棒性强且精确度高的异源图像配准结果，需要提取到稳定的特征点梯度信息。目前主要的梯度算子有以下几种：Roberts梯度算子、Prewitt梯度算子以及Sobel梯度算子。其中Roberts梯度算本文档来自技高网...

【技术保护点】
1.基于改进SIFT-Delaunay的异源图像配准方法，其特征在于，包括以下步骤：/n步骤1，选取光学图像作为参考图像，SAR图像作为待配准图像；对SAR图像进行PPB滤波处理，去除SAR图像中的相干斑噪声，得到降噪后的SAR图像；/n步骤2，采用SIFT算法分别提取参考图像和降噪后的SAR图像的候选特征点；对每幅图像的候选特征点进行精炼处理，去除低对比度点和边缘响应点，得到对应的两组特征点；/n步骤3，通过改进的ROEWA算子计算每组特征点的梯度幅值和梯度方向，并确定特征点的主方向，根据每组特征点的主方向对相应图像进行旋转，对应得到旋转后的图像；每个特征点在旋转后的图像对应的邻域内提取特征...

【技术特征摘要】
1.基于改进SIFT-Delaunay的异源图像配准方法，其特征在于，包括以下步骤：
步骤1，选取光学图像作为参考图像，SAR图像作为待配准图像；对SAR图像进行PPB滤波处理，去除SAR图像中的相干斑噪声，得到降噪后的SAR图像；
步骤2，采用SIFT算法分别提取参考图像和降噪后的SAR图像的候选特征点；对每幅图像的候选特征点进行精炼处理，去除低对比度点和边缘响应点，得到对应的两组特征点；
步骤3，通过改进的ROEWA算子计算每组特征点的梯度幅值和梯度方向，并确定特征点的主方向，根据每组特征点的主方向对相应图像进行旋转，对应得到旋转后的图像；每个特征点在旋转后的图像对应的邻域内提取特征描述子；
步骤4，采用欧氏距离对参考图像和待配准图像中每个特征点对应的特征描述子进行度量，得到对应的粗匹配点对；
步骤5，在所述粗配准点对上构建Delaunay三角网格，以剔除误配准点对，得到精配准点对，完成两幅异源图像的配准。


2.根据权利要求1所述的基于改进SIFT-Delaunay的异源图像配准方法，其特征在于，所述采用SIFT算法分别提取参考图像和降噪后的SAR图像的候选特征点，为将参考图像和降噪后的SAR图像分别作为待处理图像进行以下操作：
2.1，构建图像尺度空间，将参考图像或降噪后的SAR图像在尺度空间中表示为图像和可变高斯核函数的卷积，采用高斯金字塔算子表示如下：



式中，表示卷积运算；I(x，y)表示待处理图像，即参考图像或降噪后的SAR图像；G(x，y，σ)为二维高斯函数，σ表示尺度因子；



2.2，将待处理图像的每层尺度空间划分为多个3×3邻域，确定每个领域的极大值点，并在每个极大值点与其相邻两层尺度空间内对应点的邻域内查找局部极大值点，遍历整个待处理图像，得到所有局部极大值点，即为该待处理图像的候选特征点。


3.根据权利要求1所述的基于改进SIFT-Delaunay的异源图像配准方法，其特征在于，所述对每幅图像的候选特征点进行精炼处理，具体为：
首先，对每幅图像进行低对比度点的抑制：
对于某一候选特征点，平移尺度空间函数D(x，y，σ)至当前候选特征点，在当前候选特征点周围进行泰勒级数展开：



其中，X＝(x，y，σ)T为特征点位置和尺度信息向量，X0为候选特征点，为函数D(x，y，σ)在点X处的一阶微分，为函数D(x，y，σ)在点X处的二阶微分；
通过对上式D求导，并令导数为零，得到修正后极值点的位置：



判断修正后极值点的位置是否满足若是，则在当前候选特征点与修正后极值点之间进行插值，产生新的极值点，并更新当前极值点进入下一次极值点修正过程；否则，计算修正后极值点平移尺度空间函数D的值：



对于所有极值点的判断每个极值点的是否小于设定阈值，若是，则判断该极值点为对比度低的不稳定极值点，予以去除，否则，保留该极值点；
然后对每幅图像进行边缘响应点的剔除：
计算每个特征点的主曲率：
定义2×2的Hessian矩阵H：



每个特征点的主曲率与H的特征值成正比；令α代表H的最大特征值，β代表H的最小特征值，由行列式的性质得：
Trac(H)＝Dxx+Dyy＝α+β
Der(H)＝DxxDyy-(Dxy)2＝αβ
其中，H的迹为拉普拉斯算子，令r满足α＝rβ，则：



判断Trace(H)2/Det(H)与(r+1)2/r是否满足以下关系：



若是，则保留当前候选特征点，否则，剔除当前候选特征点。


4.根据权利要求1所述的基于改进SIFT-Delaunay的异源图像配准方法，其特征在于，所述对每幅图像的候选特征点进行精炼处理，具体为：
首先，对每幅图像进行边缘响应点的剔除：
计算每个特征点的主曲率：
定义2×2的Hessian矩阵H：



每个特征点的主曲率与H的特征值成正比；令α代表H的最大特征值，β代表H的最小特征值，由行列式的性质得：
Trac(H)＝Dxx+Dyy＝α+β
Det(H)＝DxxDyy-(Dxy)2＝αβ
其中，H的迹为拉普拉斯算子，令r满足α＝rβ，则：



判断Trace(H)2/Det(H)与(r+1)2/r是否满足以下关系：



若是，则保留当前候选特征点，否则，剔除当前候选特征点；
然后，对每幅图像进行低对比度点的抑制：
对于某一候选特征点，平移尺度空间函数D(x，y，σ)至当前候选特征点，在当前候选特征点周围进行泰勒级数展开：



其中，X＝(x，y，σ)T为特征点位置和尺度信息向量，X0为候选特征点，为函数D(x，y，σ)在点X处的一阶微分，为函数D(x，y，σ)在点X处的二阶微分；
通过对上式D求导，并令导数为零，得到修正后极值点的位置：



判断修正后极值点的位置是否满足若是，则在当前候选特征点与修正后极值点之间进行插值，产生新的极值...

【专利技术属性】
技术研发人员：梁毅，刘倩，李聪，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61