一种结构信息引导的跨域图像几何配准方法技术

本发明专利技术公开了一种结构信息引导的跨域图像几何配准方法，包括获取针对同一区域从不同角度拍摄的源图像和目标图像，针对两种图像构建跨域图像几何配准网络，进行图像结构信息引导的特征提取，进行跨域图像几何配准网络训练形成跨域图像几何配准网络模型，将源图像和目标图像送入训练好的跨域图像几何配准网络模型中，获得源图像和目标图像之间的几何变换参数，根据几何变换参数对源图像进行几何变换和像素插值，实现源图像与目标图像处于同一坐标系下，从而完成跨域图像的全局配准；本发明专利技术利用图像对的结构信息来引导网络训练，以降低跨域图像特征差异的影响，提高跨域配准的准确度。度。度。

【技术实现步骤摘要】
一种结构信息引导的跨域图像几何配准方法


[0001]本专利技术涉及一种结构信息引导的跨域图像几何配准方法。

技术介绍

[0002]图像配准是将不同时间、不同角度或不同传感器拍摄的同一目标的两幅或多幅图像进行对准的过程。给定源图像和目标图像，由于图像成像条件不同，图像在光照、对比度、尺度、旋转、灰度变化等方面可能有很大差异，图像配准的主要目的就是要克服这些困难，找到一个从源图像到目标图像的最佳空间几何变换，将两幅或多幅图像变换到同一坐标系下，使得变换后的源图像相对于某一相似度量函数来说与目标图像具有最大程度的相似性。
[0003]对于图像配准任务，一般包括特征提取、特征描述和特征匹配三个步骤。特征提取用来从图像中提取出关键点(或特征点、角点等)；特征描述是用一组数学向量对特征点进行描述，表达特征点的语义内容，需要保证不同特征点之间描述向量不同，且相似关键点之间的差异尽可能小；特征匹配通过计算不同特征描述符向量之间的距离来判断特征点的相似度，常用的距离有欧式距离、汉明距离、余弦距离等。
[0004]传统的图像配准方法，如基于SIFT本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种结构信息引导的跨域图像几何配准方法，包括获取针对同一区域从不同角度、不同传感器拍摄的源图像和目标图像，针对两种图像构建跨域图像几何配准网络，进行图像结构信息引导的特征提取，进行跨域图像几何配准网络训练形成跨域图像几何配准网络模型，将源图像和目标图像送入训练好的跨域图像几何配准网络模型中，获得源图像和目标图像之间的几何变换参数，根据几何变换参数对源图像进行几何变换和像素插值，实现源图像与目标图像处于同一坐标系下，从而完成跨域图像的全局配准；其特征在于，所述跨域图像几何配准网络是用于图像配准的深度神经网络，包括结构信息引导的特征提取模块、特征匹配模块和几何参数回归模块，其中：所述结构信息引导的特征提取模块是采用卷积神经网络将输入的源图像和目标图像转换为空间尺寸小于源图像和目标图像的特征图，所述转换是利用编码器
‑
解码器结构的图像分割网络，一方面获得与输入图像同尺寸的语义分割图，另一方面在编码器最后一层连接两个卷积块来获得与输入图像对应的特征图；所述特征匹配模块联合通道注意力和空间注意力来强调图像对特征图之间的相似部分，以增强匹配能力，通道注意力和空间注意力之间的结合方式是：先通道注意力，后空间注意力，包括：（a）将特征图通过维度变换后进行矩阵相乘得到相关图，对相关图分别经过最大池化以及平均池化得到两个特征向量，然后使用一个共享的多层感知机进行通道注意力学习，分别得到两个特征向量通道注意力得分，最后通过求和以及Sigmoid函数得到通道注意力图；（b）将所述相关图与所述通道注意力图逐元素相乘后得到一个通道注意力特征图，然后分别经过最大池化以及平均池化，在通道维度汇聚所有通道间的平均信息以及具有判别空间位置的通道信息，得到两个包含空间信息的注意力特征图，将得到的两个包含空间信息的注意力特征图在通道上进行拼接后，通过一个卷积核为7*7的卷积层以及Sigmoid函数得到空间注意力图；（c）将通道...

【专利技术属性】
技术研发人员：李金中，王子磊，谢毓广，王小明，宋文龙，高博，徐斌，丁津津，汪玉，陈凡，汪勋婷，
申请(专利权)人：中国科学技术大学先进技术研究院，
类型：发明
国别省市：