一种基于改进PIIFD的异源图像优化匹配方法及系统技术方案

本发明专利技术属于图像匹配技术领域，提供了一种基于改进PIIFD的异源图像优化匹配方法及系统。方法包括：利用曲率尺度空间算法获取参考图像及待匹配图像中图像轮廓上的角点作为特征点；计算每一特征点的主方向及对应轮廓处的曲率半径，并以所述特征点为中心沿其主方向选取一矩形区域构造PIIFD特征描述符；计算参考图像及待匹配图像中对应特征点对间PIIFD特征描述符的相似度以获得初始匹配结果；获取局部转换矩阵并对其进行迭代优化，并基于优化后的局部转换矩阵剔除所述初始匹配结果中的异常匹配点以得到最终的匹配结果。本发明专利技术不但具有尺度变化问题处理中计算成本低的优势，还有效提高了异源图像特别是非刚性异源图像匹配时的准确性。的准确性。的准确性。

【技术实现步骤摘要】
一种基于改进PIIFD的异源图像优化匹配方法及系统


[0001]本专利技术涉及图像匹配
，具体涉及一种基于改进PIIFD的异源图像优化匹配方法及系统。

技术介绍

[0002]基于特征匹配的异源图像匹配方法主要包括：首先，对参考图像及待匹配图像分别进行特征提取；其次，对提取的特征进行描述，并通过匹配得到若干匹配点对；最终，对异常匹配点对进行滤除即得到所需的匹配结果。
[0003]其中，在特征提取阶段，考虑异源图像间对应区域灰度差异较大的因素，及异源图像间尺度变化的因素，多采用SI
‑
PIIFD算法。其考虑多模态视网膜图像之间的灰度差异，通过部分灰度不变特征描述符(即PIIFD描述符)克服了异源图像之间的灰度差异。同时，通过在多个给定尺度上分别计算每一特征点的PIIFD描述符以使不同尺寸下的异源图像实现像素级匹配，进而解决异源图像间的尺度变化影响。但其在解决异源图像尺度变化的过程中，在多个尺度上分别计算每一个特征点的PIIFD描述符的方法极大地增加了整个算法的计算量，从而导致整个匹配过程耗时长、效率低。
[0004]在异常点滤除阶段，多采用一个全局变换模型表征图像对之间的变换关系进行异常匹配点对滤除。但对于非刚性异源图像而言，采用单一的全局变换模型难以准确描述图像之间的变换关系，从而导致匹配结果不理想。

技术实现思路

[0005]本专利技术目的在于提供一种基于改进PIIFD的异源图像优化匹配方法及系统，以改进现有的异源图像匹配算法在前期处理图像间尺度变化时计算成本大，在后期进行图像匹配时准确率低的技术问题。
[0006]为达成上述目的，本专利技术提出如下技术方案：
[0007]一种基于改进PIIFD的异源图像优化匹配方法，包括：
[0008]分别提取参考图像及待匹配图像的图像轮廓，并利用曲率尺度空间算法获取各所述图像轮廓上的角点以作为特征点c
i
；
[0009]计算每一所述特征点c
i
所在图像轮廓处的曲率半径并利用局部区域内的最大矩分别计算所述参考图像及所述待匹配图像中的每个特征点c
i
的主方向，进而以所述特征点c
i
为中心沿其主方向选取一矩形区域4Fr
i
×
4Fr
i
构造PIIFD特征描述符；其中，K
i
为特征点c
i
对应的轮廓曲率，F为放大因子；
[0010]计算所述参考图像及所述待匹配图像中对应特征点对间PIIFD特征描述符的相似度以进行双向特征匹配，并获得初始匹配结果；
[0011]将所述参考图像均分为H
×
H个网格，以每一所述网格的中心为圆心设置半径相等的圆形区域S
i
，并获取所述圆形区域S
i
的每一特征点及其在所述待匹配图像中对应匹配
的特征点以构成匹配点对集进而基于所述匹配点对集计算得到局部转换矩阵；其中，为圆形区域S
i
内的特征点总数，为任一个匹配点对；
[0012]以圆心移动矢量为增量对各所述圆心区域S
i
的圆心进行迭代更新，进而对所述局部转换矩阵进行迭代更新直至相邻两次更新时的圆心间欧氏距离小于预设距离或迭代次数大于预设次数以得到H
×
H个优化局部转换矩阵；其中，e
j
为所述匹配点对集中第j个匹配点对的匹配误差，u
j
为当前圆心到特征点的矢量，为归一化因子；
[0013]基于最近邻算法选用相应的优化局部转换矩阵筛除所述初始匹配结果中的异常匹配点对以获得最终匹配结果。
[0014]进一步的，所述分别提取参考图像及待匹配图像的图像轮廓，并利用曲率尺度空间算法获取各所述图像轮廓上的角点以作为特征点c
i
，包括：
[0015]利用Log
‑
Gabor滤波器对所述参考图像及所述待匹配图像分别进行卷积，并基于Kovesi改进算法分别计算所述参考图像及所述待匹配图像中各像素点在各方向下的相位一致性：
[0016][0017]其中，o和n分别为Log
‑
Gabor滤波器的方向标记和尺度标记，PC(x,y,θ
o
)为图像坐标(x,y)处在方向o上的相位一致性，θ
o
为方向o的对应角度，W
o
为频率扩展的权重系数，A
no
为方向为o的Log
‑
Gabor滤波器在尺度n上与图像卷积得到的幅值，ΔΦ
no
为一相位差分函数，T为噪声阈值，ε为一无穷小常数；
[0018]计算所述参考图像与所述待匹配图像中每个像素点处所述各方向下相位一致性的最大矩，并形成与之对应的各最大矩图；
[0019]对各所述最大矩图进行非极大值抑制后，通过轮廓跟踪算法分别获取所述参考图像与所述待匹配图像中的所述图像轮廓；
[0020]采用曲率尺度空间算法提取各所述图像轮廓上的角点作为特征点。
[0021]进一步的，所述利用局部区域内的最大矩分别计算所述参考图像及所述待匹配图像中的每个特征点c
i
的主方向，包括：
[0022]选取与所述特征点c
i
相邻的特征点c
i
‑1、c
i+1
；其中，特征点c
i
的坐标记为(x
i
,y
i
)，特征点c
i
‑1的坐标记为(x
i
‑1,y
i
‑1)，特征点c
i+1
的坐标记为(x
i+1
,y
i+1
)；
[0023]通过确定一以所述特征点c
i
为中心，以l为边长的局部区域；
[0024]通过计算所述特征点c
i
的主方向矢量；其中，u
i
和v
i
为矢量v
i
中的元素值，M
l
为所述局部区域内的像素点总数，v
t
为特征点c
i
至所述局部区域内第t个像素点的矢量，w
t
为v
t
的对应权重，所述权重等于所述像素点处的最大矩；
[0025]通过确认所述特征点c
i
的主方向。
[0026]进一步的，所述计算所述参考图像及所述待匹配图像中对应特征点对间PIIFD特征描述符的相似度以进行双向特征匹配，包括：
[0027]基于计算所述对应特征点对间PIIFD特征描述符的相似度；
[0028]其中，d1为所述特征点对中位于所述参考图像中特征点的PIIFD特征描述符，d2为所述特征点对中位于所述待匹配图像中特征点的PIIFD特征描述符。
[0029]进一步的，所述将所述参本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进PIIFD的异源图像优化匹配方法，其特征在于，包括：分别提取参考图像及待匹配图像的图像轮廓，并利用曲率尺度空间算法获取各所述图像轮廓上的角点以作为特征点c
i
；计算每一所述特征点c
i
所在图像轮廓处的曲率半径并利用局部区域内的最大矩分别计算所述参考图像及所述待匹配图像中的每个特征点c
i
的主方向，进而以所述特征点c
i
为中心沿其主方向选取一矩形区域4Fr
i
×
4Fr
i
构造PIIFD特征描述符；其中，K
i
为特征点c
i
对应的轮廓曲率，F为放大因子；计算所述参考图像及所述待匹配图像中对应特征点对间PIIFD特征描述符的相似度以进行双向特征匹配，并获得初始匹配结果；将所述参考图像均分为H
×
H个网格，以每一所述网格的中心为圆心设置半径相等的圆形区域S
i
，并获取所述圆形区域S
i
的每一特征点及其在所述待匹配图像中对应匹配的特征点以构成匹配点对集进而基于所述匹配点对集计算得到局部转换矩阵；其中，为圆形区域S
i
内的特征点总数，为任一个匹配点对；以圆心移动矢量为增量对各所述圆心区域S
i
的圆心进行迭代更新，进而对所述局部转换矩阵进行迭代更新直至相邻两次更新时的圆心间欧氏距离小于预设距离或迭代次数大于预设次数以得到H
×
H个优化局部转换矩阵；其中，e
j
为所述匹配点对集中第j个匹配点对的匹配误差，u
j
为当前圆心到特征点的矢量，为归一化因子；基于最近邻算法选用相应的所述优化局部转换矩阵筛除所述初始匹配结果中的异常匹配点对以获得最终匹配结果。2.根据权利要求1所述的基于改进PIIFD的异源图像优化匹配方法，其特征在于，所述分别提取参考图像及待匹配图像的图像轮廓，并利用曲率尺度空间算法获取各所述图像轮廓上的角点以作为特征点c
i
，包括：利用Log
‑
Gabor滤波器对所述参考图像及所述待匹配图像分别进行卷积，并基于Kovesi改进算法分别计算所述参考图像及所述待匹配图像中各像素点在各方向下的相位一致性：其中，o和n分别为Log
‑
Gabor滤波器的方向标记和尺度标记，PC(x,y,θ
o
)为图像坐标(x,y)处在方向o上的相位一致性，θ
o
为方向o的对应角度，W
o
为频率扩展的权重系数，A
no
为方向为o的Log
‑
Gabor滤波器在尺度n上与图像卷积得到的幅值，ΔΦ
no
为一相位差分函数，T为噪声阈值，ε为一无穷小常数；计算所述参考图像与所述待匹配图像中每个像素点处所述各方向下相位一致性的最
大矩，并形成与之对应的各最大矩图；对各所述最大矩图进行非极大值抑制后，通过轮廓跟踪算法分别获取所述参考图像与所述待匹配图像中的所述图像轮廓；采用曲率尺度空间算法提取各所述图像轮廓上的角点作为特征点。3.根据权利要求1所述的基于改进PIIFD的异源图像优化匹配方法，其特征在于，所述利用局部区域内的最大矩分别计算所述参考图像及所述待匹配图像中的每个特征点c
i
的主方向，包括：选取与所述特征点c
i
相邻的特征点c
i
‑1、c
i+1
；其中，特征点c
i
的坐标记为(x
i
,y
i
)，特征点c
i
‑1的坐标记为(x
i
‑1,y
i
‑1)，特征点c
i+1
的坐标记为(x
i+1
,y
i+1
)；通过确定一以所述特征点c
i
为中心，以l为边长的局部区域；通过计算所述特征点c
i
的主方向矢量；其中，u
i
和v
i
为矢量v
i
中的元素值，M
l
为所述局部区域内的像素点总数，v
t
为特征点c
i
至所述局部区域内第t个像素点的矢量，w
t
为v
t
的对应权重，所述权重等于所述像素点处的最大矩；通过确认所述特征点c
i
的主方向。4.根据权利要求1所述的基于改进PIIFD的异源图像优化匹配方法，其特征在于，所述计算所述参考图像及所述待匹配图像中对应特征点对间PIIFD特征描述符的相似度以进行双向特征匹配，包括：基于计算所述对应特征点对间PIIFD特征描述符的相似度；其中，d1为所述特征点对中位于所述参考图像中特征点的PIIFD特征描述符，d2为所述特征点对中位于所述待匹配图像中特征点的PIIFD特征描述符。5.根据权利要求1所述的基于改进PIIFD的异源图像优化匹配方法，其特征在于，所述将所述参考图像均分为H
×

【专利技术属性】
技术研发人员：王正兵，冯旭刚，章义忠，吴玉秀，
申请(专利权)人：安徽工业大学，
类型：发明
国别省市：