【技术实现步骤摘要】
一种基于多尺度Harris角点检测的图像配准方法
[0001]本专利技术涉及图像处理
,具体涉及一种基于多尺度Harris角点检测的图像配准方法。
技术介绍
[0002]图像配准是为同一场景的数张有重叠小图像,计算各幅图像间的变换模型,确定几何对应关系,使重叠部分对齐,进而合成一幅大场景图像的技术。在医学图像处理,人工智能,卫星图像分析,军事目标识别等领域都有重要应用。Harris算法提取的特征点数量较少、计算量小、对图像旋转、变换视角都有较强的鲁棒性,抗噪能力佳,但由于是在单一尺度下检测特征点,特征点不具有尺度不变性,不适用于尺度变化较大的场合。SIFT算法虽具备尺度不变性,但检测得到的特征点数量过多,特征描述为128维向量,计算量大,运算时间较长,占用系统资源过多,不适合实时性要求较高的场所。因此将尺度空间和Harris算法结合使用,既可使特征点具备尺度不变性,又能减少计算量,提高算法效率,更适应实时性要求较高的场合。
技术实现思路
[0003]本专利技术为了解决在保证图像配准精度的条件下,提高图像配准速度,减少计算量,增强实时性的问题,设计了一种基于多尺度Harris角点检测的图像配准方法。
[0004]一种基于多尺度Harris角点检测的图像配准方法,包括以下步骤:
[0005]步骤1:获取待配准的二幅图像,将图像预处理,去除噪声干扰;
[0006]步骤2:令高斯核函数与原始图像做卷积运算生成多尺度空间;
[0007]步骤3:定位特征点:在多尺度空间检测H ...
【技术保护点】
【技术特征摘要】
1.一种基于多尺度Harris角点检测的图像配准方法,其特征在于,包括以下步骤:步骤1、获取待配准的二幅图像,将图像预处理,去除噪声干扰;步骤2、令高斯核函数与原始图像做卷积运算生成多尺度空间;步骤3、定位特征点:在多尺度空间检测Harris角点,以Harris角点8邻域内具有最大Harris值的角点为候选特征点,选取具有局部极大LOG值的候选特征点为特征点;步骤4、确定特征点主方向;步骤5、生成32维特征向量描述特征点;步骤6、用最近邻法完成特征匹配;步骤7、改进的相似三角形法筛选匹配点;步骤8、用改进的K
‑
means算法对特征点分组,将相同区域的特征点分为一组;步骤9、用改进的RANSAC算法计算变换模型;步骤10:图像配准。2.根据权力要求1所述的一种基于多尺度Harris角点检测的图像配准方法,其特征在于,步骤2中利用高斯核函数与原始图像做卷积运算生成多尺度空间,具体内容为:令6个不同尺度的高斯核函数与原始图像做卷积运算生成6层尺度空间,公式为:公式为:其中σ为当前积分尺度,I
in
(x,y)为原始图像,I
out
(x,y,σ)为变换后的图像,G(x,y,σ)为高斯核函数,尺度变换为σ
n
=ω
n
σ0,σ0=1.5,ω=1.4,n≤6。3.根据权力要求1所述的一种基于多尺度Harris角点检测的图像配准方法,其特征在于,步骤3中提取特征点,具体内容为:多尺度Harris自相关矩阵定义为:其中I
x
(x,y,σ
D
)、I
y
(x,y,σ
D
)分别为图像经过高斯平滑后在x、y方向的偏导数,σ
D
为微分尺度,σ
D
=0.7σ1。多尺度Harris算子定义为:若大于阈值,该点为Harris角点。以Harris角点8邻域内Harris值最大的点为候选特征点。计算候选特征点的LOG值,若其LOG值在当前尺度和上下相邻尺度的8邻域内均为极大值点则该点为特征点。其中σ
n
为当前尺度,I
xx
、I
yy
为I(x,y,σ
n
)在x、y方向的二阶偏导数。4.根据权力要求1所述的一种基于多尺度Harris角点检测的图像配准方法,其特征在于,步骤4中确定特征点主方向,具体内容为:为使特征点具有旋转不变性,还需为其指定主方向。以特征点为圆心,1.5σ为半径(σ为
特征点的尺度因子),划一圆形邻域,计算圆形邻域内每个像素的梯度模值和方向。利用直方图统计各像素的梯度方向,梯度直方图一柱代表10
°
,共有36柱,直方图峰值即为特征点的主方向。5.根据权力要求1所述的一种基于多尺度Harris角点检测的图像配准方法,其特征在于,步骤5中32维特征向量,具体内容为:将以特征点为圆心,8为半径的圆形邻域划分成2
×
2子窗口,每个子窗口是一个4
×
4子区域。在每个子窗口内计算各区域的像素梯度值与方向,再以45
°
为间隔,累计8个方向的梯度值,形成一个种子点。一个特征点有4个种子点,每个种子点又有8个方向向量,这样构成了特征点的32个方向向量即32维特征向量。6....
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。