本发明专利技术公开了一种图像配准方法，该方法包括：在参考图像和待配准图像中提取多尺度边缘；在提取的多尺度边缘中提取特征点及特征点窗口；根据所述特征点及特征点窗口，生成所述特征点的描述向量；根据所述描述向量完成图像配准。本发明专利技术同时公开了一种图像配准装置，采用本发明专利技术的方法及装置，能缩短处理时间、并能提高配准精度，还能在不同视角的图像之间实现较高精度的配准。
Image registration method and device
The invention discloses an image registration method, the method includes: extracting multi-scale edge in the reference image and input image; feature extraction and feature point window in multiscale edge extraction; according to the feature points and feature points window description vector to generate the feature points; according to the complete description of vector image registration. The invention also discloses a device for image registration, the method and the device of the invention can shorten the treatment time, and can improve the accuracy of registration, but also to achieve high precision registration between images in different perspectives.
【技术实现步骤摘要】
本专利技术涉及图像处理技术，特别是指一种图像配准方法及装置。
技术介绍
图像配准过程是指对取自不同时间、不同传感器、或不同视角的同一场景的两幅 以上图像进行匹配的过程。单一图像存在时间和空间分辨率的局限性，而图像配准能够得 到单一图像不具备的场景解释，其应用领域非常广泛，比如遥感图像分析、全景漫游、目标 识别、以及定位等。其中，遥感领域图像之间的配准可以将不同时段、由不同卫星拍摄的图 片信息统一到一起，从而应用于地图绘制或灾害评估等，因此，对图像配准进行研究显得尤 为重要。图像匹配是图像配准中最为重要的步骤，匹配的质量将直接影响着最终的配准 精度及运行时间。比较典型的匹配方法有角点(Harris)算法、尺度不变特征转换(SIFT， Scale-invariant feature transform)算法、全仿射尺度不变特征(ASIFT)算法、以及小波 下的边缘特征点算法等。其中，Harris算法具有较快的计算速度和直观的物理意义，对旋转和噪声不敏感。 但是，该算法对尺度变换不具备鲁棒性，对图像的缩放十分敏感，因此，该算法往往只用于 严格要求的实验室环境下的图像配准。这里，所述实验室环境下的图像是指目的物明确、表 现纹理很清晰的图像，比如靶标图等。SIFT算法具有良好的尺度旋转不变性，凭借其特征描述子的稳定性，对小范围仿 射变换的图像能取得较好的匹配结果。但是，对于大范围的仿射变换不具有稳定性，且理 论已证实SIFT算法并不是仿射不变的；同时，其描述子过于单一，对图像中的各种变化敏 感，图像变化这一点在遥感图像中尤其突出，比如在多时相的遥感图像中道路两旁的植被 变化，不同季节河流的干涸等。AISFT算法是基于SIFT算法的一种算法，已从理论上被证明是全仿射不变的。但 是，ASIFT算法的计算复杂度较大，约为SIFT算法的2. 25倍，如果再加上考虑它的一一影 射约束，ASIFT算法的实际计算复杂度会更高；另外，由于ASIFT算法依然采用SIFT算法的 描述子，故ASIFT算法继承了 SIFT算法对纹理和背景变化易产生误匹配的缺陷。小波下的边缘特征点算法的优点主要体现在具有时频分析特性和多尺度分析的 特点，一般可根据不同的图像特性选择不同的小波。但是，尽管小波实现了快速算法，其计 算量依然比较大，因此，基于小波的图像配准方法在实时性要求较高的场合，比如移动目标 的识别、跟踪等，应用不多。综上所述，在现有的图像配准方法中，有的方法存在缺乏尺度不变性的缺陷；有的 方法存在不是仿射不变的缺陷，如此，会造成图像配准的精度较低；还有的方法存在计算复 杂度高或易产生无匹配等缺陷。
技术实现思路
有鉴于此，本专利技术的主要目的在于提供一种图像配准方法及装置，能实现算法结 构简单、配准精度高的目的。为达到上述目的，本专利技术的技术方案是这样实现的本专利技术提供了一种图像配准方法，该方法包括在参考图像和待配准图像中提取多尺度边缘；在提取的多尺度边缘中提取特征点及特征点窗口 ；根据所述特征点及特征点窗口，生成所述特征点的描述向量；根据所述描述向量完成图像配准。上述方案中，所述在参考图像和待配准图像中提取多尺度边缘，为按照α和β角度对参考图像和待配准图像分别采样，得到一系列图像，对得到的 一系列图像分别构造一组图像金字塔，采用边缘提取算法，提取所述参考图像和所述待配 准图像的多尺度边缘；其中，α= arccosl/t, β = 0,72° /t，...，kX72° /t，kX72° /t < 180°，t =1,V2,2, . . .，2n/2 ；η 彡 0。上述方案中，所述边缘提取算法为Carmy边缘提取算法。上述方案中，所述在提取的多尺度边缘中提取特征点及特征点窗口，为遍历每层图像中的每一个像素，对尺度集合η = {0l，σ2，…ok，…，Om^1, σω} 中的每个尺度进行尺度归一化拉普拉斯函数处理，分别求所述n中每个尺度的函数值，如 果在所述n中的任意一个尺度下，有边缘点的拉普拉斯函数值与它邻近的二十六个像素 的拉普拉斯函数值对比是极大值或极小值时，则认为当前点为特征点，极值对应的σ值则 为特征点窗口。上述方案中，所述根据所述特征点及特征点窗口，生成所述特征点的描述向量，为特征点P窗口为σ k，取P周围半径为f (Ok)的区域生成特征点的描述向量；之后根据P的梯度方向Φ将已确定用来生成特征点的描述向量的区域划分为左 半部分P+和右半部分ρ-；按照P的梯度方向Φ对左半部分P+和右半部分Ρ_进行坐标变换；之后将左半部 分P+和右半部分P—两边的像素分别按高斯窗加权，生成Θ+和θ _两个分方向，将坐标分别 按照Θ +和9_方向进行旋转，各自生成一个64维的描述向量D+和D_;其中，f (Ok)表示以Ok为变量的函数。上述方案中，f(ok)= 3ok。上述方案中，所述根据所述描述向量完成图像配准，为根据所述描述向量，依据近邻次近邻比准则，通过随机抽样估计(RANSAC，Random Sample Consensus)方法，完成图像配准。本专利技术还提供了一种图像配准装置，该装置包括第一提取单元、第二提取单元、 生成单元、以及配准单元；其中，第一提取单元，用于在参考图像和待配准图像中提取多尺度边缘，并将提取的多 尺度边缘发送给第二提取单元；第二提取单元，用于收到第一提取单元发送的多尺度边缘后，在提取的多尺度边缘中提取特征点及特征点窗口，并将提取的特征点及特征点窗口发送给生成单元；生成单元，用于收到第二提取单元发送的特征点及特征点窗口后，根据所述特征 点及特征点窗口，生成所述特征点的描述向量，并将生成的所述特征点的描述向量发送给 配准单元；配准单元，用于收到生成单元发送的所述特征点的描述向量后，根据所述描述向 量完成图像配准。上述方案中，所述第一提取单元，具体用于按照α和β角度对参考图像和待配 准图像分别采样，得到一系列图像，对得到的一系列图像分别构造一组图像金字塔，采用边 缘提取算法，提取多尺度边缘；其中，α = arccosl/t, β = 0,72° /t，. . . .，kX72° /t， kX72° /t<180°，t = 1,7^,2，. . .，2n/2，η 彡 0。上述方案中，所述生成单元，具体用于特征点P窗口为ok，取P周围半径为 f(ok)的区域生成特征点的描述向量，之后根据P的梯度方向Φ将已确定用来生成特征点 的描述向量的区域划分为左半部分P+和右半部分ρ_ ；按照P的梯度方向φ对左半部分P+ 和右半部分ρ_进行坐标变换；之后将左半部分P+和右半部分Ρ_两边的像素分别按高斯窗 加权，生成Θ +和θ _两个分方向，将坐标分别按照Θ +和9_方向进行旋转，各自生成一个 64维的描述向量D+和D_。本专利技术提供的图像配准方法及装置，在参考图像和待配准图像中提取多尺度边 缘；在提取的多尺度边缘中提取特征点及特征点窗口 ；根据所述特征点及特征点窗口，生 成所述特征点的描述向量；根据所述描述向量，完成图像配准，如此，能缩短处理时间、并能 提高配准精度。另外，按照α和β角度对参考图像和待配准图像分别采样，得到一系列图像，对 得到的一系列图像分别构造一组图像金字塔，采用边缘提取算法，提取多尺度边缘；其中， α = arc本文档来自技高网...
【技术保护点】
１．一种图像配准方法，其特征在于，该方法包括：在参考图像和待配准图像中提取多尺度边缘；在提取的多尺度边缘中提取特征点及特征点窗口；根据所述特征点及特征点窗口，生成所述特征点的描述向量；根据所述描述向量完成图像配准。
【技术特征摘要】
【专利技术属性】
技术研发人员：江洁，曹世翔，张广军，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：11
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。