一种高精度图像自动配准方法技术

本发明专利技术公开了一种高精度图像自动配准方法，包括如下步骤：步骤一、选取两幅在宽基线立体条件下针对同一目标体拍摄的影像；步骤二、利用SIFT特征匹配方法和自适应归一化互相关方法建立两幅影像的初始相关，并得到多个初始匹配特征点；步骤四、基于步骤三中得到的正确初始匹配特征点，再次利用自适应归一化互相关方法和局部单应约束进行匹配传播，以迭代产生更多的匹配特征点；步骤五、再次基于几何关系一致性原则检测所述迭代产生的匹配特征点，剔除其中的误匹配特征点；步骤七、根据步骤六中得到的所有正确匹配特征点对两幅影像进行配准。与现有的基于SIFT特征的图像配准方法相比，算法在抗几何变形和配准精度等方面具有优越性。

【技术实现步骤摘要】

本专利技术涉及一种配准方法，尤其涉及。
技术介绍
数字图像配准技术作为模式识别和数字图像处理的一种基本手段，在导航、成像制导、地图与地形匹配及变化检测等方面有广泛应用。基于特征的图像配准方法是目前最常用的方法之一。其优点是能够将对整个图像的分析转化为对图像特征的分析，大大减小图像处理过程的运算量，对灰度变化、图像变形以及遮挡等都有较好的适应能力。基于特征的影像配准方法主要包括特征提取、特征匹配、配准模型选择及其参数估计3个主要步骤。目前的研究主要集中在特征提取与匹配这两个关键步骤上。通常的做法是在两幅图像中检测或选取角点、线段交点、封闭区域及边缘等特征，然后基于灰度相关、链码相关、不变矩之间的距离、动态规划和松弛法等确定这些特征的对应关系，以获得遥感影像配准所需的控制点。近年来，源于计算机视觉的以尺度不变特征变换算法(Scale·Invariant Feature Transform, SIFT)为代表的基于局部不变特征提取与描述的特征匹配方法在影像配准方面得到了较为广泛地研究和应用，在一定程度上解决了场景部分遮挡、旋转缩放、视点变化引起的图像变形等问题。由于影像成像条件的复杂性，现有的影像匹配方法都不可避免地产生误匹配。因此，选择合适的匹配约束条件以获得一定数量的较为可靠的匹配特征是影像配准中的关键问题。一种直接的策略是针对初始匹配结果，采用双向匹配和随机采样一致性(RandomSample Consensus, RANSAC)算法进行匹配验证。另外一种策略是基于较为可靠的初始匹配结果估计影像的粗配准参数，并以此进行几何约束获得更多的匹配特征、提高配准精度。如苏娟等首先采用基于特征一致的粗配准方法获得影像的初始变换参数，并将其用于直线特征的约束匹配，最终以直线的交点作为最终配准用的控制点；韦燕凤等首先基于边界链码相关和区域不变矩匹配策略建立封闭边界的对应，并对对应重心即匹配点对进行一致性检测获得基元控制点，然后估计影像的初始仿射变换参数并对影像进行初始仿射变换，在此基础上进一步通过显著点片的相关系数匹配来增加控制点个数；类似的，YU等首先利用SIFT方法进行初始匹配并对影像进行粗配准变换，在变换后的影像上基于Harris特征点和相关系数匹配获得比初始匹配更多的基元控制点。
技术实现思路
基于上述第二种匹配策略，本文提出一种基于SIFT特征的鲁棒图像匹配算法。算法首先综合利用SIFT特征匹配方法和基于SIFT特征尺度和方位信息的自适应归一化互相关(Normalized Cross Correlation,NCC)方法建立初始相关,并基于几何关系一致性检测剔除误匹配；然后在初始相关的基础上，利用自适应NCC和局部单应约束进行匹配传播，迭代产生更多的匹配点并采用几何关系一致性检测剔除可能的误匹配。初始单应采用最小二乘匹配(Least Squares Matching, LSM)方法估计得到，并采用自适应NCC为其提供良好的初始值。与现有的基于特征点的图像配准方法相比，算法在抗几何变形和配准精度等方面具有优越性。本专利技术所述的高精度图像自动配准方法，包括如下步骤步骤一、选取两幅在宽基线立体条件下针对同一目标体拍摄的影像；步骤二、利用尺度不变特征匹配方法和自适应归一化互相关方法建立两幅影像的初始相关，并得到多个初始匹配特征点；步骤三、基于几何关系一致性原则检测所述多个初始匹配特征点，以剔除其中的误匹配特征点；步骤四、基于步骤三中得到的正确初始匹配特征点，再次利用自适应归一化互相关方法和局部单应约束进行匹配传播，以迭代产生更多的匹配特征点；步骤五、再次基于几何关系一致性原则检测所述迭代产生的匹配特征点，剔除其中的误匹配特征点；步骤六、重复步骤四中的迭代步骤和步骤五中的剔除步骤，直到得到的正确匹配特征点的个数和分布足以实现两幅影像的配准为止；步骤七、根据步骤六中得到的所有正确匹配特征点对两幅影像进行配准。优选的是，所述的高精度图像自动配准方法中，所述步骤一中的宽基线定义为一个影像上的任意点，在另一个影像上的对应点可以为任意位置。优选的是，所述的高精度图像自动配准方法中，在所述步骤二中基于尺度不变特征尺度和方位信息进行自适应归一化互相关方法。优选的是，所述的高精度图像自动配准方法中，所述步骤二是通过以下方式实现的I)利用基于K-D树快速搜索和欧氏距离比率的SIFT特征匹配算法建立匹配点集Ms ；2)利用自适应归一化互相关方法对匹配点集Ms进行匹配验证，剔除自适应归一化互相关系数小于给定阈值的同名点对，将其余的匹配点集作为初始匹配特征点。优选的是，所述的高精度图像自动配准方法中，所述给定阈值为0.60。优选的是，所述的高精度图像自动配准方法中，所述步骤三是通过以下方式实现的采用基于投影变换模型的几何关系一致性原则算法对所述初始匹配特征点进行几何关系一致性检测，进一步剔除外点后获得最终的初始匹配结果，即正确初始匹配特征点。优选的是，所述的高精度图像自动配准方法中，所述步骤四是通过以下方式实现的I)将正确初始匹配特征点根据自适应归一化互相关系数进行降序排列，选取自适应归一化互相关系数最大的一对特征点匹配种子，记为mi ；2)对mi进行最小二乘匹配，获得该对种子的最大支持区及其对应邻域的局部单应矩阵Hi ；3)进行初始匹配传播基于由最大支持区域定义的第一基准窗口及其对应邻域的局部单应矩阵Hi，采用自适应归一化互相关方法进行初始匹配传播，将获得的匹配点集记入匹配特征点集，并将mi加入到匹配特征点集，此外，按照预定的步长将基准窗口扩展到第一增长区域，如果第一增长区域内的匹配点用自适应归一化互相关方法能够再次成功、匹配，则将其加入到匹配特征点集，否则，将其从匹配特征点集中删除；4)进行迭代匹配传播计算两幅影像的同名特征点的重心，并进行重心化，根据重心化后的同名特征点，用直接线性变换算法计算一新单应矩阵H'，基于同名特征点的最大支持区域定义的第二基准窗口和基于同名特征点的重心在第二基准窗口的基础上继续扩大影像窗口区域获得一新扩展窗口，定义第二增长区域为第二基准窗口和新扩展窗口的交集，对每次迭代产生的第二增长区域内的匹配点用自适应归一化互相关方法能够再次成功匹配，则将其加入到匹配特征点集，否则，将其从正确匹配特征点集中删除。5)重复步骤I) 4)，直至没有新增匹配点，得到最终匹配特征点集M。 优选的是，所述的高精度图像自动配准方法中，所述预定的步长为50像素。本专利技术利用SIFT尺度不变特征点的尺度和方位特性，提出了一种基于SIFT特征的两阶段图像配准方法，并同现有的基于特征点的影像配准方法进行了综合对比分析。表明本文算法在配准控制点的数量和配准精度及影像几何变形的适应性等方面具有较大优势。进一步的研究将通过融合与SIFT特征点具有互补特性的特征(如Harris特征点)，以提高匹配传播的鲁棒性。附图说明图I为本专利技术所述的基于局部单应约束的匹配传播的示意图；图2为基于种子点的匹配传播过程的示意图，其中(a)为初始种子匹配，(b)为初始匹配传播，(C)为第I次迭代匹配传播。具体实施例方式下面结合附图对本专利技术做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。如图I、图2所示，本专利技术所述的高精度图像自动配准方法，包括如下本文档来自技高网...

【技术保护点】
一种高精度图像自动配准方法，其特征在于，包括如下步骤：步骤一、选取两幅在宽基线立体条件下针对同一目标体拍摄的影像；步骤二、利用尺度不变特征匹配方法和自适应归一化互相关方法建立两幅影像的初始相关，并得到多个初始匹配特征点；步骤三、基于几何关系一致性原则检测所述多个初始匹配特征点，以剔除其中的误匹配特征点；步骤四、基于步骤三中得到的正确初始匹配特征点，再次利用自适应归一化互相关方法和局部单应约束进行匹配传播，以迭代产生更多的匹配特征点；步骤五、再次基于几何关系一致性原则检测所述迭代产生的匹配特征点，剔除其中的误匹配特征点；步骤六、重复步骤四中的迭代步骤和步骤五中的剔除步骤，直到得到的正确匹配特征点的个数和分布足以实现两幅影像的配准为止；步骤七、根据步骤六中得到的所有正确匹配特征点对两幅影像进行配准。

【技术特征摘要】

【专利技术属性】
技术研发人员：杨化超，张书毕，张秋昭，卞和方，
申请(专利权)人：中国矿业大学，
类型：发明
国别省市：