專利名稱：基于角點對cs距離匹配的圖像配準方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理 技術(shù)領(lǐng)域，尤其涉及一種基于角點對CS距離匹配的圖像配準方法。
背景技術(shù)：
圖像配準(Image Registration),是指將不同時間、不同成像設(shè)備或不同條件下(例如天候、照度、攝像位置、角度等條件)獲取的兩幅圖像進行匹配、疊加的過程?，F(xiàn)有技術(shù)中常用的圖像配準方法可分為基于灰度匹配的圖像配準方法和基于特征匹配的圖像配準方法?；诨叶绕ヅ涞膱D像配準方法計算復(fù)雜度較高，對圖像的灰度、旋轉(zhuǎn)、形變以及遮擋都比較敏感，實現(xiàn)難度較大，很難獲得到比較理想的配準效果；而基于特征匹配的圖像配準方法可以克服這些缺點，從而在圖像配準技術(shù)領(lǐng)域得到了廣泛應(yīng)用。基于特征匹配的圖像配準方法的主要處理流程如下首先對兩幅圖像進行特征提取得到特征點；然后通過進行相似性度量識別出兩幅圖像中相匹配的特征點對；最后通過所述相匹配的特征點對得到兩幅圖像之間的空間坐標變換參數(shù)，按照空間坐標變換參數(shù)對其中一幅圖像進行圖像坐標變換，使得兩幅圖像相匹配的特征點對相互重疊，完成兩幅圖像的配準疊加處理。在基于特征匹配的圖像配準方法中，特征提取是影響圖像配準是否準確的關(guān)鍵，準確的提取特征點為特征對匹配的成功進行提供了保障，能夠帶來更加準確的圖像配準結(jié)果；因此，尋求具有良好不變性和準確性的特征提取方法，對于匹配精度至關(guān)重要。角點作為圖像的一個重要的局部特征，在保留了圖像中物體重要特征信息的同時有效地減少了信息的數(shù)據(jù)量，成為圖像理解和模式識別中重要的圖像特征，也非常適合作為圖像配準方法中的特征點，因此近年來涌現(xiàn)了很多以角點作為特征點來實現(xiàn)圖像配準的方法，提取角點的準確性則成為影響圖像配準準確性的關(guān)鍵。徐瑋等人(參見文獻“徐瑋，王煒，張茂軍，吳玲達.一種基于角點匹配的視圖合成方法[J]，系統(tǒng)仿真學報，2007,19 (14) :3263 一 3265.XU Wei, WANG Wei, ZHANG Mao-jun and WU Ling-da. Corner matching-based approach ofview synthesis [J], Journal of system simulation，2007，19(14) :3263 — 3265.，，)利用SUSAN算子分別提取兩幅圖像的角點來實現(xiàn)基于角點匹配的視圖合成方法，但是SUSAN算子只釆用固定閾值，并且存在定位不夠精確等問題。付朝霞等人(參見文獻“付朝霞，韓焱，咎波.基于角點檢測的圖像鑲嵌算法[J]，光電工程，2007,30 (5) :126 — 130. FUZhao-xia，HAN Yan，ZAN Bo. Method of image mosaic based on corner detection[J]，Opto-ElectronicEngineeringj 2007，30(5) : 126 — 130. ”)和劉貴喜等人(參見文獻“劉貴喜，王雷.基于區(qū)域選擇和特征點匹配的圖像配準算法[J]，光電子 激光，2007，8 :999 —1002. LIU Gui-xi, WANG Lei. An image registration method based on region selectingand feature points matching[J]，Journal of Optoelectronics Laser，2007，8:999 —1002. ”)提出了基于Harris角點檢測的圖像配準算法，其角點提取釆用了 Harris角點檢測算法，Harris 角點檢測算法(參見文獻 “C. Harris and M. J. Stephens. A combined cornerand edge detector [C]. In Alvey Vision Conference, 1988:147 - 152. ”)是應(yīng)用最廣泛的一種角點檢測算法，具有較好的角點檢測效果，但它是在單尺度下對圖像進行角點檢測，而實際圖像中角點常常發(fā)生在不同的尺度范圍上，并且每一角點的尺度信息是未知的，因此Harris角點檢測算法依然存在角點信息丟失、角點位置偏移和易受噪聲影響而提取出偽角點等問題，使得其提取角點的準確性依然不太高，進而影響到圖像配準的準確性。另一個方面，在基于特征匹配的圖像配準方法中，確認兩幅圖像中相匹配的特征點對的算法也是影響圖像配準是否準確的重要因素，而且還關(guān)系到圖像配準的處理效率?，F(xiàn)有技術(shù)中以角點作為特征點的圖像配準方法中，朝霞等人(參見文獻“付朝霞，韓焱，咎波 基于角點檢測的圖像鑲嵌算法[J]，光電工程，2007，30 (5) 126 -130. FU Zhao-xia, HAN Yan,ZAN Bo.Method of image mosaic based on cornerdetection [J], Opto-Electronic Engineering, 2007, 30 (5) : 126 — 130.，，)使用互相關(guān)準則來得到相匹配的角點對，但由于互相關(guān)算法受兩幅圖像灰度差異的影響較大，原本相匹配的角點對若在各自的圖像中存在較大的灰度差異將導(dǎo)致該角點對的互相關(guān)值降低，或者 原本不相匹配的兩個角點因灰度差異而具有相對較高的互相關(guān)值導(dǎo)致被誤識別為相匹配的角點對，從而影響相匹配的角點對的識別準確性。徐瑋等人(參見文獻“徐瑋，王煒，張茂軍，吳玲達.一種基于角點匹配的視圖合成方法[J]，系統(tǒng)仿真學報，2007，19 (14) :3263 一3265.XU Wei, WANG Wei, ZHANG Mao-jun and WU Ling-da. Corner matching-basedapproach of view synthesis[J], Journal of system simulation, 2007, 19(14):3263 —3265.，，)和劉貴喜等人(參見文獻“劉貴喜，王雷.基于區(qū)域選擇和特征點匹配的圖像配準算法[J]，光電子 激光，2007，8 :999 — 1002. LIU Gui-xi,WANG Lei.An image registration method based on region selecting and feature pointsmatching [J], Journal of Optoelectronics *Laser, 2007, 8:999 — 1002.，，)米用雙向最大相關(guān)系數(shù)法識別相匹配的角點對，該方法可以消除部分冗余匹配角點對，但其算法的復(fù)雜度比較高，大大降低了圖像配準的效率。加之角點檢測過程中角點位置偏移和偽角點的存在，會使得相匹配的角點對的識別過程中會執(zhí)行大量的由偏移角點、偽角點參與的不必要的匹配識別運算，這也大幅增加了相匹配角點對的識別運算量，導(dǎo)致圖像配準的處理效率降低。由此可見，如何有效提高圖像配準的準確度以及處理效率，成為圖像配準技術(shù)領(lǐng)域的主要研究方向。

發(fā)明內(nèi)容
針對現(xiàn)有技術(shù)中存在的上述問題，為了解決現(xiàn)有技術(shù)中圖像配準的準確性不好、處理效率不高的問題，本發(fā)明提供了一種基于角點對CS距離匹配的圖像配準方法，采用該方法能夠提升圖像配準的準確性，提高圖像配準的處理效率。為實現(xiàn)上述目的，本發(fā)明采用了如下技術(shù)手段基于角點對CS距離匹配的圖像配準方法，包括如下步驟A)采用Harris角點檢測算法分別檢測出待配準的圖像Q1和圖像Q2中的角點作為待定角點；B)對圖像Q1和圖像Q2中各個待定角點分別進行重定位處理，得到圖像Q1和圖像Q2中的特征角點；具體為
bl)預(yù)設(shè)定最大迭代次數(shù)隊，隊為大于I的整數(shù)，并將迭代計數(shù)值初始化為I ;b2)分別計算當前圖像Q1和圖像Q2中各個待定角點的像素偏移量；其中，當前圖像Q1或圖像Q2中任意的第k個待定角點的像素偏移量(A Xk，A yk)的計算公式為
權(quán)利要求
1.基于角點對CS距離匹配的圖像配準方法，其特征在于，包括如下步驟 A)采用Harris角點檢測算法分別檢測出待配準的圖像Q1和圖像Q2中的角點作為待定角點； B)對圖像Q1和圖像Q2中各個待定角點分別進行重定位處理，得到圖像Q1和圖像Q2中的特征角點；具體為 bl)預(yù)設(shè)定最大迭代次數(shù)隊，Nl為大于I的整數(shù)，并將迭代計數(shù)值初始化為I ;b2)分別計算當前圖像Q1和圖像Q2中各個待定角點的像素偏移量；其中，當前圖像Q1或圖像Q2中任意的第k個待定角點的像素偏移量(AXk，Ayk)的計算公式為
2.根據(jù)權(quán)利要求I所述的圖像配準方法，其特征在于，所述最大迭代次數(shù)隊的取值范圍為5 20。
3.根據(jù)權(quán)利要求I所述的圖像配準方法，其特征在于，所述鄰域距離閾值Ds的取值范圍為2 10。
4.根據(jù)權(quán)利要求I所述的圖像配準方法，其特征在于，所述CS距離閾值CSDtl的取值范圍為(0. 02)2q^(0. 10) 2qo
全文摘要
本發(fā)明提供了一種基于角點對CS距離匹配的圖像配準方法，該方法在Harris角點檢測算法的基礎(chǔ)上進一步進行了角點重定位處理，使得由Harris角點檢測算法存在的角點位置偏移得到重定位糾正，并且剔除了偽角點，將經(jīng)過重定位處理后的角點認定為特征角點，因此進一步提高了提取特征角點的準確性，并且采用了兩個特征角點之間的CS距離(即Corner Cauchy-Schwarz Divergence，簡稱為CCSD)來度量識別兩幅圖像中相匹配的特征角點對，不僅保證了良好的旋轉(zhuǎn)不變性，還是得計算量得以大幅簡化，進而幫助圖像配準的準確性得以提升，圖像配準的處理效率也得到了提高。
文檔編號G06T7/00GK102750691SQ20121017129
公開日2012年10月24日 申請日期2012年5月29日 優(yōu)先權(quán)日2012年5月29日
發(fā)明者張小洪, 徐玲, 楊丹, 楊夢寧, 洪明堅, 胡海波, 葛永新 申請人:重慶大學