一種基于視覺顯著區(qū)域的快速圖像配準方法
【專利摘要】本發(fā)明公開了一種基于視覺顯著區(qū)域的圖像配準方法，屬于圖像處理領(lǐng)域，該方法用于將待配圖像A與參考圖像B進行匹配，分別獲取A與B的顯著區(qū)域；每三個A的顯著區(qū)域的質(zhì)心為一個三角形頂點，作為第一特征三角形，同理獲得第二特征三角形；相似的第一和第二特征三角形組成相似三角形對，其中(a、b)相似度最大；基于(a、b)建立由A至B變換的仿射變換模型，涉及的初始匹配參數(shù)包括水平平移量和垂直平移量、旋轉(zhuǎn)角度以及尺度參數(shù)；從初始匹配參數(shù)開始進行設定步長的Powell搜索，獲取搜索值，使用每個搜索值對A與B進行多次配準測試，結(jié)果最佳的配準測試對應的搜索值即為最優(yōu)匹配參數(shù)；使用該最優(yōu)待配參數(shù)對A進行仿射變換獲得最終配準結(jié)果。
【專利說明】一種基于視覺顯著區(qū)域的快速圖像配準方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于圖像處理領(lǐng)域，具體涉及一種使用基于視覺顯著區(qū)域輔助實現(xiàn)圖像快速配準的方法。
【背景技術(shù)】
[0002]多源圖像配準是指依據(jù)一些相似性度量最優(yōu)決定的圖像間變換參數(shù)，將來自不同傳感器、不同視角、不同時間獲取的同一場景的兩幅或多幅圖像變換到同一坐標系下，并在像素層上得到最佳匹配的過程。從此定義上來講，配準包含源圖像間空間位置和像素點值兩層面的變換關(guān)系。由于圖像配準使得對某一特定場景的解釋有了多種數(shù)據(jù)統(tǒng)一支撐，故其廣泛應用于醫(yī)學圖像處理、遙感圖像分析、目標識別、目標變化檢測等領(lǐng)域。
[0003]目前常用的圖像配準方法大致分為兩類:
[0004](I)基于特征的圖像配準，提取圖像的顯著特征點作為參考信息，建立兩幅圖像的幾何變換關(guān)系來進行配準；該種方法通過提取圖像間保持穩(wěn)定的特征，克服了來自不同傳感器的灰度特征不一致問題，但對特征提取的可靠性和魯棒性要求較高；通過僅處理小部分特征信息，大大壓縮了此方法計算量，但同時配準精度受到制約。
[0005](2)基于灰度/區(qū)域的圖像配準，根據(jù)圖像間的信息建立以空間變換參數(shù)為自變量的相似性度量函數(shù)，通過利用優(yōu)化算法搜索出度量函數(shù)的最值來找出空間變換關(guān)系。該種方法利用圖像全部可用的信息建立相似性度量，廣泛應用于同源圖像配準領(lǐng)域。該方法在取得配準精度和魯棒性有益性能的同時帶來了計算量大，實時性差的問題。目前解決該問題的技術(shù)有:①基于邊緣和互相關(guān)的配準方法，利用邊緣提取算子提取兩幅圖像邊緣，將邊緣圖像(二值圖像)的互相關(guān)系數(shù)作為相似性度量函數(shù)，求使得互相關(guān)最大時的配準結(jié)果參數(shù)值。這種方法雖然速度快，但是只利用二值圖像做計算，使用的圖像信息過少，容易造成誤匹配；②基于形狀匹配的快速圖像配準方法，利用兩幅圖像中的目標形狀進行匹配，將匹配結(jié)果作為優(yōu)化搜索算法的初值來提高搜索效率。該方法雖然結(jié)合了基于特征與基于灰度配準方法的特點，但由于方法中提取的特征為獨立目標輪廓的點特征且提取過程中存在較多典型值設定，故該算法在有多形狀相似的更一般自然場景中應用時難以表現(xiàn)出較強的適應性。
[0006]綜上所述，基于灰度的圖像匹配方法，具有較高的配準精度和魯棒性但實時性不佳；基于特征的圖像配準方法，具有較高的實時性和異源適應性但配準精度和魯棒性有一定欠缺，故此兩類方法具有各自不同的特點和良好的互補性。目前的大部分方法嚴格的屬于某一類方法，在呈現(xiàn)各自算法優(yōu)勢的同時也暴露出各自的缺陷，無法實現(xiàn)精度高、實時性強、適應范圍廣的自動配準。

【發(fā)明內(nèi)容】

[0007]有鑒于此，本發(fā)明提出結(jié)合基于灰度和特征的目標級快速圖像配準方法，提高了傳統(tǒng)基于灰度配準方法的實時性，改善了基于特征配準方法的特征魯棒性。[0008]為了達到上述目的，本發(fā)明的技術(shù)方案為:該方法用于將待配圖像A與參考圖像B進行匹配，包括如下步驟:
[0009]步驟一、對待配圖像A與參考圖像B分別進行視覺顯著區(qū)域提取和閾值分割，對應獲得第一顯著區(qū)域的序列及第二顯著區(qū)域的序列；
[0010]步驟二、獲取所有第一顯著區(qū)域的質(zhì)心，為第一質(zhì)心，每三個第一質(zhì)心作為一個第一特征三角形的頂點；獲取所有第二顯著區(qū)域的質(zhì)心，為第二質(zhì)心，每三個第二質(zhì)心劃出一個第二特征三角形；
[0011]步驟三、若一個第一特征三角形與一個第二特征三角形基于仿射變換關(guān)系對應相似，則二者組成相似三角形對；找到相似度最大的相似三角形對(a、b);其中a為第一特征三角形，b為第二特征三角形；
[0012]步驟四、基于(a、b)建立由待配圖像A至參考圖像B變換的仿射變換模型，該仿射變換模型包括平移、旋轉(zhuǎn)以及尺度變換三種變換方式，涉及的參數(shù)包括水平平移量和垂直平移量、旋轉(zhuǎn)角度以及尺度參數(shù)；以涉及的參數(shù)為初始匹配參數(shù)；
[0013]尺度參數(shù)為a與b的邊長比例；旋轉(zhuǎn)角度為a與b的對應邊形成的角度；平移量為a和b的相對平移量；
[0014]步驟五、采用Powell的搜索方法，從初始匹配參數(shù)開始進行設定步長的搜索，獲取搜索值作為測試匹配參數(shù)，將待配圖像A按照每次步進獲得的測試匹配參數(shù)進行仿射變換，實現(xiàn)與參考圖像B的多次配準測試，選擇多次配準測試中結(jié)果最佳的配準測試對應的測試匹配參數(shù)作為最優(yōu)匹配參數(shù)；
[0015]使用該最優(yōu)待配參數(shù)對待配圖像進行仿射變換獲得最終配準結(jié)果。
[0016]進一步地，步驟三中，所獲得的其中一對相似三角形對為(a '，b')，則相似三角形對(a ' , b ')的相似度Likehood的計算方法為:
[0017]
【權(quán)利要求】
1.一種基于視覺顯著區(qū)域的圖像配準方法，其特征在于，該方法用于將待配圖像A與參考圖像B進行匹配，包括如下步驟: 步驟一、對待配圖像A與參考圖像B分別進行視覺顯著區(qū)域提取和閾值分割，對應獲得第一顯著區(qū)域的序列及第二顯著區(qū)域的序列； 步驟二、獲取所有第一顯著區(qū)域的質(zhì)心，為第一質(zhì)心，每三個第一質(zhì)心作為一個第一特征三角形的頂點；獲取所有第二顯著區(qū)域的質(zhì)心，為第二質(zhì)心，每三個第二質(zhì)心劃出一個第二特征三角形； 步驟三、若一個第一特征三角形與一個第二特征三角形基于仿射變換關(guān)系對應相似，則二者組成相似三角形對；找到相似度最大的相似三角形對(a、b);其中a為第一特征三角形，b為第二特征三角形； 步驟四、基于(a、b)建立由待配圖像A至參考圖像B變換的仿射變換模型，該仿射變換模型包括平移、旋轉(zhuǎn)以及尺度變換三種變換方式，涉及的參數(shù)包括水平平移量和垂直平移量、旋轉(zhuǎn)角度以及尺度參數(shù)；以所述涉及的參數(shù)為初始匹配參數(shù)； 所述尺度參數(shù)為a與b的邊長比例；所述旋轉(zhuǎn)角度為a與b的對應邊形成的角度；所述平移量為a和b的相對平移量； 步驟五、采用Powell的搜索方法，從初始匹配參數(shù)開始進行設定步長的搜索，獲取搜索值作為測試匹配參數(shù)，將待配圖像A按照每次步進獲得的測試匹配參數(shù)進行仿射變換，實現(xiàn)與參考圖像B的多次配準測試，選擇所述多次配準測試中結(jié)果最佳的配準測試對應的測試匹配參數(shù)作為最優(yōu)匹配參數(shù)； 使用該最優(yōu)待配參數(shù)對待配圖像進行仿射變換獲得最終配準結(jié)果。
2.如權(quán)利要求1所述的一種基于視覺顯著區(qū)域的圖像配準方法，其特征在于，所述步驟三中，所獲得的其中一對相似三角形對為(a ^ ,b ;)，則相似三角形對(a ^，b ')的相似度Likehood的計算方法為:
3.如權(quán)利要求1或2所述的一種基于視覺顯著區(qū)域的圖像配準方法，其特征在于，所述步驟四中的仿射變換模型為:
4.如權(quán)利要求3所述的一種基于視覺顯著區(qū)域的圖像待配方法，其特征在于，所述步驟四中若SSIM1與SSIM2均大于1，則步驟四中不產(chǎn)生初始匹配參數(shù)，返回步驟一中重新設定閾值分割法中的所述分割閾值。
5.如權(quán)利要求1、2或4所述的一種基于視覺顯著區(qū)域的圖像配準方法，其特征在于，所述步驟五中選擇所述多次配準測試中結(jié)果最佳的配準測試對應的測試匹配參數(shù)作為最優(yōu)匹配參數(shù)，其中所述多次配準測試中結(jié)果最佳的配準測試的判斷方法為: 步驟501、對于待配圖像A按照測試匹配參數(shù)進行仿射變換后的結(jié)果，計算歸一化互相關(guān)系數(shù)CNCC:


6.如權(quán)利要求1、2或4所述的一種基于視覺顯著區(qū)域的圖像待配方法，其特征在于，所述待配圖像A與參考圖像B為同源圖像。
7.如權(quán)利要求1、2或4所述的一種基于視覺顯著區(qū)域的圖像待配方法，其特征在于，所述視覺顯著模型采用脈沖 余弦變換顯著模型。
【文檔編號】G06T7/00GK103778626SQ201310752016
【公開日】2014年5月7日 申請日期:2013年12月31日 優(yōu)先權(quán)日:2013年12月31日
【發(fā)明者】陳禾, 馬龍, 畢福昆, 章學靜, 陳亮, 龍騰 申請人:北京理工大學