基于视觉显著特征的图像配准方法
【专利摘要】基于视觉显著特征的图像配准方法：输入基准图像和待配准图像；提取基准图像的视觉显著特征点集和待配准图像的视觉显著特征点集；计算基准图像的各视觉显著特征点和待配准图像的各视觉显著特征点的方向，根据视觉显著特征点的方向计算各个特征点的描述向量，获得基准图像的特征描述向量集和待配准图像的特征描述向量集；计算基准图像的各特征描述向量与待配准图像的各特征描述向量间的距离，对待配准图像特征点和基准图像特征点进行匹配；去除误匹配对，获得基准图像和待配准图像中的正确匹配对，根据两图像之间的正确匹配对的坐标计算出基准图像和待配准图像之间的仿射变换矩阵，根据仿射变换矩阵将待配准图像进行相应的变换，实现图像配准。
【专利说明】基于视觉显著特征的图像配准方法
【技术领域】
[0001] 本发明属于图像处理【技术领域】，尤其涉及一种基于视觉显著特征的图像配准方 法，通过模拟人眼视觉注意机制提取图像的显著特征信息，实现图像配准。
【背景技术】
[0002] 图像配准就是对取自不同时间、不同视角、不同传感器的具有相同场景的两幅或 者多幅图像进行空间位置对齐的过程，是许多图像处理应用必须的预处理步骤。在军事、遥 感、医学、计算机视觉等诸多领域，图像配准的应用都较为广泛。
[0003]目前对于不同类型的图像和数据存在很多种图像配准的方法，也相应地形成了很 多种对方法进行分类的准则。常见图像配准方法主要有两类：基于图像灰度的配准方法和 基于图像特征的配准方法。
[0004] 基于图像灰度的配准方法是利用整幅图像的灰度信息建立两幅图像之间的相似 性度量来对图像进行配准。该方法要求基准图和待配准图的灰度分布必须具有一定的相关 性，仅能适应平移变换和较小的旋转变换，计算量较大，效率低，适合于细节较少、纹理不丰 富的图像，主要应用于医学图像配准领域。
[0005] 基于图像特征的配准方法通过提取两幅图像中受图像变换、亮度变换、噪声等影 响较小的稳定特征，如图像中物体的边缘、角点、闭合区域中心等来对图像进行配准，因此 应用更为广泛。但现有的基于图像特征的图像配准方法中利用的特征信息较少，如仅利用 角点特征或仅利用轮廓线特征，图像中的信息很大程度上被压缩，仅有一小部分信息被利 用，这种方法对特征提取和特征匹配的错误较为敏感，因此图像配准的质量不高。
【发明内容】
[0006] 针对现有技术中图像配准质量不高的问题，本发明的目的在于提供一种可以提高 图像配准的质量的图像配准方法，通过模拟人眼视觉注意机制，利用图像的亮度和方向信 息，提取图像中稳定的显著特征点，采用这些特征点实现图像的精确配准。
[0007] 为了实现上述目的，本发明采取如下的技术解决方案：
[0008] 基于视觉显著特征的图像配准方法，包括以下步骤：
[0009] 步骤1、输入基准图像I。和待配准图像I。' ；
[0010] 步骤2、提取基准图像的视觉显著特征点集FP1和待配准图像的视觉显著特征点集 FP2;
[0011] 步骤3、计算基准图像的视觉显著特征点集FP1和待配准图像的视觉显著特征点集 FP2中各个特征点的方向，根据视觉显著特征点的方向计算各个特征点的描述向量，获得相 应的基准图像的特征描述向量集DSCR1和待配准图像的特征描述向量集DSCR2;
[0012] 步骤4、计算基准图像的特征描述向量集DSCR1中各个描述向量与待配准图像的特 征描述向量集DSCR2中各个描述向量之间的距离，采用最近邻距离比法对待配准图像特征 点和基准图像特征点进行匹配，获得基准图像和待配准图像中的匹配对；
[0013] 步骤5、去除误匹配对，获得基准图像和待配准图像中的正确匹配对，根据两图像 之间的正确匹配对的坐标计算出基准图像和待配准图像之间的仿射变换矩阵，根据仿射变 换矩阵将待配准图像进行相应的变换，实现图像配准。
[0014] 更进一步的，本发明方法的步骤2中视觉显著特征点集的提取步骤如下：
[0015] 步骤2-1、分别将基准图像Itl和待配准图像I^'转换为灰度图像，获得的基准图像 的亮度图IdP待配准图像的亮度图12;
[0016] 步骤2-2、分别对基准图像的亮度图IdP待配准图像的亮度图I2进行不同高斯尺 度的平滑和降采样操作，建立基准图像的亮度尺度空间I1 (σ)和待配准图像的亮度尺度空 间12(〇)，σ表示高斯平滑尺度；
[0017] 步骤2-3、使用Gabor方向滤波器分别对基准图像的亮度尺度空间I1 ( 〇 )中的每 幅图像和待配准图像的亮度尺度空间I2 (σ)中的每幅图像进行m个方向的滤波，分别获得 m个基准图像的方向尺度空间O1O，Θ)和m个待配准图像的方向尺度空间〇2(σ，Θ);
[0018] 所述m个方向为：Θ= {〇，π/m, 2π/m,…，（m-1)π/m}，
[0019]Gabor方向滤波器的形式为
【权利要求】
1. 基于视觉显著特征的图像配准方法，其特征在于，包括以下步骤： 步骤1、输入基准图像Itl和待配准图像I； 步骤2、提取基准图像的视觉显著特征点集FP1和待配准图像的视觉显著特征点集 FP2; 步骤3、计算基准图像的视觉显著特征点集FP1和待配准图像的视觉显著特征点集FP2 中各个特征点的方向，根据视觉显著特征点的方向计算各个特征点的描述向量，获得相应 的基准图像的特征描述向量集DSCR1和待配准图像的特征描述向量集DSCR2; 步骤4、计算基准图像的特征描述向量DSCR1中各个描述向量与待配准图像的特征描述 向量DSCR2中各个描述向量之间的距离，采用最近邻距离比法对待配准图像特征点和基准 图像特征点进行匹配，获得基准图像和待配准图像中的匹配对； 步骤5、去除误匹配对，获得基准图像和待配准图像中的正确匹配对，根据两图像之间 的正确匹配对的坐标计算出基准图像和待配准图像之间的仿射变换矩阵，根据仿射变换矩 阵将待配准图像进行相应的变换，实现图像配准。
2. 根据权利要求1所述的基于视觉显著特征的图像配准方法，其特征在于：步骤2中 视觉显著特征点集的提取步骤如下： 步骤2-1、分别将基准图像Itl和待配准图像I^'转换为灰度图像，获得的基准图像的亮 度图IjP待配准图像的亮度图I2; 步骤2-2、分别对基准图像的亮度图1:和待配准图像的亮度图I2进行不同高斯尺度 的平滑和降采样操作，建立基准图像的亮度尺度空间I1 ( 〇 )和待配准图像的亮度尺度空间 12(〇)，〇表示高斯平滑尺度； 步骤2-3、使用Gabor方向滤波器分别对基准图像的亮度尺度空间I1(O)中的每幅图 像和待配准图像的亮度尺度空间I2 ( 〇 )中的每幅图像进行m个方向的滤波，分别获得m个 基准图像的方向尺度空间O1 ( 〇，9 )和m个待配准图像的方向尺度空间O2 ( 〇，0 ); 所述m个方向为：0 = {0，Jr/m, 2Jr/m,…，（m-1)Jr/m}，
其中，x、y为空间域像素的位置坐标，《为滤波器的中心频率，0为Gabor滤波的方 向，〇g为高斯函数沿两个坐标轴的标准方差，j为虚数单位； 步骤2-4、分别对基准图像的亮度尺度空间I1(O)及其方向尺度空间O1O, 0)、待 配准图像的亮度尺度空间12(〇)及其方向尺度空间02(〇, 9)进行中央周边差操作，得到 基准图像的亮度特征尺度空间IF1(O)和m个基准图像的方向特征尺度空间0匕（〇, 0)， 以及待配准图像的亮度特征尺度空间IF2(〇)和m个待配准图像的方向特征尺度空间 0F2(〇, 9)； 步骤2-5、将m个基准图像的方向特征尺度空间OF1 ( 〇 , 0 )和m个待配准图像的方向 特征尺度空间0F2(〇, 0)分别进行合并，得到基准图像总的方向特征尺度空间OF1(O)以 及待配准图像总的方向特征尺度空间OF2 ( 〇 ); 步骤2-6、采用迭代特征竞争方法对基准图像的亮度特征尺度空间IF1 (o)、基准图像 总的方向特征尺度空间OF1 ( 〇 )、待配准图像的亮度特征尺度空间IF2( 〇 )和待配准图像总 的方向特征尺度空间OF2 ( 〇 )进行迭代计算，获得基准图像的亮度显著图IS1 ( 〇 )及其方向 显著图0S2(〇)，以及待配准图像的亮度显著图IS1(O)及其方向显著图OS2(O); 步骤2-7、采用9邻域极大值法提取基准图像的亮度显著图IS1 ( 〇 )、基准图像的方向 显著图0S2(〇)、待配准图像的亮度显著图IS1(O)及待配准图像的方向显著图OS2(O) 中的显著区域中心作为特征点，获得基准图像的特征点集FP/和待配准图像的特征点集 FP2 ' ； 步骤2-8、去除每幅图像的特征点集中边缘响应过强的特征点，获得最终的基准图像的 视觉显著特征点集FP1和待配准图像的视觉显著特征点集FP2。
3. 根据权利要求2所述的基于视觉显著特征的图像配准方法，其特征在于：步骤2-2 中的亮度尺度空间包括〇组、每组S层图像，从下往上依次为[(1，1) (1，2)-(1,?], [(2, 1) (2, 2)…（2,S)]，…，[(0, 1) (0, 2)…（0,S)]，第（1，1)图像的高斯平滑尺度为初始平滑尺度 〇第（〇,s)图像的高斯平滑尺度为〇。，〇 = 1，…，0,s= 1，…，S。
4. 根据权利要求3所述的基于视觉显著特征的图像配准方法，其特征在于：步骤2-4 中中央周边差操作的方法为：对一个尺度空间中同一组内相邻层的图像进行相减，每个尺 度空间获得OX(S-I)幅位于不同尺度的特征图，得到的特征图组成特征尺度空间。
5. 根据权利要求2所述的基于视觉显著特征的图像配准方法，其特征在于：步骤2-5 中方向特征尺度空间的合并方法为：将不同的方向特征尺度空间的位于相同尺度上的m幅 方向特征图相乘，形成总的方向特征图，得到的特征图组成总的方向特征尺度空间。
6. 根据权利要求2所述的基于视觉显著特征的图像配准方法，其特征在于：步骤2-8 中去除边缘响应较强的特征点采用的方法为：计算特征点在相应特征图上2X2的Hessian
该特征点保留，r为设定的阈值。
7. 根据权利要求1所述的基于视觉显著特征的图像配准方法，其特征在于：步骤3中 特征点方向的计算方法如下：统计视觉显著特征点所在邻域像素的梯度方向直方图，直方 图的区间数为36,每10°为一个区间；直方图的峰值所在的角度代表该特征点的主方向， 在梯度方向直方图中，若存在另一个相当于主峰值80%能量的峰值时，则将该这个方向看 作该特征点的辅方向。
8. 根据权利要求1或7所述的基于视觉显著特征的图像配准方法，其特征在于：步骤3 中特征点描述向量的计算方法如下：将坐标轴旋转至视觉显著特征点的方向，以特征点为 中心取16X16像素的区域作为采样窗口，将采样窗口分成16个4X4像素大小的小块，对 每个小块统计8个方向的梯度方向直方图，得到一个8维的向量，将前述16个8维的向量 组成一个128维的向量，该向量为该特征点的特征描述向量。
【文档编号】G06T7/00GK104504723SQ201510019034
【公开日】2015年4月8日 申请日期:2015年1月14日 优先权日:2015年1月14日
【发明者】王炳健, 吴飞红, 刘佃忠, 马林, 易翔, 李敏, 郝静雅, 周慧鑫, 秦翰林 申请人:西安电子科技大学