基于级联结构的图像配准方法及装置的制造方法
【技术领域】
[0001] 本发明设及图像配准领域，尤其设及一种基于级联结构的图像配准方法及装置。
【背景技术】
[0002] 图像配准是图像处理的一个基本问题，用于将不同时间、不同传感器或不同条件 下获取的两幅或多幅图像在空间上进行对准。图像配准有着广泛的实际意义和应用范围， 应用设及遥感图像处理、医学图像处理、目标识别、全景图像拼接等多个领域。
[0003] 目前，常用的图像配准算法就是基于特征点的配准，基于尺度不变特征转换 (Scale-InvariantFea1:ureTransform,简称SIFT)算法结合随机抽样一致（RANdom SAmpleConsensus,简称RANSAC)算法属于基于特征点的配准方法，实现过程首先利用 SIFT算法检测实现过程首先检测参考图像和输入图像的特征点并计算每个特征点的描述 符，然后在参考图像的特征点中捜索与输入图像特征点的相似度最大的点，得到粗匹配，得 到粗匹配后采用RANSAC算法提出错误的匹配对，并得到参考图像和输入图像的变换矩阵。
[0004] 然而，RANSAC算法对于粗匹配的准确性有要求，当图像为多光谱图像或者图像的 拍摄角度差别较大时，由SIFT算法得到的粗匹配的准确率很低时，直接使用RANSAC算法并 不能得到正确的结果，甚至会得到完全错误的结果，从而导致将参考图像和所述输入图像 在空间上进行对准处理后，获得的输出图像分辨率不高，甚至完全不清楚。
【发明内容】
[0005] 本发明提供一种基于级联结构的图像配准方法及装置，通过使用级联结构逐级剔 除错误的粗匹配对，满足RANSAC算法对粗匹配对的准确性的要求，使得匹配结果更加准 确，保证输出图像的分辨率和清晰度。
[0006] 本发明提供一种基于级联结构的图像配准方法，包括：
[0007] 对参考图像的特征点和输入图像的特征点进行双向匹配处理，获取第一粗匹配 组；
[000引根据预设置信度，对所述第一粗匹配组中的匹配对进行剔除，获取第二粗匹配组； 其中，从所述第一粗匹配组中剔除的匹配对的相似度低于所述预设置信度；
[0009] 根据预设阔值，对所述第二粗匹配组中的匹配对进行剔除，获取第S粗匹配组；其 中，从所述第二粗匹配组中剔除的匹配对中任意两个匹配对之间的灰度距离或者空间距离 大于所述预设阔值；
[0010] 采用RANSAC算法，对所述第=粗匹配组中的匹配对进行处理，获取对应的变换矩 阵；
[0011] 根据所述变换矩阵，将所述参考图像和所述输入图像在空间上进行对准处理，W 获取输出图像。
[0012] 本发明还提供一种基于级联结构的图像配准装置，包括：
[0013] 匹配模块，用于对参考图像的特征点和输入图像的特征点进行双向匹配处理，获 取第一粗匹配组；
[0014] 第一剔除模块，用于根据预设置信度，对所述第一粗匹配组中的匹配对进行剔除， 获取第二粗匹配组；其中，从所述第一粗匹配组中剔除的匹配对的相似度低于所述预设置 信度；
[0015] 第二剔除模块，用于根据预设阔值，对所述第二粗匹配组中的匹配对进行剔除，获 取第=粗匹配组；其中，从所述第二粗匹配组中剔除的匹配对中任意两个匹配对之间的灰 度距离或者空间距离大于所述预设阔值；
[0016] 处理模块，用于采用RANSAC算法，对所述第=粗匹配组中的匹配对进行处理，获 取对应的变换矩阵；
[0017] 获取模块，用于根据所述变换矩阵，将所述参考图像和所述输入图像在空间上进 行对准处理，W获取输出图像。
[001引本发明提供的一种基于级联结构的图像配准方法及装置，其方法通过对参考图像 的特征点和输入图像的特征点进行双向匹配处理，获取第一粗匹配组；根据预设置信度，对 所述第一粗匹配组中的匹配对进行剔除，获取第二粗匹配组；其中，从所述第一粗匹配组中 剔除的匹配对的相似度低于所述预设置信度；根据预设阔值，对所述第二粗匹配组中的匹 配对进行剔除，获取第=粗匹配组；其中，从所述第二粗匹配组中剔除的匹配对中任意两个 匹配对之间的灰度距离或者空间距离大于所述预设阔值；采用RANSAC算法，对所述第=粗 匹配组中的匹配对进行处理，获取对应的变换矩阵；根据所述变换矩阵，将所述参考图像 和所述输入图像在空间上进行对准处理，W获取输出图像。本发明通过使用级联结构逐级 剔除错误的粗匹配对，满足RANSAC算法对粗匹配对的准确性的要求，使得匹配结果更加准 确，保证输出图像的分辨率和清晰度。
【附图说明】
[0019] 图1为本发明第一实施例的基于级联结构的图像配准方法的流程图；
[0020] 图2为本发明第二实施例的基于级联结构的图像配准方法的流程图；
[0021] 图3为本发明第=实施例的基于级联结构的图像配准方法的流程图；
[0022] 图4为本发明第四实施例的基于级联结构的图像配准方法的流程图；
[0023] 图5为本发明第五实施例的基于级联结构的图像配准方法的流程图；
[0024] 图6为本发明第六实施例的基于级联结构的图像配准方法的流程图；
[0025] 图7为本发明第走实施例的基于级联结构的图像配准装置的结构示意图；
[0026] 图8为本发明第^;：实施例中匹配模块的结构示意图；
[0027] 图9为本发明第走实施例中第二剔除模块的结构示意图；
[002引图10为本发明第走实施例中第二剔除模块的另一结构示意图。
【具体实施方式】
[0029] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完 整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于 本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他 实施例，都属于本发明保护的范围。
[0030] 图1为本发明第一实施例的基于级联结构的图像配准方法的流程图；如图1所示， 本实施例的基于级联结构的图像配准方法，具体可W包括W下步骤：
[0031] 步骤S100、对参考图像的特征点和输入图像的特征点进行双向匹配处理，获取第 一粗匹配组。
[0032] 步骤S200、根据预设置信度，对第一粗匹配组中的匹配对进行剔除，获取第二粗匹 配组。
[0033] 其中，从第一粗匹配组中剔除的匹配对的相似度低于预设置信度。
[0034] 步骤S300、根据预设阔值，对第二粗匹配组中的匹配对进行剔除，获取第S粗匹配 组。
[0035] 其中，从第二粗匹配组中剔除的匹配对中任意两个匹配对之间的灰度距离或者空 间距离大于预设阔值。
[0036] 步骤S400、采用RANSAC算法，对第S粗匹配组中的匹配对进行处理，获取对应的 变换矩阵。
[0037] 步骤S500、根据变换矩阵，将参考图像和输入图像在空间上进行对准处理，W获取 输出图像。
[003引本实施例中提供的一种基于级联结构的图像配准方法，通过对参考图像的特征点 和输入图像的特征点进行双向匹配处理，获取第一粗匹配组；根据预设置信度，对第一粗匹 配组中的匹配对进行剔除，获取第二粗匹配组；其中，从第一粗匹配组中剔除的匹配对的相 似度低于预设置信度；根据预设阔值，对第二粗匹配组中的匹配对进行剔除，获取第=粗匹 配组；其中，从第二粗匹配组中剔除的匹配对中任意两个匹配对之间的灰度距离或者空间 距离大于预设阔值；采用RANSAC算法，对第S粗匹配组中的匹配对进行处理，获取对应的 变换矩阵；根据变换矩阵，将参考图像和输入图像在空间上进行对准处理，W获取输出图 像。本发明通过使用级联结构逐级剔除错误的粗匹配对，满足RANSAC算法对粗匹配对的准 确性的要求，使得匹配结果更加准确，保证输出图像的分辨率和清晰度。
[0039] 图2为本发明第二实施例的基于级联结构的图像配准方法的流程图，在本发明第 一实施例的技术方案的基础上，如图2所示，步骤S100,具体可W包括如下步骤：
[0040] 步骤S101、采用SIFT算法，分别检测获取参考图像的特征点化(X，y)Ii= 1，2,. . .，m}和对应的描述符，W及输入图像的特征点y)Ij= 1，2,. . .，n}和对应的 描述符。
[0041] 其中，特征点的信息包括特征点的坐标、尺度和方向；描述符包括特征点的信息和 特征点周围的像素点信息，具体的，描述符包括特征点尺度空间内4*4的窗口中计算的8个 方向的梯度信息。
[0042] 具体的，（x，y)为特征点的坐标，m为参考图像的特征点的数量，n为输入图像的特 征点的数量。
[0043] 步骤S102、遍历所有参考图像的特征点Ri(x，y)，获取输入图像的特征点Sj.(x，y) 分别与所有参考图像的特征点Ri(x，y)构成的匹配对化，Sj.)，并从获取的匹配对化，Sj) 中，将相似度最小的匹配对作为输入图像的特征点Sj.(x，y)对应的目标匹配对，将j加1，重 复上述步骤，直至获取输入图像的特征点S。(X，y)对应的目标匹配对，W获取集合A。
[0044] 其中，j初始时为1，相似度是指匹配对中的输入图像的特征点对应的描述符和匹 配对中的参考图像的特征点对应的描述符之间的欧式距离；集合A包括输入图像的特征点Si(x，y)对应的目标匹配对至输入图像的特征点S"(x，y)对应的目标匹配对。
[0045] 具体的，描述符之间的距离越小，说明描述符之间差异越小，相似度也就越高。
[0046] 步骤S103、遍历所有输入图像的特征点Sj.(x，y)，获取参考图像的特征点Ri(x，y) 分别与所有输入图像的特征点Sj.(x，y)构成的匹配对（Sj.，Ri)，并对获取的匹配对（Sj.，而）按 照其相似度从小到大的顺序进行