基于梯度信息的新颖多源图像快速配准方法
【专利摘要】本发明涉及基于梯度信息的新颖多源图像快速配准方法，属于图像处理【技术领域】。本发明实现包括第一步特征点检测和定位，第二步主方向确定，第三步描述符生成，第四步特征点匹配。
【专利说明】基于梯度信息的新颖多源图像快速配准方法
【技术领域】
[0001]本发明涉及基于梯度信息的新颖多源图像快速配准方法，属于图像处理【技术领域】。
【背景技术】
[0002]最近几年，随着大量配准算法的提出，图像配准技术得到了快速地发展，但是仍然存在许多不足。尤其在多源图像配准方面上，现有算法很少能够同时达到快速和精确。作为多源图像算法的代表，对称尺度不变特征变换算法能够很好地完成匹配任务，但无论时间还是精度方面，该方法都无法运用到需要实时处理的情况。而单源配准算法中，作为尺度不变特征变换算法(SIFT算法)的加速版，快速鲁棒特征(SURF)算法能够快速地匹配可见光图像，但对多源图像束手无策。
【发明内容】
[0003]本发明针对上面的问题，而研制多源快速鲁棒特征(MM-SURF)算法。该算法继承了 SURF算法的良好性能，同时充分利用多源图像的灰度信息，达到快速并高效地匹配多源图像的目的。
[0004]本发明包括四步:特征点检测和定位，主方向确定，描述符生成和特征点匹配。
[0005]第一步:特征点检测和定位.
[0006]第二步:主方向确定。
[0007]第三步:描述符生成。
[0008]第四步:建立特征描述符之后，就可以利用这些描述符进行特征点的匹配。两个特征向量的相似性采用欧式距离进行度量。对于第一幅图像特征点的特征向量，计算它与第二幅图像所有特征点的特征向量的欧氏距离，可以得到最近距离与次近距离，将它们的比值作为该特征点的差异度。第一幅图像所有特征点按照该差异度进行排序，最后根据所需将前N个选为匹配。
[0009]本发明原理及有益效果:多源图像之间存在大量梯度反转现象，而且梯度反转的像素点往往存在于结构信息丰富的区域。我们结合这个现象，提出了多源快速鲁棒特征算法。与SURF算法相比，该方法不仅能够配准单源图像，还能配准多源图像。与已有的多源配准算法相比，该方法具有更高的精确度，而且消耗更少的时间，能够满足实时的需求。
【专利附图】
【附图说明】
[0010]图1快速鲁棒特征算法所统计采样点。
[0011]图2多源快速鲁棒特征算法所统计采样点。
【具体实施方式】
[0012]本发明包括四步:特征点检测和定位，主方向确定，描述符生成和特征点匹配。[0013]第一步:特征点检测和定位.[0014]对图像不断地做高斯平滑处理，建立高斯尺度空间。然后计算每个像素点的海森矩阵，通过海森矩阵行列式值来检测特征点。为了加快计算速度，通过积分图像和块状滤波的结合来加速尺度空间滤波的速度。计算得到海森矩阵的行列式值后，在尺度空间中的3X3X3邻域内寻找海森矩阵行列式值最大的点作为候选特征点。然后用尺度不变特征变换算法中提到的方法再将局部最大值在尺度和图像空间中进行插值删除不稳定的候选点。
[0015]第二步:主方向确定。
[0016]首先计算以特征点为圆心，6s(s为特征点所在的尺度)为半径的圆形区域内的所有像素在X和y方向上的哈尔小波响应dx，dy。然后计算每个像素点的梯度幅值m(x，y)，即
[0017]
【权利要求】
1.基于梯度信息的新颖多源图像快速配准方法，其特征在于: 第一步特征点检测和定位， 第二步主方向确定， 第三步描述符生成， 第四步特征点匹配。
2.根据权利要求1所述的基于梯度信息的新颖多源图像快速配准方法，其特征在于:第一步的特征点检测和定位方法为: 对图像不断地做高斯平滑处理，建立高斯尺度空间，然后计算每个像素点的海森矩阵，通过海森矩阵行列式值来检测特征点，为了加快计算速度，通过积分图像和块状滤波的结合来加速尺度空间滤波的速度，计算得到海森矩阵的行列式值后，在尺度空间中的3 X 3 X 3邻域内寻找海森矩阵行列式值最大的点作为候选特征点，然后用尺度不变特征变换算法中提到的方法再将局部最大值在尺度和图像空间中进行插值删除不稳定的候选点。
3.根据权利要求1所述的基于梯度信息的新颖多源图像快速配准方法，其特征在于:第二步的主方向确定方法为: 首先计算以特征点为圆心，6s(s为特征点所在的尺度)为半径的圆形区域内的所有像素在X和y方向上的哈尔小波响应dx，dy，然后计算每个像素点的梯度幅值m(x，y)，即
4.根据权利要求1所述的基于梯度信息的新颖多源图像快速配准方法，其特征在于:第三步的描述符生成方法为: 按照快速鲁棒特征算法描述符的构建过程，得到每一个子区域内5X5个空间采样点的水平和垂直方向上的哈尔小波响应4和dy，再把梯度向量(dx，dy)的方向通过梯度反转限制在(O, π )之间，即
(dx, dy) =sgn (dy) (dx, dy) (2) 其中，
5.根据权利要求1所述的基于梯度信息的新颖多源图像快速配准方法，其特征在于:第四步的特征点匹配方法为:建立特征描述符之后，就可以利用这些描述符进行特征点的匹配，两个特征向量的相似性采用欧式距离进行度量，对于第一幅图像特征点的特征向量，计算它与第二幅图像所有特征点的特征向量的欧氏距离，可以得到最近距离与次近距离，将它们的比值作为该特征点的差异度，第一幅图像所有特征点按照该差异度进行排序，最后根据所需将前N个选为匹配。`
【文档编号】G06T7/00GK103745463SQ201310745722
【公开日】2014年4月23日 申请日期:2013年12月26日 优先权日:2013年12月26日
【发明者】胡小鹏, 裴红, 赵栋, 杨燕, 李明辉, 崔雅敏, 吕泽锋, 贺艳花, 王国强, 陈仕林, 赵猛, 魏强 申请人:大连理工大学, 中油辽河工程有限公司, 中联煤层气有限责任公司