基于局部结构二进制模式的多源图像配准的制作方法
【专利摘要】本发明公开了于局部结构二进制模式的多源图像配准，属于图像处理【技术领域】。本发明包括如下几步骤：第一步：检测和定位特征点；第二步：通过显著度过滤特征点；第三步：确定主方向；第四步：基于局部结构二进制算子建立描述符；第五步：匹配特征点。与经典图像配准算法尺度不变算法（SIFT）进行对比，尺度不变算法在不同源图像之间效果较差，本发明在匹配步骤中采用相同阈值，产生多个匹配，而且全部正确，具有较高的配准精度。
【专利说明】基于局部结构二进制模式的多源图像配准
[0001]
【技术领域】 本发明涉及基于局部结构二进制模式的多源图像配准，属于图像处理【技术领域】。
【背景技术】
[0002] 局部二进制（Local Binary Pattern, LBP)是一种有效的图像局部纹理特征描述 算子。该算子是由Ojala在1996年首次提出的，具有思想简单、计算简便、鉴别能力强等特 点，被广泛应用于纹理分类，人脸识别，图像检索等领域。而在图像配准中，该算子作为一种 新颖的描述符更是表现出强大的能力。但是该算子仅仅可以表示图像的纹理特征，并不能 反映结构方面的信息。这样对于结构相似而纹理差异较大的图像领域比如多源图像配准， 行人检测等，该算子将会束手无策。
【发明内容】
[0003] 本发明对以上问题的提出，而研制基于局部结构二进制模式的多源图像配准。
[0004] 本发明包括如下5步： 第一步：检测和定位特征点； 第二步：通过显著度过滤特征点； 第三步：确定主方向； 第四步：基于局部结构二进制算子建立描述符； 第五步：匹配特征点。
[0005] 本发明原理及有益效果：我们首先和经典图像配准算法尺度不变算法（SIFT)进 行对比。尺度不变算法在同源图像之间的配准中能够表现较好的性能，但在不同源图像之 间效果较差，我们在匹配步骤中采用相同阈值，得到的效果图如图1和图2所示，图1为尺 度不变算法的效果图，没有产生匹配结果，图2为本发明方法的效果图，产生7个匹配，而且 全部正确。
【专利附图】
【附图说明】
[0006] 图1为尺度不变算法的效果图。
[0007] 图2为本发明方法的效果图。
[0008] 图3本发明方法采取第一组阀值的精度比较图。
[0009] 图4本发明方法采取第二组阀值的精度比较图。
【具体实施方式】
[0010] 下面结合附图对本发明做进一步说明： 本发明包括5步：检测和定位特征点，计算特征点显著度并剔除低显著度特征点，确定 主方向，基于局部结构二进制算子建立描述符，匹配特征点。
[0011] 第一步：检测和定位特征点。
[0012] 采用DOG算子提取特征点。通过对输入图像做不同尺度的高斯模糊，并不断地降 采样，建立高斯金字塔。接下来，将高斯金字塔每组中相邻上下两层图像相减，得到高斯差 分金字塔。然后，在差分金字塔同一组中相邻两层图像之间进行比较，即在3 X 3 X 3邻域内 寻找极值点作为候选特征点。最后在离散空间中进行插值来精确定位，得到真正的极值点 位置，再通过计算每个特征点的海森矩阵来消除不稳定的特征点。
[0013] 第二步：通过显著度过滤特征点。
[0014] DOG能够检测出大量稳定的特征点，但是它们大多是对配准结果没有帮助的，反而 影响正确的匹配。冗余的特征点降低了配准的精度，同时增加了时间的消耗。针对多源图 像纹理差异较大，结构相对稳定的性质，我们提取使用局部的结构信息作为标准来剔除冗 余的特征点。
[0015] 在图像中，结构信息往往以边缘的形式存在。但是直接利用边缘信息并不合适，因 为它受边缘检测算子的影响较大。所以我们使用局部平均梯度来表示每个特征点的显著 度。该局部平均梯度可以定义为：
【权利要求】
1. 基于局部结构二进制模式的多源图像配准，其特征在于：包括如下几步骤： 第一步：检测和定位特征点； 第二步：通过显著度过滤特征点； 第三步：确定主方向； 第四步：基于局部结构二进制算子建立描述符； 第五步：匹配特征点。
2. 根据权利要求1所述的基于局部结构二进制模式的多源图像配准，其特征在于，检 测和定位特征点的处理方法为： 采用DOG算子提取特征点；通过对输入图像做不同尺度的高斯模糊，并不断地降采样， 建立高斯金字塔，接下来，将高斯金字塔每组中相邻上下两层图像相减，得到高斯差分金字 塔，然后，在差分金字塔同一组中相邻两层图像之间进行比较，即在3X3X3邻域内寻找极 值点作为候选特征点，最后在离散空间中进行插值来精确定位，得到真正的极值点位置，再 通过计算每个特征点的海森矩阵来消除不稳定的特征点。
3. 根据权利要求1所述的基于局部结构二进制模式的多源图像配准，其特征在于，通 过显著度过滤特征点的处理方法为： DOG能够检测出稳定的特征点，针对多源图像纹理差异较大，结构相对稳定的性质，提 取使用局部的结构信息作为标准来剔除冗余的特征点；在图像中，结构信息往往以边缘的 形式存在，所以使用局部平均梯度来表示每个特征点的显著度，该局部平均梯度定义为：
1(0表示以特征点为圆心，r为半径圆内的像素点个数，也就是W/)集合的大小；MLO和分别表示图像在X和y方向的偏导数；（?表示特征点的坐标；为了使 所统计区域包含在创建描述符矩形区域内，将半径r定为10s，s为特征点所在尺度；通过计 算特征点邻域的平均梯度，特征点周围的结构信息被表示，选择结构信息丰富的特征点进 行下一步的操作。
4. 根据权利要求1所述的基于局部结构二进制模式的多源图像配准，其特征在于，确 定主方向的处理方法为： 对以特征点为圆心，6S为半径的圆形区域内的每个像素，S为特征点所在的尺度，求解 它们的结构度，结构度用结构张量&来计算，&为：
其中，*表示卷积运算，I表示二维高斯函数在尺度ff的偏导数，I,和&分别表示图 像在X和y方向的偏导数；通过该矩阵，得到两个特征向量W1和％ ,它们分别表示在该位置 灰度变化最大和最小的方向，对应的两个特征值分别是wI和^ , 4 2? 2Q,这里将结构度定 义为：
计算完邻域内每个像素的结构度后，进行高斯平滑，σ=2s;然后，使用角度为π/3的 扇形沿逆时针的方向以特定的步长7Γ/18转动，依次计算扇形区域内所有像素平滑后的结 构度和；选择结构度和最大的区域作为主方向区域，该扇形区域的角平分线为该特征点的 主方向。
5. 根据权利要求1所述的基于局部结构二进制模式的多源图像配准，其特征在于，基 于局部结构二进制算子建立描述符的处理方法为： 首先，局部结构二进制模式为：对于一幅图像，不直接求解每个像素的二进制码，而是 先求每个像素的梯度幅值，得到该图像的梯度图像；然后对于每个像素，比较该像素与周围 8个邻域的梯度大小；如果小于中心像素的表示为1，大于中心像素的表示为0,从而可以得 到一个局部梯度二进制码，再将该码转换为十进制作为中心像素的表示；该算子用公式可 以定义为：
其中，Mir和Mi分别表示中心像素与邻域像素的梯度幅值，得到整幅图像的局部结构 二进制模式图；对于一个特征点，在其邻域创建一个以特征点为中心，X轴沿该特征点主方 向，大小为20s*20s的方形区域；然后计算该区域内所有像素的局部结构二进制码，为了在 描述符中加入空间信息，将该区域分为4*4的子区域；在每个子区域中，建立一个直方图用 来统计该子区域所有像素的局部结构二进制码，即直方图的每个条目表示该二进制码的像 素点个数；之后将所有子区域的直方图联合起来组成描述符；再将描述符进行标准化，大 于0. 2的项限制为0. 2,再进行标准化形成最终的局部结构二进制描述符。
6. 根据权利要求1所述的基于局部结构二进制模式的多源图像配准，其特征在于，匹 配特征点的处理方法为： 创建完描述符之后，就利用这些描述符匹配多幅多源图像；描述符之间的相似性采用 欧式距离进行度量；对于第一幅图像的每个特征点，计算它的描述符与第二幅图像所有特 征点的描述符的欧氏距离，得到最近距离与次近距离；如果最近距离与次近距离的比值小 于某一阈值时，最近距离对应的两个特征点是相匹配的。
【文档编号】G06T7/00GK104240231SQ201410321936
【公开日】2014年12月24日 申请日期:2014年7月8日 优先权日:2014年7月8日
【发明者】王波 申请人:大连民族学院