基于几何不变量的图像配准拼接方法和装置及计算机设备与流程

本发明涉及星图处理技术领域，更具体地，涉及一种基于几何不变量的图像配准拼接方法和装置及计算机设备。

背景技术

图像配准是寻找在不同时间点、不同的视角下或由不同传感器拍摄的关于同一场景的两幅图像或多幅图像之间的空间变换关系，并对其中的一幅或多幅进行匹配和叠加的过程。图像配准可简单地理解为一个寻找空间映射的过程，重新排列一幅图像的像素点位置，并与另一幅图像的对应像素点保持空间上的一致性。图像配准是遥感图像处理、目标识别、图像融合、图像拼接、图像重建、机器人视觉等众多图像分析领域中的关键技术之一，是图像处理领域中的研究热点。

图像配准大致可分为基于区域和基于特征的图像配准，对于匹配时采用的方法不同又可以做进一步的划分。基于区域的图像配准方法又称为模板匹配法，它不需要考虑图像的结构信息，利用区域相关的方法对图像的灰度信息进行匹配。但是它对复杂的图像变换几乎无效，同时算法的计算复杂度较高。基于区域的图像配准方法有互相关法(crosscorrelation，cc),序贯检测法(similaritydetectionalgorithm，ssda)，在频域中基于傅氏变换的fourier-mellin变换相位相关法，互信息法(mutualinformation，mi)，levenberg-marquardt优化方法；基于特征的图像配准方法不是通过所有的图像区域而是通过图像上具有代表性的特征信息进行图像之间的匹配，从而达到图像配准的目的。由于该配准方法只考虑特征信息的匹配，并且对噪声、形变的抗干扰能力更强，因而具有更小的计算量和更高的鲁棒性。基于特征的图像配准方法有采用空间关系的最近邻迭代点(iterativecloestpoint，icp)方法、采用不变描述子的方法、一致性标签(consistentlabelingproblem，clp)松弛方法、金字塔和小波方法等。

目前图像配准的方法主要有基于sift特征点的图像配准拼接方法和基于形状上下文的图像配准拼接方法。由于在同一个像素附近的sift特征点的描述向量相差较大，导致两幅图像间的特征点无法正确的匹配；而且由于曝光时间与iso(感光度)不同，导致两幅图提取得到的特征点数量相差较大，即使是同一个点的形状直方图也相差较多，不相关的点却有可能相似，因而导致配准失败。

因此，提出一种新的图像配准拼接方法，降低特征点失配的现象，提高配准精度，成为亟待解决的问题。

技术实现要素：

有鉴于此，本发明提供了一种基于几何不变量的图像配准拼接方法和装置及计算机设备和计算机可读存储介质，充分利用星图中星点间存在的几何不变量信息，对星图中存在的特征点建立特征描述子并进行匹配，解决了现有技术中特征点失配和配准精度低的技术问题。

为了解决上述技术问题，根据本发明的一个方面，提供了一种基于几何不变量的图像配准拼接方法。

该方法包括以下步骤：

步骤s1：对参考星图和待配准星图分别进行二值化处理，得到参考星图中的m个星点和待配准星图中的n个星点，其中，m和n均为大于或等于4的自然数；

步骤s2：计算各个星点对应的特征点；

步骤s3：计算各个特征点的坐标，其中，参考星图中的m个星点对应的特征点的坐标构成参考特征点集，待配准星图中的n个星点对应的特征点的坐标构成待配准特征点集；

步骤s4：在参考特征点集中，计算每个特征点到其余特征点的距离度量，得到参考特征点集中每个特征点的几何不变量描述向量，在待配准特征点集中，计算每个特征点到其余特征点的距离度量，得到待配准特征点集中每个特征点的几何不变量描述向量，其中，参考特征点集中每个特征点的几何不变量描述向量包括m-1个距离度量，待配准特征点集中每个特征点的几何不变量描述向量包括n-1个距离度量；

步骤s5：将参考特征点集中一个特征点的几何不变量描述向量和待配准特征点集中一个特征点的几何不变量描述向量输入预设的匹配代价函数，得到两个特征点的匹配值；

步骤s6：判断匹配值是否大于预设匹配阈值，当匹配值大于预设匹配阈值时，匹配值对应的两个特征点为一组特征点匹配点对，得到s组特征点匹配点对；

步骤s7：在s组特征点匹配点对中抽取n1组特征点匹配点对，对每一组特征点匹配点对分别依据刚体变换模型进行计算，得到每一组特征点匹配点对对应的配准参数；

步骤s8：针对每一组特征点匹配点对对应的配准参数，分别利用n2组特征点匹配点对对配准参数进行验证，以确定该组特征点匹配点对是否正确，其中，n1+n2＝s，且n2组特征点匹配点对为s组特征点匹配点对中除n1组特征点匹配点对之外的特征点匹配点对；

步骤s9：将n1组特征点匹配点对中不正确的特征点匹配点对去除，得到x组正确的特征点匹配点对；

步骤s10：采用以下公式计算迭代阈值r：

其中，p为期望正确点对概率,sn为第n次迭代后得到的特征点匹配点对总数，sn＝sn-1+x-x'，s0＝0，x'为第n-1次迭代后得到的特征点匹配点对总数对应的特征点匹配点对中，与x组正确的特征点匹配点对中相同的特征点匹配点对的个数；

步骤s11：判断迭代阈值r是否大于或等于1，若迭代阈值r大于或等于1，则并将迭代次数n加1，返回步骤s7，其中，n的初始值为0，若迭代阈值r小于1，则结束迭代，第n次迭代后得到的特征点匹配点对总数对应的特征点匹配点对为参考星图和待配准星图的匹配点。

进一步地，步骤s1包括：将参考星图和待配准星图分别转换为灰度直方图；对参考星图对应的灰度直方图采用最小二乘法计算，获取第一最佳阈值，其中，第一最佳阈值使参考星图中的星点区域和背景区域的方差最大；对待配准星图对应的灰度直方图采用最小二乘法计算，获取第二最佳阈值，其中，第二最佳阈值使待配准星图中的星点区域和背景区域的方差最大；根据第一最佳阈值对参考星图进行二值化处理，得到参考星图中的m个星点；根据第二最佳阈值对待配准星图进行二值化处理，得到待配准星图中的n个星点。

进一步地，步骤s2包括：计算二值化分割之后的图像上星点的质心得到特征点。

进一步地，在步骤s4中，采用以下公式计算在所述参考特征点集中，每个特征点到其余特征点的距离度量：

lpi(k)＝||pi-pk||2，k＝1，2...，m

其中，k≠i，为所述参考特征点集，pi和pk均为所述参考特征点集中特征点的坐标，lpi(k)为pi到pk的距离度量；

采用以下公式计算在所述待配准特征点集中，每个特征点到其余特征点的距离度量：

lqj(l)＝||qj-ql||2，l＝1，2...，n

其中，且l≠j，为所述待配准特征点集，qj和ql均为所述待配准特征点集中特征点的坐标，lqj(l)为qj到ql的距离度量。

进一步地，构造的匹配代价函数如下：

其中，δ为高斯函数的标准差,eij为pi与qj的匹配值。

进一步地，步骤s7包括：对每一组特征点匹配点对计算旋转、平移、尺度变换和投影变换的参数，得到每一组特征点匹配点对对应的配准参数。

进一步地，步骤s8包括：利用n2组特征点匹配点对对配准参数进行验证，若误差小于预设误差阈值，则认为该组特征点匹配点正确。

为了解决上述技术问题，根据本发明的第二个方面，提供了一种基于几何不变量的图像配准拼接装置。

该装置包括以下模块：

二值化模块，用于对参考星图和待配准星图分别进行二值化处理，得到参考星图中的m个星点和待配准星图中的n个星点，其中，m和n均为大于或等于4的自然数；

特征点计算模块，用于计算各个星点对应的特征点；

坐标计算模块，用于计算各个特征点的坐标，其中，参考星图中的m个星点对应的特征点的坐标构成参考特征点集，待配准星图中的n个星点对应的特征点的坐标构成待配准特征点集；

描述向量计算模块，用于在参考特征点集中，计算每个特征点到其余特征点的距离度量，得到参考特征点集中每个特征点的几何不变量描述向量，在待配准特征点集中，计算每个特征点到其余特征点的距离度量，得到待配准特征点集中每个特征点的几何不变量描述向量，其中，参考特征点集中每个特征点的几何不变量描述向量包括m-1个距离度量，待配准特征点集中每个特征点的几何不变量描述向量包括n-1个距离度量；

匹配值计算模块，用于将参考特征点集中一个特征点的几何不变量描述向量和待配准特征点集中一个特征点的几何不变量描述向量输入预设的匹配代价函数，得到两个特征点的匹配值；

匹配点对确定模块，用于判断匹配值是否大于预设匹配阈值，当匹配值大于预设匹配阈值时，匹配值对应的两个特征点为一组特征点匹配点对，得到s组特征点匹配点对；

配准参数计算模块，用于在s组特征点匹配点对中抽取n1组特征点匹配点对，对每一组特征点匹配点对分别依据刚体变换模型进行计算，得到每一组特征点匹配点对对应的配准参数；

验证模块，用于针对每一组特征点匹配点对对应的配准参数，分别利用n2组特征点匹配点对对配准参数进行验证，以确定该组特征点匹配点对是否正确，其中，n1+n2＝s，且n2组特征点匹配点对为s组特征点匹配点对中除n1组特征点匹配点对之外的特征点匹配点对；

误匹配去除模块，用于将n1组特征点匹配点对中不正确的特征点匹配点对去除，得到x组正确的特征点匹配点对；

迭代阈值计算模块，用于采用以下公式计算迭代阈值r：

其中，p为期望正确点对概率,sn为第n次迭代后得到的特征点匹配点对总数，sn＝sn-1+x-x'，s0＝0，x'为第n-1次迭代后得到的特征点匹配点对总数对应的特征点匹配点对中，与x组正确的特征点匹配点对中相同的特征点匹配点对的个数；

迭代控制模块，用于判断迭代阈值r是否大于或等于1，若迭代阈值r大于或等于1，则并将迭代次数n加1，并调用配准参数计算模块、验证模块、误匹配去除模块和迭代阈值计算模块进行迭代，其中，n的初始值为0，若迭代阈值r小于1，则结束迭代，第n次迭代后得到的特征点匹配点对总数对应的特征点匹配点对为参考星图和待配准星图的匹配点。

为了解决上述技术问题，根据本发明的第三个方面，提供了一种计算机设备。

该计算机设备包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，该处理器执行该程序时，实现本发明提供的任意一种基于几何不变量的图像配准方法的步骤。

为了解决上述技术问题，根据本发明的第四个方面，提供了一种计算机可读存储介质。

该计算机可读存储介质上存储有计算机程序，该程序被处理器执行时实现本发明提供的任意一种基于几何不变量的图像配准方法的步骤。

与现有技术相比，本发明提供的基于几何不变量的图像配准拼接方法和装置及计算机设备和计算机可读存储介质，至少实现了如下的有益效果：

第一，本发明所述基于几何不变量的图像配准拼接方法，在特征点选取时引入了几何不变量的方法，该方法具有自适应性的特点，能够很好的克服星图中缺乏纹理信息且存在背景噪声的困难，准确的选取合适的特征点进行匹配，取得了较好的效果。

第二，本发明所述基于几何不变量的图像配准拼接方法，在参考星图和待配准星图的特征点数量相差较大而导致的特征向量维度不相同的情况下，构造了一个基于几何不变量的匹配代价函数来得到匹配特征点对，相较于sift方法和基于形状上下文的方法，能够得到更多的特征点对，更好的满足图像配准的要求。

第三，本发明所述基于几何不变量的图像配准拼接方法，采用通过多次迭代去除掉错误的特征点对，达到了亚像元精度，满足后续的图像融合或是图像拼接的需要。

当然，实施本发明的任一产品必不特定需要同时达到以上所述的所有技术效果。

通过以下参照附图对本发明的示例性实施例的详细描述，本发明的其它特征及其优点将会变得清楚。

附图说明

被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例，并且连同其说明一起用于解释本发明的原理。

图1是本发明实施例一提供的基于几何不变量的图像配准拼接方法的步骤流程图；

图2是本发明实施例二提供的基于几何不变量的图像配准拼接装置的框图；

图3为本发明实施例三提供的计算机设备的硬件结构图。

具体实施方式

现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。

在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

实施例一

本发明实施例一提供了一种基于几何不变量的图像配准拼接方法，该配准拼接方法能够确定待配准星图与参考星图的特征点匹配点对，从而完成待配准星图与参考星图的配准，图1是本发明实施例一提供的基于几何不变量的图像配准拼接方法的步骤流程图，具体地，如图1所示，该方法包括如下的步骤s1至步骤s11。

步骤s1：对参考星图和待配准星图分别进行二值化处理，得到参考星图中的m个星点和待配准星图中的n个星点。

其中，m和n均为大于或等于4的自然数。在参考星图和待配准星图上，星点所在区域的像素和除星点外的背景所在区域的像素的灰度不同，因而，在对参考星图和待配准星图分别进行二值化处理后，能够将星点与背景进行区分，从而得到星点，该处可采用现有技术中任意的二值化处理方法，优选地，在实现该步骤s1时，进一步通过以下的具体步骤实现：

步骤s1a：将参考星图和待配准星图分别转换为灰度直方图；

步骤s1b：对参考星图对应的灰度直方图采用最小二乘法计算，获取第一最佳阈值，其中，第一最佳阈值使参考星图中的星点区域和背景区域的方差最大；

步骤s1c：对待配准星图对应的灰度直方图采用最小二乘法计算，获取第二最佳阈值，其中，第二最佳阈值使待配准星图中的星点区域和背景区域的方差最大；

步骤s1d：根据第一最佳阈值对参考星图进行二值化处理，得到参考星图中的m个星点；

步骤s1e：根据第二最佳阈值对待配准星图进行二值化处理，得到待配准星图中的n个星点。

步骤s2：计算各个星点对应的特征点。

具体地，在该步骤中计算参考星图中的m个星点对应的特征点，计算待配准星图中的n个星点对应的特征点。

在该步骤中，计算星点对应的特征点时，可通过计算二值化分割之后的图像上星点的质心得到特征点。

步骤s3：计算各个特征点的坐标。

其中，参考星图中的m个星点对应的特征点的坐标构成参考特征点集，也即，参考特征点集包括m个特征点的坐标，待配准星图中的n个星点对应的特征点的坐标构成待配准特征点集，也即，待配准特征点集包括n个特征点的坐标。

步骤s4：在参考特征点集中，计算每个特征点到其余特征点的距离度量，得到参考特征点集中每个特征点的几何不变量描述向量，在待配准特征点集中，计算每个特征点到其余特征点的距离度量，得到待配准特征点集中每个特征点的几何不变量描述向量。

其中，设参考特征点集为共包括m个特征点的坐标，对于每个特征点，分别计算其到其余m-1个特征点的距离度量，得到每个特征点对应的m-1个距离度量，也即，参考特征点集中每个特征点的几何不变量描述向量包括m-1个距离度量，在该步骤s4中，采用以下公式计算在参考特征点集中，每个特征点到其余特征点的距离度量：

lpi(k)＝||pi-pk||2，k＝1，2...，m，

其中，k≠i，pi和pk均为参考特征点集中特征点的坐标，lpi(k)为pi到pk的距离度量。

设待配准特征点集为共包括n个特征点的坐标，对于每个特征点，分别计算其到其余n-1个特征点的距离度量，得到每个特征点对应的n-1个距离度量，也即待配准特征点集中每个特征点的几何不变量描述向量包括n-1个距离度量。在该步骤s4中，采用以下公式计算在待配准特征点集中，每个特征点到其余特征点的距离度量：

lqj(l)＝||qj-ql||2，l＝1，2...，n

其中，且l≠j，qj和ql均为待配准特征点集中特征点的坐标，lqj(l)为qj到ql的距离度量。

步骤s5：将参考特征点集中一个特征点的几何不变量描述向量和待配准特征点集中一个特征点的几何不变量描述向量输入预设的匹配代价函数，得到两个特征点的匹配值。

在该步骤中，预设匹配代价函数，利用特征点的几何不变量描述向量，对参考特征点集中的特征点和待配准特征点集中的特征点进行匹配值的计算，参考特征点集中的每一个特征点与待配准特征点集中的各个特征点均可计算得到一个匹配值，也即，参考特征点集中的每一个特征点均可对应计算到n个匹配值。

步骤s6：判断匹配值是否大于预设匹配阈值，当匹配值大于预设匹配阈值时，匹配值对应的两个特征点为一组特征点匹配点对，得到s组特征点匹配点对。

在该步骤中，预设匹配阈值，对所有的匹配值进行筛选，筛选出匹配值大于匹配阈值的特征点对，每个特征点对命名为特征点匹配点对，同时，定义得到的特征点匹配点对数量为s组。

步骤s7：在s组特征点匹配点对中抽取n1组特征点匹配点对，对每一组特征点匹配点对分别依据刚体变换模型进行计算，得到每一组特征点匹配点对对应的配准参数。

在该步骤中，首先从s组特征点匹配点对中随机抽取出n1组，将n1组特征点匹配点中的每一组输入预设的刚体变换模型进行计算，能够得到n1组配准参数。

步骤s8：针对每一组特征点匹配点对对应的配准参数，分别利用n2组特征点匹配点对对配准参数进行验证，以确定该组特征点匹配点对是否正确。

其中，n1+n2＝s，且n2组特征点匹配点对为s组特征点匹配点对中除n1组特征点匹配点对之外的特征点匹配点对，也即在通过上述步骤s7计算的得到n1组配准参数之后，再利用剩余的n2组特征点匹配点对进行验证。

在一种验证方法中，当某组配准参数能够满足验证条件，例如，验证条件为n2组特征点匹配点中预设百分比的特征点匹配点均满足配准参数，则认为该组配准参数对应的特征点是正确的特征点，否则是不正确的特征点。

步骤s9：将n1组特征点匹配点对中不正确的特征点匹配点对去除，得到x组正确的特征点匹配点对。

无论采用怎样的验证方法，在该步骤s中均将不正确的特征点匹配点对去除，剩余的特征点匹配点对数量定义为x。

步骤s10：计算迭代阈值r。

在该步骤中，可采用以下公式计算迭代阈值r：

其中，p为期望正确点对概率,sn为第n次迭代后得到的特征点匹配点对总数，sn＝sn-1+x-x'，s0＝0，x'为第n-1次迭代后得到的特征点匹配点对总数对应的特征点匹配点对中，与x组正确的特征点匹配点对中相同的特征点匹配点对的个数。

步骤s11：判断迭代阈值r是否大于或等于1，若迭代阈值r大于或等于1，则并将迭代次数n加1，返回步骤s7，若迭代阈值r小于1，则结束迭代，第n次迭代后得到的特征点匹配点对总数对应的特征点匹配点对为参考星图和待配准星图的匹配点。

其中，n的初始值为0，可选地，在第n次迭代中，首先根据上一次迭代后得到的sn-1计算迭代阈值e，然后判断迭代阈值r是否大于或等于1，若迭代阈值r大于或等于1，再计算x'，具体地，将该第n次迭代中计算得到的x组正确的特征点匹配点对，与上一次迭代中计算得到的sn-1特征点匹配点对进行比对，得到相同的特征点匹配点对，这些特征点匹配点对即为x'组特征点匹配点对，然后再根据sn＝sn-1+x-x'计算出sn，以便下一次迭代，也即第n+1次迭代中计算迭代阈值r。

采用该实施例提供的基于几何不变量的图像配准拼接方法，在特征点选取和匹配时引入了几何不变量进行匹配，使得配准拼接方法能够具有自适应性的特点，能够很好的克服星图中缺乏纹理信息且存在背景噪声的困难，准确的选取合适的特征点进行匹配，匹配准确性好。

优选地，步骤s5中，计算匹配值时，构造的匹配代价函数如下：

其中，δ为高斯函数的标准差,eij为pi与qj的匹配值。

采用该优选实施例提供的基于几何不变量的图像配准拼接方法，通过上述方法构造匹配代价函数，能够在参考星图和待配准星图的特征集合维度不匹配的情况下选择合适的特征点对进行配准。

优选地，在步骤s7中，对每一组特征点匹配点对计算旋转、平移、尺度变换和投影变换的参数，得到每一组特征点匹配点对对应的配准参数。

采用该优选实施例提供的基于几何不变量的图像配准拼接方法，几何不变量在星图配准时将参考星图和待配准星图看作只有旋转、平移、尺度变换和投影变换，而没有其他变换，简化计算量，提升匹配速度。

优选地，在步骤s8中，利用n2组特征点匹配点对对配准参数进行验证，若误差小于预设误差阈值，则认为该组特征点匹配点正确。

实施例二

本发明实施例二提供了一种基于几何不变量的图像配准拼接装置，该配准拼接装置能够确定待配准星图与参考星图的特征点匹配点对，从而完成待配准星图与参考星图的配准，图2是本发明实施例二提供的基于几何不变量的图像配准拼接装置的框图，具体地，如图2所示，该装置包括：二值化模块201、特征点计算模块202、坐标计算模块203、描述向量计算模块204、匹配值计算模块205、匹配点对确定模块206、配准参数计算模块207、验证模块208、误匹配去除模块209、迭代阈值计算模块210和迭代控制模块211。

其中，二值化模块201用于对参考星图和待配准星图分别进行二值化处理，得到参考星图中的m个星点和待配准星图中的n个星点，其中，m和n均为大于或等于4的自然数；特征点计算模块202用于计算各个星点对应的特征点；坐标计算模块203用于计算各个特征点的坐标，其中，参考星图中的m个星点对应的特征点的坐标构成参考特征点集，待配准星图中的n个星点对应的特征点的坐标构成待配准特征点集；描述向量计算模块204用于在参考特征点集中，计算每个特征点到其余特征点的距离度量，得到参考特征点集中每个特征点的几何不变量描述向量，在待配准特征点集中，计算每个特征点到其余特征点的距离度量，得到待配准特征点集中每个特征点的几何不变量描述向量，其中，参考特征点集中每个特征点的几何不变量描述向量包括m-1个距离度量，待配准特征点集中每个特征点的几何不变量描述向量包括n-1个距离度量；匹配值计算模块205用于将参考特征点集中一个特征点的几何不变量描述向量和待配准特征点集中一个特征点的几何不变量描述向量输入预设的匹配代价函数，得到两个特征点的匹配值；匹配点对确定模块206用于判断匹配值是否大于预设匹配阈值，当匹配值大于预设匹配阈值时，匹配值对应的两个特征点为一组特征点匹配点对，得到s组特征点匹配点对；配准参数计算模块207用于在s组特征点匹配点对中抽取n1组特征点匹配点对，对每一组特征点匹配点对分别依据刚体变换模型进行计算，得到每一组特征点匹配点对对应的配准参数；验证模块208用于针对每一组特征点匹配点对对应的配准参数，分别利用n2组特征点匹配点对对配准参数进行验证，以确定该组特征点匹配点对是否正确，其中，n1+n2＝s，且n2组特征点匹配点对为s组特征点匹配点对中除n1组特征点匹配点对之外的特征点匹配点对；误匹配去除模块209用于将n1组特征点匹配点对中不正确的特征点匹配点对去除，得到x组正确的特征点匹配点对；迭代阈值计算模块210用于采用以下公式计算迭代阈值r：

其中，p为期望正确点对概率,sn为第n次迭代后得到的特征点匹配点对总数，sn＝sn-1+x-x'，s0＝0，x'为第n-1次迭代后得到的特征点匹配点对总数对应的特征点匹配点对中，与x组正确的特征点匹配点对中相同的特征点匹配点对的个数；迭代控制模块211用于判断迭代阈值r是否大于或等于1，若迭代阈值r大于或等于1，则并将迭代次数n加1，并调用配准参数计算模块、验证模块、误匹配去除模块和迭代阈值计算模块进行迭代，其中，n的初始值为0，若迭代阈值r小于1，则结束迭代，第n次迭代后得到的特征点匹配点对总数对应的特征点匹配点对为参考星图和待配准星图的匹配点。

采用该实施例提供的基于几何不变量的图像配准拼接装置，在特征点选取和匹配时引入了几何不变量进行匹配，使得配准拼接装置能够具有自适应性的特点，能够很好的克服星图中缺乏纹理信息且存在背景噪声的困难，准确的选取合适的特征点进行匹配，匹配准确性好。

优选地，二值化模块201具体执行以下步骤：将参考星图和待配准星图分别转换为灰度直方图；对参考星图对应的灰度直方图采用最小二乘法计算，获取第一最佳阈值，其中，第一最佳阈值使参考星图中的星点区域和背景区域的方差最大；对待配准星图对应的灰度直方图采用最小二乘法计算，获取第二最佳阈值，其中，第二最佳阈值使待配准星图中的星点区域和背景区域的方差最大；根据第一最佳阈值对参考星图进行二值化处理，得到参考星图中的m个星点；根据第二最佳阈值对待配准星图进行二值化处理，得到待配准星图中的n个星点。

优选地，特征点计算模块202计算二值化分割之后的图像上星点的质心得到特征点。

优选地，描述向量计算模块204采用以下公式计算在参考特征点集中，每个特征点到其余特征点的距离度量：

lpi(k)＝||pi-pk||2，k＝1，2...，m

其中，k≠i，为参考特征点集，pi和pk均为参考特征点集中特征点的坐标，lpi(k)为pi到pk的距离度量。

采用以下公式计算在待配准特征点集中，每个特征点到其余特征点的距离度量：

lqj(l)＝||qj-ql||2，l＝1，2...，n

其中，且l≠j，为待配准特征点集，qj和ql均为待配准特征点集中特征点的坐标，lqj(l)为qj到ql的距离度量。

优选地，匹配值计算模块205中，构造的匹配代价函数如下：

其中，δ为高斯函数的标准差,eij为pi与qj的匹配值。

优选地，配准参数计算模块207对每一组特征点匹配点对计算旋转、平移、尺度变换和投影变换的参数，得到每一组特征点匹配点对对应的配准参数。

优选地，验证模块208利用n2组特征点匹配点对对配准参数进行验证，若误差小于预设误差阈值，则认为该组特征点匹配点正确。

实施例三

本实施例还提供一种计算机设备，如可以执行程序的智能手机、平板电脑、笔记本电脑、台式计算机、机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器，或者多个服务器所组成的服务器集群)等。图3为本发明实施例四提供的计算机设备的硬件结构图，如图3所示，本实施例的计算机设备20至少包括但不限于：可通过系统总线相互通信连接的存储器21、处理器22，如图3所示。需要指出的是，图3仅示出了具有组件21-22的计算机设备20，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。

本实施例中，存储器21(即可读存储介质)包括闪存、硬盘、多媒体卡、卡型存储器(例如，sd或dx存储器等)、随机访问存储器(ram)、静态随机访问存储器(sram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、可编程只读存储器(prom)、磁性存储器、磁盘、光盘等。在一些实施例中，存储器21可以是计算机设备20的内部存储单元，例如该计算机设备20的硬盘或内存。在另一些实施例中，存储器21也可以是计算机设备20的外部存储设备，例如该计算机设备20上配备的插接式硬盘，智能存储卡(smartmediacard,smc)，安全数字(securedigital,sd)卡，闪存卡(flashcard)等。当然，存储器21还可以既包括计算机设备20的内部存储单元也包括其外部存储设备。本实施例中，存储器21通常用于存储安装于计算机设备20的操作系统和各类应用软件，例如实施例二的基于几何不变量的图像配准拼接装置的程序代码等。此外，存储器21还可以用于暂时地存储已经输出或者将要输出的各类数据。

处理器22在一些实施例中可以是中央处理器(centralprocessingunit，cpu)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器22通常用于控制计算机设备20的总体操作。本实施例中，处理器22用于运行存储器21中存储的程序代码或者处理数据，例如基于几何不变量的图像配准拼接装置等。

实施例四

本实施例还提供一种计算机可读存储介质，如闪存、硬盘、多媒体卡、卡型存储器(例如，sd或dx存储器等)、随机访问存储器(ram)、静态随机访问存储器(sram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、可编程只读存储器(prom)、磁性存储器、磁盘、光盘、服务器、app应用商城等等，其上存储有计算机程序，程序被处理器执行时实现相应功能。本实施例的计算机可读存储介质用于存储基于几何不变量的图像配准拼接装置，被处理器执行时实现实施例一的基于几何不变量的图像配准拼接方法。

通过上述实施例可知，本发明提供的基于几何不变量的图像配准拼接方法，至少实现了如下的有益效果：

基于几何不变量的图像配准拼接方法，在特征点选取和匹配时引入了几何不变量进行匹配，使得配准拼接方法能够具有自适应性的特点，能够很好的克服星图中缺乏纹理信息且存在背景噪声的困难，准确的选取合适的特征点进行匹配，匹配准确性好。

虽然已经通过例子对本发明的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上例子仅是为了进行说明，而不是为了限制本发明的范围。本领域的技术人员应该理解，可在不脱离本发明的范围和精神的情况下，对以上实施例进行修改。本发明的范围由所附权利要求来限定。