1.一种异源图像的配准方法,其特征在于包括以下步骤:
步骤一、分别计算待配准的两张红外和可见光图像内的多个角点,以角点所在的对角线作为其主方向;
步骤二、以主方向作为基准方向,计算以角点为中心的邻域梯度向量,进而获得每个角点对应的尺度不变特征描述子即sift描述子;
步骤三、利用每个角点对应的sift描述子,对待配准的两张红外和可见光图像的先进行粗配准再进行精配准,获得最准确的配准点集。
2.根据权利要求1所述的异源图像的配准方法,其特征在于:利用曲率尺度空间css角点提取算法,分别对待配准的两张红外和可见光图像进行角点提取;在每个角点pc所在的轮廓曲线上,取位于角点pc左侧的一点作为左特征点pl,右侧的一点作为右特征点pr,利用其对应的像素坐标,构建左特征向量
3.根据权利要求2所述的异源图像的配准方法,其特征在于:记角点pc对应的像素坐标为(xc,yc),取角点pc所在轮廓曲线上左侧一定数量的点对应的像素坐标的平均值作为左特征点pl,记为(xl,yl),取角点pc所在轮廓曲线上右侧一定数量的点对应的像素坐标的平均值作为右特征点pl,记为(xr,yr),则左特征向量
其中,ls表示轮廓曲线上的像素取样个数;lc表示整条轮廓曲线的像素个数;cp表示轮廓曲线上的像素点集合,cp(i)表示轮廓曲线上第i个像素点的坐标值;
最终角点的主方向角度计算公式如下:
4.根据权利要求2所述的异源图像的配准方法,其特征在于:以每个角点为中心,将其对应的邻域等分成多个子区域;以角点的主方向为基准方向,将每个子区域等分成多个梯度方向,计算每个梯度方向对应的梯度向量
5.根据权利要求4所述的异源图像的配准方法,其特征在于:将每个子区域等分成8个梯度方向;将所有梯度向量的幅值按照降序排列,处于前20%的幅值均调整为1,20%~40%的幅值均调整为0.75,40%~60%的幅值均调整为0.5,60%~80%的幅值均调整为0.25,最后20%的幅值均调整为0。
6.根据权利要求2所述的异源图像的配准方法,其特征在于获得最准确的配准点坐标集合的计算方法包括以下步骤:
步骤ⅰ、利用尺度大小不同的多个sift模板分别对其中一张待配准的红外或可见光图像提取sift描述子,采用最近邻优先bestbinfirstbbf结合双边匹配算法,将其与另一张待配准的可见光或红外图像的sift描述子分别进行粗配准,获取多组粗配准点集;
步骤ⅱ、采用倾斜角一致性匹配方法,对粗配准点集进行精配准;
步骤ⅲ、利用双阈值ransac算法对精配准后的配准点集进行筛选,再经过亚像素优化处理后,获得最准确的匹配点集。
7.根据权利要求6所述的异源图像的配准方法,其特征在于倾斜角一致性匹配方法包括以下步骤:
步骤1)、取配准点对最多的一个点集用于精配准,分别记为
步骤2)、计算点集
步骤3)、将待配准的两张红外和可见光图像在x轴方向进行拼接,构建配准点对连线集合
步骤4)、将所有的连线倾斜角向下取整后进行等角度间隔划分,筛选出角度间隔中连线倾斜角个数最多对应的配准点对,再计算这些配准点对连线的长度平均值,筛选出长度平均值的误差允许范围内的配准点对,获得精匹配点集合分别记为
8.根据权利要求7所述的异源图像的配准方法,其特征在于双阈值ransac算法和亚像素优化处理方法包括以下步骤:
步骤①、在点集
步骤②、计算点集
步骤③、计算点集
步骤④、对像素级匹配点集