图像分层配准方法
【技术领域】
[0001]本发明涉及图像处理领域，尤其涉及一种图像分层配准方法。
【背景技术】
[0002]图像配准是将不同时间、不同传感器(成像设备)或者不同条件下(天候、照度、摄像位置和角度等)获取的两幅或多幅图像进行匹配、叠加的过程，图像配准技术被广泛地应用于遥感数据分析、计算机视觉、图像处理等领域。尤其是近年来，图像配准技术被越来越广泛地应用于图像拼接、目标识别以及安防监控等领域，对图像配准的准确性和实时性都提出了更高的要求。
[0003]目前的图像配准方法流程如下:首先，对两幅图像进行特征提取得到特征点，通过进行相似性度量找到匹配的特征点对；然后，通过匹配的特征点对得到图像空间坐标变换参数；最后，由坐标变换参数进行图像配准。在实际运行过程中，为了准确提取特征点以及匹配特征点对，图像配准方法的计算复杂度较高，计算量较大，因此，需要的计算时间很长。而且，计算量还与图像尺寸和分辨率相关，图像尺寸越大、分辨率越高，计算量越大。
[0004]由于目前的图像配准方法在保证准确性的同时付出了较大的时间成本，导致传统图像配准技术的实时性较差，阻碍了图像配准技术在很多领域的应用。
【发明内容】
[0005]本发明提供一种图像分层配准方法，在保证图像配准技术准确性的同时，提高了图像配准技术的实时性。
[0006]本发明提供的图像分层配准方法，包括:分别获取参考图像对应的第一多层分辨率图像，和待配准的测试图像对应的第二多层分辨率图像，所述第一多层分辨率图像和所述第二多层分辨率图像均包括多个分辨率逐渐增大的图像；
[0007]依次获取所述第一多层分辨率图像中各层图像的特征点和描述符，和依次获取所述第二多层分辨率图像中各层图像的特征点和描述符；
[0008]根据所述描述符对所述第一多层分辨率图像和所述第二多层分辨率图像中对应层的所述特征点进行特征点对粗匹配，获得对应层的初始特征点匹配对；
[0009]采用随机抽样一致RANSAC算法对所述第一多层分辨率图像中第一层图像的所述初始特征点匹配对和所述第二多层分辨率图像中第一层图像的所述初始特征点匹配对进行筛选，获得所述第一多层分辨率图像和所述第二多层分辨率图像之间第一层图像的最优特征点匹配对；根据所述第一层图像的最优特征点匹配对计算第一层图像的最优图像变换关系;
[0010]采用所述第一层图像的最优图像变换关系剔除所述第一多层分辨率图像中第二层图像的所述初始特征点匹配对中的错误特征点匹配对，获得所述第一多层分辨率图像中第二层图像的剩余特征点匹配对，以及采用所述第一层图像的最优图像变换关系剔除所述第二多层分辨率图像中第二层图像的所述初始特征点匹配对中的错误特征点匹配对，获得所述第二多层分辨率图像中第二层图像的剩余特征点匹配对；采用RANSAC算法对所述第一多层分辨率图像中第二层图像的所述剩余特征点匹配对和所述第二多层分辨率图像中第二层图像的所述剩余特征点匹配进行筛选，获得所述第一多层分辨率图像和所述第二多层分辨率图像之间第二层图像的最优特征点匹配对；根据所述第二层图像的最优特征点匹配对计算第二层图像的最优图像变换关系；以此类推，直至所述第一多层分辨率图像和所述第二多层分辨率图像的最后一层图像。
[0011]可选的，所述分别获取参考图像对应的第一多层分辨率图像，和待配准的测试图像对应的第二多层分辨率图像，包括:
[0012]按照预设采样率对所述参考图像进行降采样获得多个第一子图像，所述多个第一子图像和所述参考图像组成所述第一多层分辨率图像；和
[0013]按照所述预设采样率对所述测试图像进行降采样获得多个第二子图像，所述多个第二子图像和所述测试图像组成所述第二多层分辨率图像。
[0014]可选的，所述依次获取所述第一多层分辨率图像中各层图像的特征点和描述符，和依次获取所述第二多层分辨率图像中各层图像的特征点和描述符，包括:
[0015]采用尺度不变特征转换SIFT算法依次获取所述第一多层分辨率图像中各层图像的特征点和描述符，和依次获取所述第二多层分辨率图像中各层图像的特征点和描述符。
[0016]可选的，所述依次获取所述第一多层分辨率图像中各层图像的特征点和描述符，和依次获取所述第二多层分辨率图像中各层图像的特征点和描述符，包括:
[0017]采用加速稳健特征SURF算法依次获取所述第一多层分辨率图像中各层图像的特征点和描述符，和依次获取所述第二多层分辨率图像中各层图像的特征点和描述符。
[0018]可选的，所述采用所述第一层图像的最优图像变换关系剔除所述第一多层分辨率图像中第二层图像的所述初始特征点匹配对中的错误特征点匹配对，获得所述第一多层分辨率图像中第二层图像的剩余特征点匹配对，以及采用所述第一层图像的最优图像变换关系剔除所述第二多层分辨率图像中第二层图像的所述初始特征点匹配对中的错误特征点匹配对，获得所述第二多层分辨率图像中第二层图像的剩余特征点匹配对；采用RANSAC算法对所述第一多层分辨率图像中第二层图像的所述剩余特征点匹配对和所述第二多层分辨率图像中第二层图像的所述剩余特征点匹配进行筛选，获得所述第一多层分辨率图像和所述第二多层分辨率图像之间第二层图像的最优特征点匹配对；根据所述第二层图像的最优特征点匹配对计算第二层图像的最优图像变换关系；以此类推，直至所述第一多层分辨率图像和所述第二多层分辨率图像的最后一层图像之后，还包括:
[0019]根据所述第一多层分辨率图像和所述第二多层分辨率图像的最后一层图像的所述最优图像变换关系，对所述参考图像和所述测试图像进行图像拼接和图像融合，获得全景图像。
[0020]可选的，所述参考图像为参考视频中的一帧参考图像，所述待配准的测试图像为待匹配视频中的一帧测试图像，且所述参考图像的帧与所述测试图像的帧相同。
[0021]可选的，所述根据所述第一多层分辨率图像和所述第二多层分辨率图像的最后一层图像的所述最优图像变换关系，对所述参考图像和所述测试图像进行图像拼接和图像融合，获得全景图像之后，还包括:
[0022]将得到的各帧所述全景图像生成视频流。
[0023]本发明提供了一种图像分层配准方法，通过获取参考图像对应的第一多层分辨率图像，和待配准的测试图像对应的第二多层分辨率图像，对图像金字塔结构从顶层至底层生成每层图像的特征点和描述符，根据描述符生成每层图像的初始特征点匹配对，从图像金字塔结构的第二层图像开始，通过上一层图像的最优图像变换关系剔除本层图像的错误特征点匹配对，采用RANSAC算法得到本层图像的最优特征点匹配对，计算获得本层图像的