專利名稱：聯(lián)合多尺度sift和區(qū)域不變矩特征的配準(zhǔn)控制點(diǎn)提取方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種圖像配準(zhǔn)控制點(diǎn)提取方法，屬于圖像處理領(lǐng)域。

背景技術(shù)：
圖像配準(zhǔn)是指產(chǎn)生一個(gè)空間校準(zhǔn)的圖像集合或者匹配某一景物的圖像的過程。在許多圖像處理應(yīng)用中，我們需要對(duì)獲得的同一對(duì)象的多種觀測(cè)數(shù)據(jù)進(jìn)行綜合比較和分析。例如城市演變、洪水監(jiān)測(cè)、地形圖的修正以及在導(dǎo)航制導(dǎo)中圖像與地圖的匹配等應(yīng)用中，要求所使用的圖像在空間上是相互配準(zhǔn)的。然而實(shí)際情況往往不夠理想。因此，多傳感器圖像配準(zhǔn)成為了遙感圖像應(yīng)用中必不可少的重要環(huán)節(jié)。配準(zhǔn)控制點(diǎn)提取是圖像配準(zhǔn)過程中的關(guān)鍵技術(shù)，最終配準(zhǔn)結(jié)果的計(jì)算是在其基礎(chǔ)之上完成的。因而，能否提取穩(wěn)定、可靠的配準(zhǔn)控制點(diǎn)，直接決定多傳感器圖像最終的配準(zhǔn)精度。
目前，配準(zhǔn)控制點(diǎn)包括兩種類型，即狹義特征點(diǎn)和廣義特征點(diǎn)。狹義特征點(diǎn)是針對(duì)點(diǎn)本身來定義的，其位置本身具有常規(guī)的屬性意義，比如邊緣點(diǎn)、角點(diǎn)、交叉點(diǎn)等；而廣義特征點(diǎn)是基于區(qū)域定義的，它本身的位置不必具備具體的特征意義，只代表滿足一定特征條件的特征區(qū)域的位置信息。廣義特征點(diǎn)是用來表征鄰域局部特性的位置度量，它用來作為具有一定特征的局部區(qū)域位置的標(biāo)識(shí)。
相對(duì)廣義特征點(diǎn)而言，狹義點(diǎn)特征的方法計(jì)算簡(jiǎn)單，且易于匹配，具有較快的配準(zhǔn)速度，因而得到了廣泛應(yīng)用。常用的方法有Moravec算子、Harris算子、Forstner算子和SUSAN算子等。但通常，這類點(diǎn)特征的提取多是基于臨域梯度信息，而沒有利用到灰度信息，當(dāng)存在噪聲等其他因素時(shí)，會(huì)影響梯度的計(jì)算結(jié)果，因而在配準(zhǔn)精度上有所欠缺。
SIFT算法是一種提取局部特征的算法，充分利用圖像多尺度特性，提取位置、尺度、旋轉(zhuǎn)不變量，匹配能力較強(qiáng)。但SIFT算法著存在不足由于只利用了局部梯度信息描述特征點(diǎn)，計(jì)算局部梯度時(shí)采用簡(jiǎn)單的差分方法，沒有考慮區(qū)域灰度信息，因而易受噪聲的影響而產(chǎn)生誤差，提取的特征點(diǎn)對(duì)中存在很多錯(cuò)誤匹配。


發(fā)明內(nèi)容
本發(fā)明為了解決在圖像配準(zhǔn)過程中，如何提取穩(wěn)定、可靠的特征點(diǎn)的技術(shù)難題，提供了一種聯(lián)合多尺度SIFT和區(qū)域不變矩特征的配準(zhǔn)控制點(diǎn)提取方法。
本發(fā)明的步驟如下 步驟一、分別提取兩幅待配準(zhǔn)圖像的所有關(guān)鍵點(diǎn)，并獲得每個(gè)關(guān)鍵點(diǎn)的特征向量； 對(duì)每幅圖像中所有關(guān)鍵點(diǎn)的提取方法及其特征向量的獲得過程為 步驟A、對(duì)每幅圖像進(jìn)行不同尺度下連續(xù)的高斯濾波，生成高斯尺度空間；再進(jìn)行相鄰層相減，得到高斯差分空間；并在高斯差分空間中檢測(cè)極值點(diǎn)，所述的極值點(diǎn)作為候選關(guān)鍵點(diǎn)，初步確定候選關(guān)鍵點(diǎn)的位置和所在尺度； 步驟B、通過擬合三維二次函數(shù)以進(jìn)一步確定候選關(guān)鍵點(diǎn)的位置和所在尺度，同時(shí)去除候選關(guān)鍵點(diǎn)中低于設(shè)定的對(duì)比度閾值的候選關(guān)鍵點(diǎn)和邊緣響應(yīng)點(diǎn)，獲得每幅圖像中所有關(guān)鍵點(diǎn)； 步驟C、分別在以步驟B獲得的每個(gè)關(guān)鍵點(diǎn)為中心的鄰域窗口內(nèi)進(jìn)行采樣，計(jì)算得到每個(gè)關(guān)鍵點(diǎn)處梯度的模值和方向； 步驟D、對(duì)每一個(gè)關(guān)鍵點(diǎn)求得特征向量，也就是以任意一個(gè)關(guān)鍵點(diǎn)為中心取16×16的窗口，對(duì)窗口內(nèi)像素梯度進(jìn)行高斯加權(quán)，然后將360°圓周劃分為八個(gè)方向區(qū)域，在每4×4的小塊內(nèi)統(tǒng)計(jì)所述八個(gè)方向中各個(gè)方向上點(diǎn)的個(gè)數(shù)，得到八個(gè)方向上的統(tǒng)計(jì)直方圖，進(jìn)而得到所述的關(guān)鍵點(diǎn)的特征向量； 步驟二、通過關(guān)鍵點(diǎn)的特征向量選取兩幅待配準(zhǔn)圖像的匹配點(diǎn)對(duì)，并獲得匹配點(diǎn)對(duì)的歐式巨離EUVi； 采用關(guān)鍵點(diǎn)的特征向量的歐式距離來作為兩幅待配準(zhǔn)圖像中每對(duì)關(guān)鍵點(diǎn)的相似性判定度量；即為遍歷一幅圖像中的所有關(guān)鍵點(diǎn)，針對(duì)每個(gè)關(guān)鍵點(diǎn)在另一幅圖像中尋找歐式距離最近的兩個(gè)關(guān)鍵點(diǎn)，如果最近歐式距離與次近歐式距離的比值小于比例閾值，獲得最近歐式距離的兩個(gè)關(guān)鍵點(diǎn)組成匹配點(diǎn)對(duì)，并將所述的匹配點(diǎn)對(duì)的最近歐式距離記為EUVi； 步驟三、求得所有匹配點(diǎn)對(duì)的HU氏不變矩的歐氏距離EUH； 其中每個(gè)匹配點(diǎn)對(duì)的HU氏不變矩的歐氏距離EUH的獲得過程為分別在兩幅待配準(zhǔn)圖像上以匹配點(diǎn)對(duì)中的兩個(gè)關(guān)鍵點(diǎn)為中心開取16×16的窗口，計(jì)算兩個(gè)窗口的HU氏不變矩，接下來計(jì)算獲得所述匹配點(diǎn)對(duì)的HU氏不變矩的歐氏距離EUH； 步驟四對(duì)匹配點(diǎn)對(duì)進(jìn)行加權(quán)，從而得到最終配準(zhǔn)控制點(diǎn)； 首先對(duì)每個(gè)匹配點(diǎn)對(duì)進(jìn)行加權(quán)，逐一采用每個(gè)匹配點(diǎn)對(duì)的歐式距離EUVi對(duì)其HU氏不變矩的歐氏距離EUH進(jìn)行加權(quán)，記fi＝EUVi·EUHi，其中i為匹配點(diǎn)對(duì)的序號(hào)； 其次對(duì)獲得的所有匹配點(diǎn)對(duì)相對(duì)應(yīng)的fi進(jìn)行排序，選取最小的三個(gè)fi對(duì)應(yīng)的三個(gè)匹配點(diǎn)對(duì)中的兩個(gè)關(guān)鍵點(diǎn)分別作為兩幅圖像的最終配準(zhǔn)控制點(diǎn)。
本發(fā)明與現(xiàn)有技術(shù)相比，具有如下優(yōu)點(diǎn) (1)使用基于局部灰度信息的HU氏矩，通過利用抗噪性更強(qiáng)的局部灰度信息，有效彌補(bǔ)了SIFT技術(shù)易受噪聲等因素影響的缺陷。
(2)利用了SIFT的多尺度特性和不變矩的區(qū)域灰度特性，對(duì)于存在較大旋轉(zhuǎn)角、較大平移差別的多傳感器圖像，均能提取出了穩(wěn)定、可靠的配準(zhǔn)控制點(diǎn)。



圖1為在高斯差分空間中檢測(cè)極值點(diǎn)的示意圖，其中a為尺度。

具體實(shí)施例方式具體實(shí)施方式
一本實(shí)施方式如圖1所示，本實(shí)施方式的步驟如下 步驟一、分別提取兩幅待配準(zhǔn)圖像的所有關(guān)鍵點(diǎn)，并獲得每個(gè)關(guān)鍵點(diǎn)的特征向量； 對(duì)每幅圖像中所有關(guān)鍵點(diǎn)的提取方法及其特征向量的獲得過程為 步驟A、對(duì)每幅圖像進(jìn)行不同尺度下連續(xù)的高斯濾波，生成高斯尺度空間；再進(jìn)行相鄰層相減，得到高斯差分空間；其中得到高斯差分空間的步驟如下 二維高斯函數(shù)定義如下 其中x，y分別為空間橫縱坐標(biāo)，σ為高斯正態(tài)分布的方差； 在不同尺度下的高斯尺度空間是由圖像與高斯核卷積得到 L(x，y，σ)＝G(x，y，σ)*I(x，y)(2) 高斯差分空間的計(jì)算公式為 D(x，y，σ)＝(G(x，y，kσ)-G(x，y，σ))*I(x，y) ＝L(x，y，kσ)-L(x，y，σ) (3) 并在高斯差分空間中檢測(cè)極值點(diǎn)，尋找高斯差分空間極值點(diǎn)時(shí)，是將每一個(gè)采樣點(diǎn)與它所有的相鄰點(diǎn)進(jìn)行比較，所述的采樣點(diǎn)是相鄰點(diǎn)中的最大值或是最小值，則將所述的采樣點(diǎn)作為候選關(guān)鍵點(diǎn)；如圖1所示，中間的檢測(cè)點(diǎn)和它同尺度的8個(gè)相鄰點(diǎn)和上下相鄰尺度對(duì)應(yīng)的9×2個(gè)點(diǎn)共26個(gè)點(diǎn)比較，以確保在尺度空間和二維圖像空間都檢測(cè)到極值點(diǎn)。所述的極值點(diǎn)作為候選關(guān)鍵點(diǎn)，初步確定候選關(guān)鍵點(diǎn)的位置和所在尺度； 步驟B、通過擬合三維二次函數(shù)以進(jìn)一步確定候選關(guān)鍵點(diǎn)的位置和所在尺度，同時(shí)去除候選關(guān)鍵點(diǎn)中低于設(shè)定的對(duì)比度閾值的候選關(guān)鍵點(diǎn)和邊緣響應(yīng)點(diǎn)，獲得每幅圖像中所有關(guān)鍵點(diǎn)； 由高斯差分算子較強(qiáng)邊緣響應(yīng)而產(chǎn)生的不穩(wěn)定的邊緣響應(yīng)點(diǎn)，即一個(gè)定義不好的高斯差分算子的極值在橫跨邊緣的地方有較大的主曲率，而在垂直邊緣的方向有較小的主曲率。
根據(jù)主曲率來去除邊緣響應(yīng)點(diǎn)，方法如下 求候選關(guān)鍵點(diǎn)主曲率，主曲率是通過一個(gè)2×2的Hessian矩陣H求出 其中，Dxx、Dyy分別為候選關(guān)鍵點(diǎn)的xx、yy方向二階導(dǎo)數(shù)，Dxy、Dyx分別為候選關(guān)鍵點(diǎn)的混合偏導(dǎo)數(shù)； 候選關(guān)鍵點(diǎn)的主曲率和H的特征值成正比，令α為最大的特征值，β為最小的特征值，α＝rβ，則 其中Tr(H)為H矩陣的跡，Det(H)為H矩陣的秩，r為最大的特征值與最小特征值的比；帶入候選關(guān)鍵點(diǎn)的最大的特征值α，最小的特征值β，并檢測(cè) 符合則保留所述的候選關(guān)鍵點(diǎn)，不符合則去除。
步驟C、分別在以步驟B獲得的每個(gè)關(guān)鍵點(diǎn)為中心的鄰域窗口內(nèi)進(jìn)行采樣，計(jì)算得到每個(gè)關(guān)鍵點(diǎn)處梯度的模值和方向； 關(guān)鍵點(diǎn)的方向是直方圖統(tǒng)計(jì)鄰域像素的梯度方向，而梯度方向是通過梯度方向直方圖來得到。梯度方向直方圖的范圍是0~360度，其中每10度一個(gè)柱，總共36個(gè)柱。直方圖的峰值則代表了該關(guān)鍵點(diǎn)處鄰域梯度的主方向，即作為該關(guān)鍵點(diǎn)的方向。在梯度方向直方圖中，當(dāng)存在另一個(gè)相當(dāng)于主峰值80％能量的峰值時(shí)，則將這個(gè)方向認(rèn)為是該關(guān)鍵點(diǎn)的輔方向。一個(gè)關(guān)鍵點(diǎn)可能會(huì)被指定具有多個(gè)方向(一個(gè)主方向，一個(gè)以上輔方向)，這可以增強(qiáng)匹配的魯棒性。
步驟D、對(duì)每一個(gè)關(guān)鍵點(diǎn)求得特征向量，也就是以任意一個(gè)關(guān)鍵點(diǎn)為中心取16×16的窗口，對(duì)窗口內(nèi)像素梯度進(jìn)行高斯加權(quán)(越靠近關(guān)鍵點(diǎn)的像素梯度方向信息貢獻(xiàn)越大)，然后將360°圓周劃分為八個(gè)方向區(qū)域，在每4×4的小塊內(nèi)統(tǒng)計(jì)所述八個(gè)方向中各個(gè)方向上點(diǎn)的個(gè)數(shù)，得到八個(gè)方向上的統(tǒng)計(jì)直方圖，得到八個(gè)方向上的統(tǒng)計(jì)直方圖，進(jìn)而得到一個(gè)八維向量，而在16×16窗口上，則共得到4×4×8＝128維特征向量，最后將特征向量的長(zhǎng)度歸一化，進(jìn)而得到所述的關(guān)鍵點(diǎn)的特征向量； 步驟二、通過關(guān)鍵點(diǎn)的特征向量選取兩幅待配準(zhǔn)圖像的匹配點(diǎn)對(duì)，并獲得匹配點(diǎn)對(duì)的歐式距離EUVi； 采用關(guān)鍵點(diǎn)的特征向量的歐式距離來作為兩幅待配準(zhǔn)圖像中每對(duì)關(guān)鍵點(diǎn)的相似性判定度量；即為遍歷一幅圖像中的所有關(guān)鍵點(diǎn)，針對(duì)每個(gè)關(guān)鍵點(diǎn)在另一幅圖像中尋找歐式距離最近的兩個(gè)關(guān)鍵點(diǎn)，如果最近歐式距離與次近歐式距離的比值小于比例閾值，獲得最近歐式距離的兩個(gè)關(guān)鍵點(diǎn)組成匹配點(diǎn)對(duì)，并將所述的匹配點(diǎn)對(duì)的最近歐式距離記為EUVi； 其中歐式距離的公式為 其中，計(jì)算歐式距離的關(guān)鍵點(diǎn)的特征向量分別為 V1＝(x1，x2，...，x128)T、V2＝(y1，y2，...，y128)T。
步驟三、求得所有匹配點(diǎn)對(duì)的HU氏不變矩的歐氏距離EUH； 其中每個(gè)匹配點(diǎn)對(duì)的HU氏不變矩的歐氏距離EUH的獲得過程為分別在兩幅待配準(zhǔn)圖像上以匹配點(diǎn)對(duì)中的兩個(gè)關(guān)鍵點(diǎn)為中心開取16×16的窗口，計(jì)算兩個(gè)窗口的HU氏不變矩，接下來計(jì)算獲得所述匹配點(diǎn)對(duì)的HU氏不變矩的歐氏距離EUH； HU氏不變矩所需的七個(gè)不變的特征是通過歸一化的中心矩ηpq來計(jì)算 其中歸一化的中心矩ηpq定義為 ηpq＝μpq/μ00.(8) 其中

f(x，y)表示二維m×n的數(shù)字圖像； 通過歸一化的中心矩得到七個(gè)對(duì)平移、旋轉(zhuǎn)以及尺度不變的特征，即









步驟四對(duì)匹配點(diǎn)對(duì)進(jìn)行加權(quán)，從而得到最終配準(zhǔn)控制點(diǎn)； 首先對(duì)每個(gè)匹配點(diǎn)對(duì)進(jìn)行加權(quán)，逐一采用每個(gè)匹配點(diǎn)對(duì)的歐式距離EUVi對(duì)其HU氏不變矩的歐氏距離EUH進(jìn)行加權(quán)，記fi＝EUVi·EUHi，其中i為匹配點(diǎn)對(duì)的序號(hào)； 其次對(duì)獲得的所有匹配點(diǎn)對(duì)相對(duì)應(yīng)的fi進(jìn)行排序，選取最小的三個(gè)fi對(duì)應(yīng)的三個(gè)匹配點(diǎn)對(duì)中的兩個(gè)關(guān)鍵點(diǎn)分別作為兩幅圖像的最終配準(zhǔn)控制點(diǎn)。
權(quán)利要求
1.聯(lián)合多尺度SIFT和區(qū)域不變矩特征的配準(zhǔn)控制點(diǎn)提取方法，其特征在于它的步驟如下
步驟一、分別提取兩幅待配準(zhǔn)圖像的所有關(guān)鍵點(diǎn)，并獲得每個(gè)關(guān)鍵點(diǎn)的特征向量；
對(duì)每幅圖像中所有關(guān)鍵點(diǎn)的提取方法及其特征向量的獲得過程為
步驟A、對(duì)每幅圖像進(jìn)行不同尺度下連續(xù)的高斯濾波，生成高斯尺度空間；再進(jìn)行相鄰層相減，得到高斯差分空間；并在高斯差分空間中檢測(cè)極值點(diǎn)，所述的極值點(diǎn)作為候選關(guān)鍵點(diǎn)，初步確定候選關(guān)鍵點(diǎn)的位置和所在尺度；
步驟B、通過擬合三維二次函數(shù)以進(jìn)一步確定候選關(guān)鍵點(diǎn)的位置和所在尺度，同時(shí)去除候選關(guān)鍵點(diǎn)中低于設(shè)定的對(duì)比度閾值的候選關(guān)鍵點(diǎn)和邊緣響應(yīng)點(diǎn)，獲得每幅圖像中所有關(guān)鍵點(diǎn)；
步驟C、分別在以步驟B獲得的每個(gè)關(guān)鍵點(diǎn)為中心的鄰域窗口內(nèi)進(jìn)行采樣，計(jì)算得到每個(gè)關(guān)鍵點(diǎn)處梯度的模值和方向；
步驟D、對(duì)每一個(gè)關(guān)鍵點(diǎn)求得特征向量，也就是以任意一個(gè)關(guān)鍵點(diǎn)為中心取16×16的窗口，對(duì)窗口內(nèi)像素梯度進(jìn)行高斯加權(quán)，然后將360°圓周劃分為八個(gè)方向區(qū)域，在每4×4的小塊內(nèi)統(tǒng)計(jì)所述八個(gè)方向中各個(gè)方向上點(diǎn)的個(gè)數(shù)，得到八個(gè)方向上的統(tǒng)計(jì)直方圖，進(jìn)而得到所述的關(guān)鍵點(diǎn)的特征向量；
步驟二、通過關(guān)鍵點(diǎn)的特征向量選取兩幅待配準(zhǔn)圖像的匹配點(diǎn)對(duì)，并獲得匹配點(diǎn)對(duì)的歐式距離EUVi；
采用關(guān)鍵點(diǎn)的特征向量的歐式距離來作為兩幅待配準(zhǔn)圖像中每對(duì)關(guān)鍵點(diǎn)的相似性判定度量；即為遍歷一幅圖像中的所有關(guān)鍵點(diǎn)，針對(duì)每個(gè)關(guān)鍵點(diǎn)在另一幅圖像中尋找歐式距離最近的兩個(gè)關(guān)鍵點(diǎn)，如果最近歐式距離與次近歐式距離的比值小于比例閾值，獲得最近歐式距離的兩個(gè)關(guān)鍵點(diǎn)組成匹配點(diǎn)對(duì)，并將所述的匹配點(diǎn)對(duì)的最近歐式距離記為EUVi；
步驟三、求得所有匹配點(diǎn)對(duì)的HU氏不變矩的歐氏距離EUH；
其中每個(gè)匹配點(diǎn)對(duì)的HU氏不變矩的歐氏距離EUH的獲得過程為分別在兩幅待配準(zhǔn)圖像上以匹配點(diǎn)對(duì)中的兩個(gè)關(guān)鍵點(diǎn)為中心開取16×16的窗口，計(jì)算兩個(gè)窗口的HU氏不變矩，接下來計(jì)算獲得所述匹配點(diǎn)對(duì)的HU氏不變矩的歐氏距離EUH；
步驟四對(duì)匹配點(diǎn)對(duì)進(jìn)行加權(quán)，從而得到最終配準(zhǔn)控制點(diǎn)；
首先對(duì)每個(gè)匹配點(diǎn)對(duì)進(jìn)行加權(quán)，逐一采用每個(gè)匹配點(diǎn)對(duì)的歐式距離EUVi對(duì)其HU氏不變矩的歐氏距離EUH進(jìn)行加權(quán)，記fi＝EUVi·EUH，其中i為匹配點(diǎn)對(duì)的序號(hào)；
其次對(duì)獲得的所有匹配點(diǎn)對(duì)相對(duì)應(yīng)的fi進(jìn)行排序，選取最小的三個(gè)fi對(duì)應(yīng)的三個(gè)匹配點(diǎn)對(duì)中的兩個(gè)關(guān)鍵點(diǎn)分別作為兩幅圖像的最終配準(zhǔn)控制點(diǎn)。
2.根據(jù)權(quán)利要求1所述的聯(lián)合多尺度SIFT和區(qū)域不變矩特征的配準(zhǔn)控制點(diǎn)提取方法，其特征在于步驟一中步驟A得到高斯差分空間的步驟如下
二維高斯函數(shù)定義如下
其中x，y分別為空間橫縱坐標(biāo)，σ為高斯正態(tài)分布的方差；
在不同尺度下的高斯尺度空間是由圖像與高斯核卷積得到
L(x，y，σ)＝G(x，y，σ)*I(x，y)(2)
高斯差分空間的計(jì)算公式為
D(x，y，σ)＝(G(x，y，kσ)-G(x，y，σ))*I(x，y)
＝L(x，y，kσ)-L(x，y，σ) (3)
3.根據(jù)權(quán)利要求1所述的聯(lián)合多尺度SIFT和區(qū)域不變矩特征的配準(zhǔn)控制點(diǎn)提取方法，其特征在于步驟一中步驟A在高斯差分空間中檢測(cè)極值點(diǎn)，即尋找高斯差分空間極值點(diǎn)時(shí)，是將每一個(gè)采樣點(diǎn)與它所有的相鄰點(diǎn)進(jìn)行比較，所述的采樣點(diǎn)是相鄰點(diǎn)中的最大值或是最小值，則將所述的采樣點(diǎn)作為候選關(guān)鍵點(diǎn)。
4.根據(jù)權(quán)利要求1所述的聯(lián)合多尺度SIFT和區(qū)域不變矩特征的配準(zhǔn)控制點(diǎn)提取方法，其特征在于步驟一中步驟B中邊緣響應(yīng)點(diǎn)的去除的方法如下
求候選關(guān)鍵點(diǎn)主曲率，主曲率是通過一個(gè)2×2的Hessian矩陣H求出
其中，Dxx、Dyy.分別為候選關(guān)鍵點(diǎn)的x、y方向二階導(dǎo)數(shù)，Dxy、Dyx分別為候選關(guān)鍵點(diǎn)的混合偏導(dǎo)數(shù)；
候選關(guān)鍵點(diǎn)的主曲率和H的特征值成正比，令α為最大的特征值，β為最小的特征值，α＝rβ，則
其中Tr(H)為H矩陣的跡，Det(H)為H矩陣的秩，r為最大的特征值與最小特征值的比；帶入候選關(guān)鍵點(diǎn)的最大的特征值α，最小的特征值β，并檢測(cè)
符合則保留所述的候選關(guān)鍵點(diǎn)，不符合則去除。
5.根據(jù)權(quán)利要求1所述的聯(lián)合多尺度SIFT和區(qū)域不變矩特征的配準(zhǔn)控制點(diǎn)提取方法，其特征在于步驟二中的歐式距離的公式為
其中，計(jì)算歐式距離的關(guān)鍵點(diǎn)的特征向量分別為Vi＝(x1，x2，...，x128)T、V2＝(y1，y2，...，y128)T。
6.根據(jù)權(quán)利要求1所述的聯(lián)合多尺度SIFT和區(qū)域不變矩特征的配準(zhǔn)控制點(diǎn)提取方法，其特征在于步驟三中計(jì)算的HU氏不變矩所需的七個(gè)不變的特征是通過歸一化的中心矩ηpq來計(jì)算
其中歸一化的中心矩ηpq定義為
ηpq＝μpq/μ00.(8)
其中f(x，y)表示二維m×n的數(shù)字圖像；
通過歸一化的中心矩得到七個(gè)對(duì)平移、旋轉(zhuǎn)以及尺度不變的特征，即
全文摘要
聯(lián)合多尺度SIFT和區(qū)域不變矩特征的配準(zhǔn)控制點(diǎn)提取方法，它涉及圖像處理領(lǐng)域。它解決了在圖像配準(zhǔn)過程中，如何提取穩(wěn)定、可靠的特征點(diǎn)的技術(shù)難題。首先利用高斯核函數(shù)對(duì)圖像進(jìn)行連續(xù)濾波，結(jié)合下采樣方法，生成高斯差分尺度空間，尋找并計(jì)算局部極值的空間和尺度坐標(biāo)。然后利用方向梯度信息構(gòu)成關(guān)鍵點(diǎn)的特征向量，通過歐氏距離獲得初步匹配的關(guān)鍵點(diǎn)對(duì)；進(jìn)而以初選關(guān)鍵點(diǎn)為中心計(jì)算局部區(qū)域HU氏不變矩特征，結(jié)合歐氏距離篩選出最終精確有效的配準(zhǔn)控制點(diǎn)。該方法結(jié)合了SIFT算法的多尺度特性和圖像局部區(qū)域灰度不變矩特征，能夠有效地提高了多傳感器圖像配準(zhǔn)控制點(diǎn)對(duì)提取的穩(wěn)定性和可靠性。
文檔編號(hào)G06T7/00GK101714254SQ20091030981
公開日2010年5月26日 申請(qǐng)日期2009年11月16日 優(yōu)先權(quán)日2009年11月16日
發(fā)明者谷延鋒, 劉保學(xué), 王晨, 張曄 申請(qǐng)人:哈爾濱工業(yè)大學(xué)