基于視覺顯著特征的圖像配準方法
【專利摘要】基于視覺顯著特征的圖像配準方法：輸入基準圖像和待配準圖像；提取基準圖像的視覺顯著特征點集和待配準圖像的視覺顯著特征點集；計算基準圖像的各視覺顯著特征點和待配準圖像的各視覺顯著特征點的方向，根據(jù)視覺顯著特征點的方向計算各個特征點的描述向量，獲得基準圖像的特征描述向量集和待配準圖像的特征描述向量集；計算基準圖像的各特征描述向量與待配準圖像的各特征描述向量間的距離，對待配準圖像特征點和基準圖像特征點進行匹配；去除誤匹配對，獲得基準圖像和待配準圖像中的正確匹配對，根據(jù)兩圖像之間的正確匹配對的坐標計算出基準圖像和待配準圖像之間的仿射變換矩陣，根據(jù)仿射變換矩陣將待配準圖像進行相應的變換，實現(xiàn)圖像配準。
【專利說明】基于視覺顯著特征的圖像配準方法

【技術領域】
[0001] 本發(fā)明屬于圖像處理【技術領域】，尤其涉及一種基于視覺顯著特征的圖像配準方 法，通過模擬人眼視覺注意機制提取圖像的顯著特征信息，實現(xiàn)圖像配準。

【背景技術】
[0002] 圖像配準就是對取自不同時間、不同視角、不同傳感器的具有相同場景的兩幅或 者多幅圖像進行空間位置對齊的過程，是許多圖像處理應用必須的預處理步驟。在軍事、遙 感、醫(yī)學、計算機視覺等諸多領域，圖像配準的應用都較為廣泛。
[0003]目前對于不同類型的圖像和數(shù)據(jù)存在很多種圖像配準的方法，也相應地形成了很 多種對方法進行分類的準則。常見圖像配準方法主要有兩類：基于圖像灰度的配準方法和 基于圖像特征的配準方法。
[0004] 基于圖像灰度的配準方法是利用整幅圖像的灰度信息建立兩幅圖像之間的相似 性度量來對圖像進行配準。該方法要求基準圖和待配準圖的灰度分布必須具有一定的相關 性，僅能適應平移變換和較小的旋轉變換，計算量較大，效率低，適合于細節(jié)較少、紋理不豐 富的圖像，主要應用于醫(yī)學圖像配準領域。
[0005] 基于圖像特征的配準方法通過提取兩幅圖像中受圖像變換、亮度變換、噪聲等影 響較小的穩(wěn)定特征，如圖像中物體的邊緣、角點、閉合區(qū)域中心等來對圖像進行配準，因此 應用更為廣泛。但現(xiàn)有的基于圖像特征的圖像配準方法中利用的特征信息較少，如僅利用 角點特征或僅利用輪廓線特征，圖像中的信息很大程度上被壓縮，僅有一小部分信息被利 用，這種方法對特征提取和特征匹配的錯誤較為敏感，因此圖像配準的質量不高。


【發(fā)明內容】

[0006] 針對現(xiàn)有技術中圖像配準質量不高的問題，本發(fā)明的目的在于提供一種可以提高 圖像配準的質量的圖像配準方法，通過模擬人眼視覺注意機制，利用圖像的亮度和方向信 息，提取圖像中穩(wěn)定的顯著特征點，采用這些特征點實現(xiàn)圖像的精確配準。
[0007] 為了實現(xiàn)上述目的，本發(fā)明采取如下的技術解決方案：
[0008] 基于視覺顯著特征的圖像配準方法，包括以下步驟：
[0009] 步驟1、輸入基準圖像I。和待配準圖像I。' ；
[0010] 步驟2、提取基準圖像的視覺顯著特征點集FP1和待配準圖像的視覺顯著特征點集 FP2;
[0011] 步驟3、計算基準圖像的視覺顯著特征點集FP1和待配準圖像的視覺顯著特征點集 FP2中各個特征點的方向，根據(jù)視覺顯著特征點的方向計算各個特征點的描述向量，獲得相 應的基準圖像的特征描述向量集DSCR1和待配準圖像的特征描述向量集DSCR2;
[0012] 步驟4、計算基準圖像的特征描述向量集DSCR1中各個描述向量與待配準圖像的特 征描述向量集DSCR2中各個描述向量之間的距離，采用最近鄰距離比法對待配準圖像特征 點和基準圖像特征點進行匹配，獲得基準圖像和待配準圖像中的匹配對；
[0013] 步驟5、去除誤匹配對，獲得基準圖像和待配準圖像中的正確匹配對，根據(jù)兩圖像 之間的正確匹配對的坐標計算出基準圖像和待配準圖像之間的仿射變換矩陣，根據(jù)仿射變 換矩陣將待配準圖像進行相應的變換，實現(xiàn)圖像配準。
[0014] 更進一步的，本發(fā)明方法的步驟2中視覺顯著特征點集的提取步驟如下：
[0015] 步驟2-1、分別將基準圖像Itl和待配準圖像I^'轉換為灰度圖像，獲得的基準圖像 的亮度圖IdP待配準圖像的亮度圖12;
[0016] 步驟2-2、分別對基準圖像的亮度圖IdP待配準圖像的亮度圖I2進行不同高斯尺 度的平滑和降采樣操作，建立基準圖像的亮度尺度空間I1 (σ)和待配準圖像的亮度尺度空 間12(〇)，σ表示高斯平滑尺度；
[0017] 步驟2-3、使用Gabor方向濾波器分別對基準圖像的亮度尺度空間I1 ( 〇 )中的每 幅圖像和待配準圖像的亮度尺度空間I2 (σ)中的每幅圖像進行m個方向的濾波，分別獲得 m個基準圖像的方向尺度空間O1O，Θ)和m個待配準圖像的方向尺度空間〇2(σ，Θ);
[0018] 所述m個方向為：Θ= {〇，π/m, 2π/m,…，（m-1)π/m}，
[0019]Gabor方向濾波器的形式為

【權利要求】
1. 基于視覺顯著特征的圖像配準方法，其特征在于，包括以下步驟： 步驟1、輸入基準圖像Itl和待配準圖像I； 步驟2、提取基準圖像的視覺顯著特征點集FP1和待配準圖像的視覺顯著特征點集 FP2; 步驟3、計算基準圖像的視覺顯著特征點集FP1和待配準圖像的視覺顯著特征點集FP2 中各個特征點的方向，根據(jù)視覺顯著特征點的方向計算各個特征點的描述向量，獲得相應 的基準圖像的特征描述向量集DSCR1和待配準圖像的特征描述向量集DSCR2; 步驟4、計算基準圖像的特征描述向量DSCR1中各個描述向量與待配準圖像的特征描述 向量DSCR2中各個描述向量之間的距離，采用最近鄰距離比法對待配準圖像特征點和基準 圖像特征點進行匹配，獲得基準圖像和待配準圖像中的匹配對； 步驟5、去除誤匹配對，獲得基準圖像和待配準圖像中的正確匹配對，根據(jù)兩圖像之間 的正確匹配對的坐標計算出基準圖像和待配準圖像之間的仿射變換矩陣，根據(jù)仿射變換矩 陣將待配準圖像進行相應的變換，實現(xiàn)圖像配準。
2. 根據(jù)權利要求1所述的基于視覺顯著特征的圖像配準方法，其特征在于：步驟2中 視覺顯著特征點集的提取步驟如下： 步驟2-1、分別將基準圖像Itl和待配準圖像I^'轉換為灰度圖像，獲得的基準圖像的亮 度圖IjP待配準圖像的亮度圖I2; 步驟2-2、分別對基準圖像的亮度圖1:和待配準圖像的亮度圖I2進行不同高斯尺度 的平滑和降采樣操作，建立基準圖像的亮度尺度空間I1 ( 〇 )和待配準圖像的亮度尺度空間 12(〇)，〇表示高斯平滑尺度； 步驟2-3、使用Gabor方向濾波器分別對基準圖像的亮度尺度空間I1(O)中的每幅圖 像和待配準圖像的亮度尺度空間I2 ( 〇 )中的每幅圖像進行m個方向的濾波，分別獲得m個 基準圖像的方向尺度空間O1 ( 〇，9 )和m個待配準圖像的方向尺度空間O2 ( 〇，0 ); 所述m個方向為：0 = {0，Jr/m, 2Jr/m,…，（m-1)Jr/m}，
其中，x、y為空間域像素的位置坐標，《為濾波器的中心頻率，0為Gabor濾波的方 向，〇g為高斯函數(shù)沿兩個坐標軸的標準方差，j為虛數(shù)單位； 步驟2-4、分別對基準圖像的亮度尺度空間I1(O)及其方向尺度空間O1O, 0)、待 配準圖像的亮度尺度空間12(〇)及其方向尺度空間02(〇, 9)進行中央周邊差操作，得到 基準圖像的亮度特征尺度空間IF1(O)和m個基準圖像的方向特征尺度空間0匕（〇, 0)， 以及待配準圖像的亮度特征尺度空間IF2(〇)和m個待配準圖像的方向特征尺度空間 0F2(〇, 9)； 步驟2-5、將m個基準圖像的方向特征尺度空間OF1 ( 〇 , 0 )和m個待配準圖像的方向 特征尺度空間0F2(〇, 0)分別進行合并，得到基準圖像總的方向特征尺度空間OF1(O)以 及待配準圖像總的方向特征尺度空間OF2 ( 〇 ); 步驟2-6、采用迭代特征競爭方法對基準圖像的亮度特征尺度空間IF1 (o)、基準圖像 總的方向特征尺度空間OF1 ( 〇 )、待配準圖像的亮度特征尺度空間IF2( 〇 )和待配準圖像總 的方向特征尺度空間OF2 ( 〇 )進行迭代計算，獲得基準圖像的亮度顯著圖IS1 ( 〇 )及其方向 顯著圖0S2(〇)，以及待配準圖像的亮度顯著圖IS1(O)及其方向顯著圖OS2(O); 步驟2-7、采用9鄰域極大值法提取基準圖像的亮度顯著圖IS1 ( 〇 )、基準圖像的方向 顯著圖0S2(〇)、待配準圖像的亮度顯著圖IS1(O)及待配準圖像的方向顯著圖OS2(O) 中的顯著區(qū)域中心作為特征點，獲得基準圖像的特征點集FP/和待配準圖像的特征點集 FP2 ' ； 步驟2-8、去除每幅圖像的特征點集中邊緣響應過強的特征點，獲得最終的基準圖像的 視覺顯著特征點集FP1和待配準圖像的視覺顯著特征點集FP2。
3. 根據(jù)權利要求2所述的基于視覺顯著特征的圖像配準方法，其特征在于：步驟2-2 中的亮度尺度空間包括〇組、每組S層圖像，從下往上依次為[(1，1) (1，2)-(1,?], [(2, 1) (2, 2)…（2,S)]，…，[(0, 1) (0, 2)…（0,S)]，第（1，1)圖像的高斯平滑尺度為初始平滑尺度 〇第（〇,s)圖像的高斯平滑尺度為〇。，〇 = 1，…，0,s= 1，…，S。
4. 根據(jù)權利要求3所述的基于視覺顯著特征的圖像配準方法，其特征在于：步驟2-4 中中央周邊差操作的方法為：對一個尺度空間中同一組內相鄰層的圖像進行相減，每個尺 度空間獲得OX(S-I)幅位于不同尺度的特征圖，得到的特征圖組成特征尺度空間。
5. 根據(jù)權利要求2所述的基于視覺顯著特征的圖像配準方法，其特征在于：步驟2-5 中方向特征尺度空間的合并方法為：將不同的方向特征尺度空間的位于相同尺度上的m幅 方向特征圖相乘，形成總的方向特征圖，得到的特征圖組成總的方向特征尺度空間。
6. 根據(jù)權利要求2所述的基于視覺顯著特征的圖像配準方法，其特征在于：步驟2-8 中去除邊緣響應較強的特征點采用的方法為：計算特征點在相應特征圖上2X2的Hessian
該特征點保留，r為設定的閾值。
7. 根據(jù)權利要求1所述的基于視覺顯著特征的圖像配準方法，其特征在于：步驟3中 特征點方向的計算方法如下：統(tǒng)計視覺顯著特征點所在鄰域像素的梯度方向直方圖，直方 圖的區(qū)間數(shù)為36,每10°為一個區(qū)間；直方圖的峰值所在的角度代表該特征點的主方向， 在梯度方向直方圖中，若存在另一個相當于主峰值80%能量的峰值時，則將該這個方向看 作該特征點的輔方向。
8. 根據(jù)權利要求1或7所述的基于視覺顯著特征的圖像配準方法，其特征在于：步驟3 中特征點描述向量的計算方法如下：將坐標軸旋轉至視覺顯著特征點的方向，以特征點為 中心取16X16像素的區(qū)域作為采樣窗口，將采樣窗口分成16個4X4像素大小的小塊，對 每個小塊統(tǒng)計8個方向的梯度方向直方圖，得到一個8維的向量，將前述16個8維的向量 組成一個128維的向量，該向量為該特征點的特征描述向量。
【文檔編號】G06T7/00GK104504723SQ201510019034
【公開日】2015年4月8日 申請日期:2015年1月14日 優(yōu)先權日:2015年1月14日
【發(fā)明者】王炳健, 吳飛紅, 劉佃忠, 馬林, 易翔, 李敏, 郝靜雅, 周慧鑫, 秦翰林 申請人:西安電子科技大學