專利名稱：一種圖像配準(zhǔn)方法及裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及計(jì)算機(jī)模式識(shí)別技術(shù)領(lǐng)域，尤其涉及一種圖像配準(zhǔn)方法及裝置。
背景技術(shù)：
圖像配準(zhǔn)(Image Registration)是計(jì)算機(jī)視覺處理中的基本任務(wù)之一,它是指從實(shí)際位置上對(duì)在不同時(shí)間、不同傳感器(成像設(shè)備)或不同條件(天候、照度、攝像位置和角度等)下獲取的兩幅或多幅圖像進(jìn)行對(duì)齊。圖像配準(zhǔn)在多光譜分類、環(huán)境監(jiān)測(cè)、全景圖生成、天氣預(yù)報(bào)和地理信息系統(tǒng)整合等遙感信息領(lǐng)域，CT圖像處理和腫瘤生長(zhǎng)監(jiān)控等醫(yī)學(xué)圖像處理領(lǐng)域，以及軍事自動(dòng)目標(biāo)定位領(lǐng)域等眾多領(lǐng)域都有著廣泛的應(yīng)用。目前，現(xiàn)有技術(shù)的圖像配準(zhǔn)方法的流程主要包括以下步驟步驟1，特征檢測(cè)?？梢酝ㄟ^手動(dòng)或者自動(dòng)的方式檢測(cè)到待配準(zhǔn)的各個(gè)圖像中的靜態(tài)和明顯的目標(biāo)(即，特征或特征點(diǎn))，例如封閉邊界的區(qū)域、邊緣、輪廓、線的交合點(diǎn)和角點(diǎn)等。這些特征點(diǎn)可以進(jìn)一步地通過一些具有代表性的點(diǎn)，例如，重心、線的端點(diǎn)和可區(qū)分的點(diǎn)來表示。當(dāng)然，也可以利用一些復(fù)雜的方法來進(jìn)行特征檢測(cè)，如利用高斯差分(或高斯差)(Difference-of-Gaussian, DoG)圖像或者Hessian矩陣檢測(cè)和提取特征點(diǎn)的方法。步驟2，特征匹配。本步驟中，在源圖像中檢測(cè)到的特征點(diǎn)與在目標(biāo)圖像中檢測(cè)到的特征點(diǎn)之間要建立起彼此的特征匹配的關(guān)系。具體的，在特征匹配過程中，要使用到不同的特征點(diǎn)的描述子以及相關(guān)的空間關(guān)系的度量方法，計(jì)算出各個(gè)特征點(diǎn)對(duì)應(yīng)的描述子(也可稱為描述子向量)，通過匹配描述子來匹配特征點(diǎn)。步驟3，變換關(guān)系模型估計(jì)。通過特征匹配過程得到的源圖像和目標(biāo)圖像間的特征點(diǎn)之間的特征點(diǎn)匹配關(guān)系(即匹配的特征點(diǎn)的關(guān)系)，進(jìn)一步計(jì)算得到變換關(guān)系模型。對(duì)將源圖像和目標(biāo)圖像之間的關(guān)系建立起來的映射函數(shù)進(jìn)行估計(jì)，以用于建立變換關(guān)系模型。通過建立的變換關(guān)系模型可以得到變換模型的參數(shù)，從而就可以在圖像間進(jìn)行轉(zhuǎn)換。在實(shí)現(xiàn)本發(fā)明的過程中，發(fā)明人發(fā)現(xiàn)現(xiàn)有技術(shù)的圖像配準(zhǔn)方法至少存在以下問題( I)在特征檢測(cè)步驟中，通常利用高斯差分圖像來檢測(cè)圖像中的特征點(diǎn)。在實(shí)際檢測(cè)特征點(diǎn)的過程中發(fā)現(xiàn)，利用高斯差分圖像檢測(cè)到的特征點(diǎn)中，有的彼此為相鄰的像素，有的位置在不同尺度上都是局部的極值點(diǎn)。在空間中相鄰的特征點(diǎn)數(shù)量較多時(shí)，就會(huì)有較多的特征點(diǎn)及對(duì)應(yīng)的描述子需要匹配，從而導(dǎo)致特征匹配的計(jì)算復(fù)雜度上升；而且，相鄰的特征點(diǎn)的描述子的紋理是相近的，而特征點(diǎn)的位置又有所差異，這就使得本來應(yīng)該以一個(gè)特征點(diǎn)代替的紋理區(qū)域分別由多個(gè)不同位置的特征點(diǎn)分別表示，從而導(dǎo)致特征匹配的準(zhǔn)確度下降。(2)在特征匹配步驟中，通常用高維的描述子作為匹配的主要依據(jù)。通常的特征匹配過程為對(duì)于在源圖像中檢測(cè)的特征點(diǎn)的描述子的集合(以下稱為源集合)以及在目標(biāo)圖像中檢測(cè)的特征點(diǎn)的描述子的集合(以下稱為目標(biāo)集合)，遍歷源集合中的每一個(gè)描述子，從目標(biāo)集合中選擇一個(gè)滿足以下條件的描述子源集合中的描述子到目標(biāo)集合中的最近鄰的描述子的距離與到次近鄰描述子的距離的比值小于一個(gè)閾值，則這個(gè)最近鄰的描述子就是與該源集合中的描述子相匹配的描述子。在實(shí)際匹配的過程中發(fā)現(xiàn)，利用上述的單向匹配方式進(jìn)行匹配時(shí)，很可能源集合中的某個(gè)描述子在目標(biāo)集合中的最近鄰描述子并不是本來與它相匹配的描述子，從而產(chǎn)生了誤匹配，因此，會(huì)存在一定數(shù)目的錯(cuò)誤匹配點(diǎn)對(duì)，進(jìn)一步降低了匹配的準(zhǔn)確度。

發(fā)明內(nèi)容
本發(fā)明的目的在于提出一種圖像配準(zhǔn)方法及裝置，能夠降低特征匹配的復(fù)雜度以及提高特征匹配的準(zhǔn)確度。為達(dá)此目的，本發(fā)明采用以下技術(shù)方案一方面，提供了一種圖像配準(zhǔn)方法，包括利用高斯差分圖像，分別檢測(cè)待配準(zhǔn)的源圖像和目標(biāo)圖像中的特征點(diǎn)；將同一個(gè)圖像中檢測(cè)出的特征點(diǎn)中相鄰的特征點(diǎn)進(jìn)行聚合；按照經(jīng)過聚合后的特征點(diǎn)，對(duì)源圖像和目標(biāo)圖像間的特征點(diǎn)進(jìn)行匹配，得到圖像間的特征點(diǎn)匹配關(guān)系；根據(jù)特征點(diǎn)匹配關(guān)系，確定源圖像和目標(biāo)圖像間的變換關(guān)系。另一方面，還提供了一種圖像配準(zhǔn)裝置，包括特征檢測(cè)模塊，用于利用高斯差分圖像，分別檢測(cè)待配準(zhǔn)的源圖像和目標(biāo)圖像中的特征點(diǎn)；特征聚合模塊，用于將特征檢測(cè)模塊在同一個(gè)圖像中檢測(cè)出的特征點(diǎn)中的相鄰的特征點(diǎn)進(jìn)行聚合；特征匹配模塊，用于按照經(jīng)過特征聚合模塊進(jìn)行聚合后的特征點(diǎn)，對(duì)源圖像和目標(biāo)圖像間的特征點(diǎn)進(jìn)行匹配，得到圖像間的特征點(diǎn)匹配關(guān)系；以及，變換關(guān)系確定模塊，用于根據(jù)特征匹配模塊所確定的特征點(diǎn)匹配關(guān)系，確定源圖像和目標(biāo)圖像間的變換關(guān)系。本發(fā)明中，在利用高斯差分圖像檢測(cè)出源圖像和目標(biāo)圖像中的特征點(diǎn)之后，對(duì)同一圖像的特征點(diǎn)中在空間上相鄰的特征點(diǎn)進(jìn)行了聚合，得到了源圖像和目標(biāo)圖像的精確的特征點(diǎn)集合，然后再按照聚合后的特征點(diǎn)對(duì)源圖像和目標(biāo)圖像間的特征點(diǎn)進(jìn)行特征匹配以及確定圖像間的變換關(guān)系，從而，通過在進(jìn)行特征匹配過程之前，先對(duì)圖像的特征點(diǎn)中相鄰的特征點(diǎn)進(jìn)行聚合，從而對(duì)圖像的特征點(diǎn)進(jìn)行了進(jìn)一步的選擇，這樣，后續(xù)進(jìn)行特征匹配過程中需要匹配的特征點(diǎn)的數(shù)量就減少了，進(jìn)而降低了匹配的計(jì)算復(fù)雜度和時(shí)間復(fù)雜度；另夕卜，由于合并了在空間上相鄰的特征點(diǎn)，這樣也提高了匹配的精確度，解決了現(xiàn)有技術(shù)中存在的匹配計(jì)算復(fù)雜度較高和匹配不準(zhǔn)確的問題。


圖I是本發(fā)明的實(shí)施例一的圖像配準(zhǔn)方法的流程圖；圖2是本發(fā)明的實(shí)施例一的檢測(cè)特征點(diǎn)的示意圖；圖3是本發(fā)明的實(shí)施例三的圖像配準(zhǔn)方法的流程圖；圖4是本發(fā)明的實(shí)施例三的圖像配準(zhǔn)方法中SURF描述子的主方向確定的示意圖；圖5是本發(fā)明的實(shí)施例三的圖像配準(zhǔn)方法中SURF描述子的計(jì)算過程示意圖；圖6是本發(fā)明的實(shí)施例三的圖像配準(zhǔn)方法中的非對(duì)稱的雙向匹配過程的示意圖；圖7是本發(fā)明的實(shí)施例四的圖像配準(zhǔn)裝置的一種結(jié)構(gòu)示意圖；圖8是本發(fā)明的實(shí)施例四的圖像配準(zhǔn)裝置的另一種結(jié)構(gòu)示意圖；、
圖9是本發(fā)明的實(shí)施例四的圖像配準(zhǔn)裝置的又一種結(jié)構(gòu)示意圖。
具體實(shí)施例方式下面結(jié)合附圖并通過具體實(shí)施方式
來進(jìn)一步說明本發(fā)明的技術(shù)方案。實(shí)施例一圖I是本發(fā)明的實(shí)施例一的圖像配準(zhǔn)方法的流程圖，該方法包括以下步驟步驟S102，利用高斯差分圖像，分別檢測(cè)待配準(zhǔn)的源圖像和目標(biāo)圖像中的特征占.具體的，利用高斯差分圖像，檢測(cè)一個(gè)圖像中的特征點(diǎn)的過程包括以下步驟步驟1，按照以下公式(1)，對(duì)該二維圖像I(x，y)進(jìn)行高斯差分運(yùn)算，得到高斯差分圖像D(x, y, σ )
權(quán)利要求
1.一種圖像配準(zhǔn)方法，其特征在于，包括 利用高斯差分圖像，分別檢測(cè)待配準(zhǔn)的源圖像和目標(biāo)圖像中的特征點(diǎn)； 將同一個(gè)圖像中檢測(cè)出的特征點(diǎn)中相鄰的特征點(diǎn)進(jìn)行聚合； 按照經(jīng)過聚合后的特征點(diǎn)，對(duì)所述源圖像和所述目標(biāo)圖像間的特征點(diǎn)進(jìn)行匹配，得到圖像間的特征點(diǎn)匹配關(guān)系； 根據(jù)所述特征點(diǎn)匹配關(guān)系，確定所述源圖像和所述目標(biāo)圖像間的變換關(guān)系。
2.根據(jù)權(quán)利要求I所述的方法，其特征在于，將同一個(gè)圖像中檢測(cè)出的特征點(diǎn)中相鄰的特征點(diǎn)進(jìn)行聚合，包括依次遍歷同一個(gè)圖像中檢測(cè)出的各個(gè)特征點(diǎn)，對(duì)于每一個(gè)特征點(diǎn)均執(zhí)行以下操作 判斷在該特征點(diǎn)的預(yù)定范圍內(nèi)是否存在其他特征點(diǎn)； 若存在，則將該特征點(diǎn)與在該特征點(diǎn)的預(yù)定范圍內(nèi)的其他特征點(diǎn)聚合為一個(gè)特征點(diǎn)； 若不存在，則繼續(xù)遍歷下一個(gè)特征點(diǎn)。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，該特征點(diǎn)與在該特征點(diǎn)的預(yù)定范圍內(nèi)的其他特征點(diǎn)聚合得到的特征點(diǎn)的坐標(biāo)(元刃以及對(duì)應(yīng)的方差值廳2為
4.根據(jù)權(quán)利要求I至3中任一項(xiàng)所述的方法，其特征在于，按照經(jīng)過聚合后的特征點(diǎn)，對(duì)所述源圖像和所述目標(biāo)圖像間的特征點(diǎn)進(jìn)行匹配，得到圖像間的特征點(diǎn)匹配關(guān)系包括 分別計(jì)算所述源圖像和所述目標(biāo)圖像的經(jīng)過聚合后的各個(gè)特征點(diǎn)對(duì)應(yīng)的加速魯棒特征SURF描述子，得到源圖像的各個(gè)SURF描述子所形成的源集合以及目標(biāo)圖像的各個(gè)SURF描述子所形成的目標(biāo)集合，其中，每一個(gè)特征點(diǎn)對(duì)應(yīng)于一個(gè)SURF描述子； 從目標(biāo)集合中查找與源集合中的各個(gè)SURF描述子相匹配的SURF描述子，其中，查找到的相匹配的SURF描述子形成中間集合； 從所述源集合中查找與所述中間集合中的各個(gè)SURF描述子相匹配的SURF描述子，得到匹配點(diǎn)對(duì)集合，其中，所述匹配點(diǎn)對(duì)集合中包含有至少一個(gè)匹配點(diǎn)對(duì)，所述中間集合中的一個(gè)SURF描述子及其匹配的源集合中的一個(gè)SURF描述子組成一個(gè)匹配點(diǎn)對(duì)。
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，計(jì)算特征點(diǎn)對(duì)應(yīng)的SURF描述子包括 確定特征點(diǎn)對(duì)應(yīng)的SURF描述子的主方向； 根據(jù)所確定的SURF描述子的主方向，計(jì)算該SURF描述子。
6.根據(jù)權(quán)利要求5所述的方法，其特征在于，根據(jù)所確定的SURF描述子的主方向，計(jì)算該SURF描述子包括 在以所述所確定的SURF描述子的主方向?yàn)樗椒较?、與所述主方向相垂直的方向?yàn)樨Q直方向建立的坐標(biāo)系中，選取一個(gè)以該特征點(diǎn)為中心、邊長(zhǎng)為20 σ大小的正方形區(qū)域，其中，σ為該特征點(diǎn)對(duì)應(yīng)的高斯函數(shù)的均方差； 將所選取的正方形區(qū)域劃分為16個(gè)子區(qū)域，計(jì)算每一個(gè)子區(qū)域中在水平方向上的梯度累加值和梯度絕對(duì)值累加值，以及在豎直方向上的梯度累加值和梯度絕對(duì)值累加值，其中，每一個(gè)子區(qū)域?qū)?yīng)一個(gè)4維向量，所述正方形區(qū)域?qū)?yīng)于該特征點(diǎn)的64維的SURF描述子，該SURF描述子中的元素為所述16個(gè)子區(qū)域在水平方向上的梯度累加值和梯度絕對(duì)值累加值，以及在豎直方向上的梯度累加值和梯度絕對(duì)值累加值。
7.一種圖像配準(zhǔn)裝置，其特征在于，包括 特征檢測(cè)模塊，用于利用高斯差分圖像，分別檢測(cè)待配準(zhǔn)的源圖像和目標(biāo)圖像中的特征點(diǎn)； 特征聚合模塊，用于將所述特征檢測(cè)模塊在同一個(gè)圖像中檢測(cè)出的特征點(diǎn)中的相鄰的特征點(diǎn)進(jìn)行聚合； 特征匹配模塊，用于按照經(jīng)過所述特征聚合模塊進(jìn)行聚合后的特征點(diǎn)，對(duì)所述源圖像和所述目標(biāo)圖像間的特征點(diǎn)進(jìn)行匹配，得到圖像間的特征點(diǎn)匹配關(guān)系；以及， 變換關(guān)系確定模塊，用于根據(jù)所述特征匹配模塊所確定的特征點(diǎn)匹配關(guān)系，確定所述源圖像和所述目標(biāo)圖像間的變換關(guān)系。
8.根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述特征聚合模塊包括 判斷模塊，用于依次遍歷同一個(gè)圖像中檢測(cè)出的各個(gè)特征點(diǎn)，對(duì)于每一個(gè)特征點(diǎn)，判斷在該特征點(diǎn)的預(yù)定范圍內(nèi)是否存在其他特征點(diǎn)，若不存在，則繼續(xù)遍歷下一個(gè)特征點(diǎn)；聚合執(zhí)行模塊，用于在所述判斷模塊的判斷結(jié)果為存在時(shí)，將該特征點(diǎn)與在該特征點(diǎn)的預(yù)定范圍內(nèi)的其他特征點(diǎn)聚合為一個(gè)特征點(diǎn)。
9.根據(jù)權(quán)利要求8所述的裝置，其特征在于，該特征點(diǎn)與在該特征點(diǎn)的預(yù)定范圍內(nèi)的其他特征點(diǎn)聚合得到的特征點(diǎn)的坐標(biāo)(元刃以及對(duì)應(yīng)的方差值歹2為
10.根據(jù)權(quán)利要求7至9中任一項(xiàng)所述的裝置，其特征在于，所述特征匹配模塊包括 描述子計(jì)算模塊，用于分別計(jì)算所述源圖像和所述目標(biāo)圖像的經(jīng)過聚合后的各個(gè)特征點(diǎn)對(duì)應(yīng)的加速魯棒特征SURF描述子，得到源圖像的各個(gè)SURF描述子所形成的源集合以及目標(biāo)圖像的各個(gè)SURF描述子所形成的目標(biāo)集合，其中，每一個(gè)特征點(diǎn)對(duì)應(yīng)于一個(gè)SURF描述子; 正向匹配模塊，用于從目標(biāo)集合中查找與源集合中的各個(gè)SURF描述子相匹配的SURF描述子，其中，查找到的相匹配的SURF描述子形成中間集合； 反向匹配模塊，用于從所述源集合中查找與所述中間集合中的各個(gè)SURF描述子相匹配的SURF描述子，得到匹配點(diǎn)對(duì)集合，其中，所述匹配點(diǎn)對(duì)集合中包含有至少一個(gè)匹配點(diǎn)對(duì)，所述中間集合中的一個(gè)SURF描述子及其匹配的源集合中的一個(gè)SURF描述子組成一個(gè)匹配點(diǎn)對(duì)。
全文摘要
本發(fā)明公開了一種圖像配準(zhǔn)方法及裝置，其中，該方法包括利用高斯差分圖像，分別檢測(cè)待配準(zhǔn)的源圖像和目標(biāo)圖像中的特征點(diǎn)；將同一個(gè)圖像中檢測(cè)出的特征點(diǎn)中相鄰的特征點(diǎn)進(jìn)行聚合；按照經(jīng)過聚合后的特征點(diǎn)，對(duì)源圖像和目標(biāo)圖像間的特征點(diǎn)進(jìn)行非對(duì)稱雙向匹配，得到圖像間的特征點(diǎn)匹配關(guān)系；根據(jù)特征點(diǎn)匹配關(guān)系，確定源圖像和目標(biāo)圖像間的變換關(guān)系。本發(fā)明能夠降低特征匹配的復(fù)雜度以及提高特征匹配的準(zhǔn)確度。
文檔編號(hào)G06T7/00GK102722887SQ20121016327
公開日2012年10月10日 申請(qǐng)日期2012年5月23日 優(yōu)先權(quán)日2012年5月23日
發(fā)明者池毅韜, 高昊江 申請(qǐng)人:北京京北方信息技術(shù)有限公司