專利名稱：一種自適應門限的ncc配準方法
技術領域：
本發(fā)明涉及的是一種數(shù)字圖像處理方法，具體地說是一種圖像算法領域的一種配準方法。
背景技術：
基于特征點的圖像配準算法是一種常見的圖像配準算法，這種算法的優(yōu)點是能夠利用待配準兩幅圖像中的配準特征點對直接求得兩幅圖像間的變換關系從而實現(xiàn)圖像配準?，F(xiàn)有的常用特征點檢測算法大致有角點檢測算法如:susan, mic和harris角點檢測算法等以及使用了了不變量技術中的SIFT算法等。不同的特征點檢測算法各有優(yōu)缺點，選擇一種具有旋轉不變性且檢測性能很好的harris角點檢測算法作為特征點檢測算法是十分必要的。常用的配準算法也有很多，比如sift特征描述字配準算法和NCC配準算法。相對于sift特征描述字配準算法NCC配準算法計算量小很多，復雜度低配準效果也還算理想。但是由于原有的NCC配準算法門限固定，會導致誤配特征點對或者配準的特征點對過少等情況的發(fā)生。為了解決這一問題，就必須根據(jù)不同圖像進行不同的門限選取，這樣就是自適應門限。文獻[I]論述了一種新的色彩距離計算方法，大大提高了彩色圖像特征提取的準確率與速度；文獻[2]介紹了一種完全仿射不變的局部圖像特征提取算法一ASIFT，解決了大角度視角變化的圖像匹配和目標識別這一難點問題；文獻[3]提出了一種新的快速、準確的健壯性的點配準算法，從而解決點的對應性問題和出界點(outliers)確定；文獻[4]基于視覺特征模型提出一種自適應高斯尺度參數(shù)的算法，從而為圖像的高層次處理如目標識別等提供信息量穩(wěn)定變化的尺度空間。與本發(fā)明相關的參考文獻包括:[I]方欣.一種 新的彩色圖像特征檢測中相似度計算方法.科學技術與工程 Vol.6，N0.20，2006 ；[2]謝志宏，顏巾惠，白羽，魏磊.完全仿射不變的圖像特征提取算法研究.全國第五屆信號和智能信息處理與應用學術會議?？?第一冊).2011 ；[3]張二虎卞正中基于最大熵和互信息最大化的特征點配準算法計算機研究與發(fā)展 Vol.41, N0.7，2004 ；[4]李桂香，劉立高斯尺度參數(shù)自適應算法研究計算機工程與應用.Vol.46, N0.14，2010。

發(fā)明內容
本發(fā)明的目的在于提供一種用于基于特征點的圖像配準，與特征點檢測方法配合使用以達到配準圖像的目的的自適應門限的NCC配準方法。本發(fā)明的目的是這樣實現(xiàn)的:(I)選取一個初始的NCC門限值對兩幅圖像中的特征點進行配準；
(2)利用配準的特征點對求得兩幅圖像間的仿射變換矩陣；(3)將待配準圖像利用求得的仿射變換矩陣做仿射變換；(4)求出仿射變換后的待配準圖像與基準圖像間的互信息熵；(5)利用加入了進退法與黃金分割法的powell尋優(yōu)迭代算法，將互信息作為搜索準則進行NCC門限的自適應迭代；即選取一個適當步長，改變初始門限再次進行(I)一 (4)步得到新的互信息熵值；(6)如此類推，利用powell算法不斷改變NCC門限值，進行迭代；(7)迭代結束后，找到最大的互信息熵并且得到此時對應的NCC門限值；(8)將得到的NCC門限值作為最終的門限值進行特征點對的配準。本發(fā)明提供了一種自適應門限式的NCC配準方法，實現(xiàn)的思想如下概述:首先，考慮兩幅圖像存在的變換關系為仿射變換關系，這種關系是平面上的平移和旋轉關系。如果兩幅圖像特征點對配得準且多那么仿射變換也做得好，這樣經仿射變換后的第二幅圖像與第一幅圖像的位置偏差就要小(也就是兩幅圖像中相同部分就能重合得好)。如果兩幅圖像重合得越好，那么它們的相似性就會越大，作為二者相似性測度的互信息熵值也會越大。這樣通過不斷調整NCC門限，得到不同的匹配特征點對，進而得到不同的互信息值。當互信息值最大時相對應的NCC門限就是最佳門限。本發(fā)明是利用powell尋優(yōu)算法，將互信息作為搜索準則進行對NCC門限的自適應迭代選取，實現(xiàn)對NCC門限的調整。本發(fā)明的方法用于基于特征點的圖像配準工作，與特征點檢測算法配合使用，達到配準圖像的目的。


圖1為本發(fā)明的流程圖。
具體實施例方式下面結合附圖舉例對本發(fā)明做更詳細地描述:1，對已經檢測好特征點的兩幅待拼接圖像進行NCC特征點對配準，計算配準的方法為:
權利要求
1.一種自適應門限的NCC配準方法，其特征是: (1)選取一個初始的NCC門限值對兩幅圖像中的特征點進行配準； (2)利用配準的特征點對求得兩幅圖像間的仿射變換矩陣； (3)將待配準圖像利用求得的仿射變換矩陣做仿射變換； (4)求出仿射變換后的待配準圖像與基準圖像間的互信息熵； (5)利用加入了進退法與黃金分割法的powell尋優(yōu)迭代算法，將互信息作為搜索準則進行NCC門限的自適應迭代；即選取一個適當步長，改變初始門限再次進行(I)一(4)步得到新的互信息熵值； (6)利用powell算法不斷改變NCC門限值，進行迭代； (7)迭代結束后，找到最大的互信息熵并且得到此時對應的NCC門限值； (8)將得到的NCC門限值作為最終的門限值進行特征點對的配準。
2.根據(jù)權利要求1所述的自適應門限的NCC配準方法，其特征是所述進退法的主要步驟為: 1)給定初始點xO和步長h,h>0 ；2)計算f (xO)和 f (xO+h)； 3)比較f(xO)和f (xO+h)，有如下三種情況: 若 f(xO)=f(xO+h)，則[xO, xO+h]為搜索區(qū)間；若f (xO) <f (xO+h)，則說明x即極大點在xO的左邊,置xO=xO+h, h=_h,轉到第4)步；若f (xO) > f (xO+h),則說明X即極大點在xO的右邊,轉到第4)步； 4)計算f[x0+(2k-l)*h], k=l, 2， ，直到某一個 m,使得 f [xO+ (2m^-l) h] <=f [xO+ (2m-l) h] >=f [xO+ (2m+1-l) h]成立；令 xl=x0+(2m+1-l)h，x2=x0+(2m_1-l)h ； 5)令a=min{xl,x2}，b=max{xl,x2},則區(qū)間[a, b]為單谷函數(shù)f(x)的極小點的一個搜索區(qū)間。
3.根據(jù)權利要求1或2所述的自適應門限的NCC配準方法，其特征是所述黃金分割法的主要步驟為: 1)給定初始點xO、步長h和收斂精度e； 2)用進退法確定函數(shù)f(x)的極小點的一個搜索區(qū)間[a，b]； 3)計算:xl=b-k(b_a)和x2=a+k(b_a),其中 k=0.618 ；4)比較f (xl)和 f (x2)； 5)若f(xl) > =f (x2),置b=x2,x2=xl,求新搜索區(qū)間的插入點xl=b_k(b_a)，轉到步驟6);若 f (xl) <f (x2)，置 a=xl, xl=x2,求新搜索區(qū)間的插入點 x2=a+k(b_a)； 6)若b_a〈e，則置x=(a+b)/2，轉到步驟7);否則，轉到步驟4)； 7)輸出求得的X和f(X)，停止程序執(zhí)行，結束。
全文摘要
本發(fā)明提供的是一種自適應門限的NCC配準方法。選取一個初始的NCC門限值對兩幅圖像中的特征點進行配準；利用配準的特征點對求得兩幅圖像間的仿射變換矩陣；將待配準圖像利用求得的仿射變換矩陣做仿射變換；求出仿射變換后的待配準圖像與基準圖像間的互信息熵；利用加入了進退法與黃金分割法的powell尋優(yōu)迭代算法，將互信息作為搜索準則進行NCC門限的自適應迭代；利用powell算法不斷改變NCC門限值，進行迭代；迭代結束后，找到最大的互信息熵并且得到此時對應的NCC門限值；將得到的NCC門限值作為最終的門限值進行特征點對的配準。本發(fā)明用于基于特征點的圖像配準，與特征點檢測算法配合使用，達到配準圖像的目的。
文檔編號G06T7/00GK103116883SQ201210439838
公開日2013年5月22日 申請日期2012年11月7日 優(yōu)先權日2012年11月7日
發(fā)明者卞紅雨, 張志剛, 關健, 沈鄭燕 申請人:哈爾濱工程大學