基于梯度信息的新穎多源圖像快速配準(zhǔn)方法
【專利摘要】本發(fā)明涉及基于梯度信息的新穎多源圖像快速配準(zhǔn)方法，屬于圖像處理【技術(shù)領(lǐng)域】。本發(fā)明實(shí)現(xiàn)包括第一步特征點(diǎn)檢測(cè)和定位，第二步主方向確定，第三步描述符生成，第四步特征點(diǎn)匹配。
【專利說(shuō)明】基于梯度信息的新穎多源圖像快速配準(zhǔn)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及基于梯度信息的新穎多源圖像快速配準(zhǔn)方法，屬于圖像處理【技術(shù)領(lǐng)域】。
【背景技術(shù)】
[0002]最近幾年，隨著大量配準(zhǔn)算法的提出，圖像配準(zhǔn)技術(shù)得到了快速地發(fā)展，但是仍然存在許多不足。尤其在多源圖像配準(zhǔn)方面上，現(xiàn)有算法很少能夠同時(shí)達(dá)到快速和精確。作為多源圖像算法的代表，對(duì)稱尺度不變特征變換算法能夠很好地完成匹配任務(wù)，但無(wú)論時(shí)間還是精度方面，該方法都無(wú)法運(yùn)用到需要實(shí)時(shí)處理的情況。而單源配準(zhǔn)算法中，作為尺度不變特征變換算法(SIFT算法)的加速版，快速魯棒特征(SURF)算法能夠快速地匹配可見(jiàn)光圖像，但對(duì)多源圖像束手無(wú)策。

【發(fā)明內(nèi)容】

[0003]本發(fā)明針對(duì)上面的問(wèn)題，而研制多源快速魯棒特征(MM-SURF)算法。該算法繼承了 SURF算法的良好性能，同時(shí)充分利用多源圖像的灰度信息，達(dá)到快速并高效地匹配多源圖像的目的。
[0004]本發(fā)明包括四步:特征點(diǎn)檢測(cè)和定位，主方向確定，描述符生成和特征點(diǎn)匹配。
[0005]第一步:特征點(diǎn)檢測(cè)和定位.
[0006]第二步:主方向確定。
[0007]第三步:描述符生成。
[0008]第四步:建立特征描述符之后，就可以利用這些描述符進(jìn)行特征點(diǎn)的匹配。兩個(gè)特征向量的相似性采用歐式距離進(jìn)行度量。對(duì)于第一幅圖像特征點(diǎn)的特征向量，計(jì)算它與第二幅圖像所有特征點(diǎn)的特征向量的歐氏距離，可以得到最近距離與次近距離，將它們的比值作為該特征點(diǎn)的差異度。第一幅圖像所有特征點(diǎn)按照該差異度進(jìn)行排序，最后根據(jù)所需將前N個(gè)選為匹配。
[0009]本發(fā)明原理及有益效果:多源圖像之間存在大量梯度反轉(zhuǎn)現(xiàn)象，而且梯度反轉(zhuǎn)的像素點(diǎn)往往存在于結(jié)構(gòu)信息豐富的區(qū)域。我們結(jié)合這個(gè)現(xiàn)象，提出了多源快速魯棒特征算法。與SURF算法相比，該方法不僅能夠配準(zhǔn)單源圖像，還能配準(zhǔn)多源圖像。與已有的多源配準(zhǔn)算法相比，該方法具有更高的精確度，而且消耗更少的時(shí)間，能夠滿足實(shí)時(shí)的需求。
【專利附圖】

【附圖說(shuō)明】
[0010]圖1快速魯棒特征算法所統(tǒng)計(jì)采樣點(diǎn)。
[0011]圖2多源快速魯棒特征算法所統(tǒng)計(jì)采樣點(diǎn)。
【具體實(shí)施方式】
[0012]本發(fā)明包括四步:特征點(diǎn)檢測(cè)和定位，主方向確定，描述符生成和特征點(diǎn)匹配。[0013]第一步:特征點(diǎn)檢測(cè)和定位.[0014]對(duì)圖像不斷地做高斯平滑處理，建立高斯尺度空間。然后計(jì)算每個(gè)像素點(diǎn)的海森矩陣，通過(guò)海森矩陣行列式值來(lái)檢測(cè)特征點(diǎn)。為了加快計(jì)算速度，通過(guò)積分圖像和塊狀濾波的結(jié)合來(lái)加速尺度空間濾波的速度。計(jì)算得到海森矩陣的行列式值后，在尺度空間中的3X3X3鄰域內(nèi)尋找海森矩陣行列式值最大的點(diǎn)作為候選特征點(diǎn)。然后用尺度不變特征變換算法中提到的方法再將局部最大值在尺度和圖像空間中進(jìn)行插值刪除不穩(wěn)定的候選點(diǎn)。
[0015]第二步:主方向確定。
[0016]首先計(jì)算以特征點(diǎn)為圓心，6s(s為特征點(diǎn)所在的尺度)為半徑的圓形區(qū)域內(nèi)的所有像素在X和y方向上的哈爾小波響應(yīng)dx，dy。然后計(jì)算每個(gè)像素點(diǎn)的梯度幅值m(x，y)，即
[0017]
【權(quán)利要求】
1.基于梯度信息的新穎多源圖像快速配準(zhǔn)方法，其特征在于: 第一步特征點(diǎn)檢測(cè)和定位， 第二步主方向確定， 第三步描述符生成， 第四步特征點(diǎn)匹配。
2.根據(jù)權(quán)利要求1所述的基于梯度信息的新穎多源圖像快速配準(zhǔn)方法，其特征在于:第一步的特征點(diǎn)檢測(cè)和定位方法為: 對(duì)圖像不斷地做高斯平滑處理，建立高斯尺度空間，然后計(jì)算每個(gè)像素點(diǎn)的海森矩陣，通過(guò)海森矩陣行列式值來(lái)檢測(cè)特征點(diǎn)，為了加快計(jì)算速度，通過(guò)積分圖像和塊狀濾波的結(jié)合來(lái)加速尺度空間濾波的速度，計(jì)算得到海森矩陣的行列式值后，在尺度空間中的3 X 3 X 3鄰域內(nèi)尋找海森矩陣行列式值最大的點(diǎn)作為候選特征點(diǎn)，然后用尺度不變特征變換算法中提到的方法再將局部最大值在尺度和圖像空間中進(jìn)行插值刪除不穩(wěn)定的候選點(diǎn)。
3.根據(jù)權(quán)利要求1所述的基于梯度信息的新穎多源圖像快速配準(zhǔn)方法，其特征在于:第二步的主方向確定方法為: 首先計(jì)算以特征點(diǎn)為圓心，6s(s為特征點(diǎn)所在的尺度)為半徑的圓形區(qū)域內(nèi)的所有像素在X和y方向上的哈爾小波響應(yīng)dx，dy，然后計(jì)算每個(gè)像素點(diǎn)的梯度幅值m(x，y)，即
4.根據(jù)權(quán)利要求1所述的基于梯度信息的新穎多源圖像快速配準(zhǔn)方法，其特征在于:第三步的描述符生成方法為: 按照快速魯棒特征算法描述符的構(gòu)建過(guò)程，得到每一個(gè)子區(qū)域內(nèi)5X5個(gè)空間采樣點(diǎn)的水平和垂直方向上的哈爾小波響應(yīng)4和dy，再把梯度向量(dx，dy)的方向通過(guò)梯度反轉(zhuǎn)限制在(O, π )之間，即
(dx, dy) =sgn (dy) (dx, dy) (2) 其中，
5.根據(jù)權(quán)利要求1所述的基于梯度信息的新穎多源圖像快速配準(zhǔn)方法，其特征在于:第四步的特征點(diǎn)匹配方法為:建立特征描述符之后，就可以利用這些描述符進(jìn)行特征點(diǎn)的匹配，兩個(gè)特征向量的相似性采用歐式距離進(jìn)行度量，對(duì)于第一幅圖像特征點(diǎn)的特征向量，計(jì)算它與第二幅圖像所有特征點(diǎn)的特征向量的歐氏距離，可以得到最近距離與次近距離，將它們的比值作為該特征點(diǎn)的差異度，第一幅圖像所有特征點(diǎn)按照該差異度進(jìn)行排序，最后根據(jù)所需將前N個(gè)選為匹配。`
【文檔編號(hào)】G06T7/00GK103745463SQ201310745722
【公開(kāi)日】2014年4月23日 申請(qǐng)日期:2013年12月26日 優(yōu)先權(quán)日:2013年12月26日
【發(fā)明者】胡小鵬, 裴紅, 趙棟, 楊燕, 李明輝, 崔雅敏, 呂澤鋒, 賀艷花, 王國(guó)強(qiáng), 陳仕林, 趙猛, 魏強(qiáng) 申請(qǐng)人:大連理工大學(xué), 中油遼河工程有限公司, 中聯(lián)煤層氣有限責(zé)任公司