本發(fā)明涉及圖像配準(zhǔn)領(lǐng)域，具體地，涉及一種基于多個(gè)光譜圖像的配準(zhǔn)方法以及裝置。

背景技術(shù)：

不同的光傳感器的工作波長(zhǎng)不同，因此，它們輸出的信息也有所不同。例如，可見光圖像主要反映了拍攝場(chǎng)景內(nèi)物體的物理位置信息，但是存在感興趣區(qū)域不突出等缺點(diǎn)；而紅外圖像則主要反映了物體的熱量信息，但是存在成像質(zhì)量低等問題。圖像配準(zhǔn)技術(shù)則通過在多個(gè)光譜圖像上提取特征點(diǎn)，將處于不同光譜圖像的對(duì)應(yīng)特征點(diǎn)進(jìn)行匹配，實(shí)現(xiàn)多源信息的融合，在軍事等領(lǐng)域有著廣泛的應(yīng)用。

對(duì)于多個(gè)光譜圖像的配準(zhǔn)，主要流程如下：特征點(diǎn)提取，特征點(diǎn)描述以及特征點(diǎn)匹配。為了提高特征描述的區(qū)分度，Yi.Z.等人提出尺度限制條件，以減少在多源圖像配準(zhǔn)情況下，由SIFT(Scale-invariant feature transform，尺度不變量特征變換)特征描述偏差引起的誤匹配率。Huang等人利用NSCT(NonsubSampled contourlet transform，非下采樣Contourlet變換)將圖像增強(qiáng)，通過NSCT，圖像中物體的結(jié)構(gòu)信息被增強(qiáng)，同時(shí)保證結(jié)構(gòu)信息在多源圖像中的不變性，因此，在NSCT圖像上，利用SIFT可以提取到更多的特征點(diǎn)，此外，利用GM(Gradient mirroring，梯度反射)計(jì)算特征方向，改善了SIFT特征方向只受灰度差異影響等問題，提高了特征描述的區(qū)分度，實(shí)現(xiàn)了紅外圖像與可見光圖像的精確匹配。

然而，由于待配準(zhǔn)的光譜圖像所處的波段不同，因此，對(duì)同一物體成像的結(jié)果不同，導(dǎo)致利用SIFT等角點(diǎn)檢測(cè)器提取的特征點(diǎn)質(zhì)量較差，并且不同點(diǎn)的特征描述區(qū)分度較低，無法滿足多源圖像精確匹配的需求。Yi.Z.等人提出的方法在可見光圖像與遠(yuǎn)紅外圖像配準(zhǔn)時(shí)，由于圖像間所處的波段差異較大，尺度限制條件失效，導(dǎo)致匹配效果較差，而Huang等人提出的方法在匹配圖像紋理較弱的情況下，盡管SIFT提取的特征點(diǎn)較多，但是特征點(diǎn)的質(zhì)量較差，導(dǎo)致匹配精度降低。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是提供一種基于多個(gè)光譜圖像的配準(zhǔn)方法以及裝置。其中，所述方法不僅能避免多個(gè)光譜圖像對(duì)同一物體成像結(jié)果不同引起的誤匹配，而且還能改善多個(gè)光譜圖像配準(zhǔn)速度慢的問題。

為了實(shí)現(xiàn)上述目的，本發(fā)明提供一種基于多個(gè)光譜圖像的配準(zhǔn)方法。所述方法包括：

獲取對(duì)同一物體成像得到的多個(gè)光譜圖像；

利用顯著性分析技術(shù)對(duì)所述多個(gè)光譜圖像中的每一光譜圖像進(jìn)行顯著性分析，得到多個(gè)與所述每一光譜圖像對(duì)應(yīng)的顯著性圖；

根據(jù)所述顯著性圖分別對(duì)所述每一光譜圖像進(jìn)行區(qū)域劃分，得到所述每一光譜圖像的感興趣區(qū)域和非感興趣區(qū)域；

利用FAST特征點(diǎn)檢測(cè)算法提取所述每一光譜圖像的感興趣區(qū)域和非感興趣區(qū)域的特征點(diǎn)；

基于所述特征點(diǎn)與所述感興趣區(qū)域和所述非感興趣區(qū)域的位置關(guān)系，利用改進(jìn)的EOH特征描述算子對(duì)所述特征點(diǎn)進(jìn)行特征描述，得到特征點(diǎn)的EOH特征；

根據(jù)所述EOH特征對(duì)所述多個(gè)光譜圖像的特征點(diǎn)進(jìn)行匹配，從而實(shí)現(xiàn)多個(gè)光譜圖像的配準(zhǔn)。

可選地，所述根據(jù)所述顯著性圖分別對(duì)所述每一光譜圖像進(jìn)行區(qū)域劃分，得到所述每一光譜圖像的感興趣區(qū)域和非感興趣區(qū)域，包括：

根據(jù)所述顯著性圖將光譜圖像像素點(diǎn)的顯著性值大于預(yù)設(shè)閾值的區(qū)域劃分為感興趣區(qū)域；

根據(jù)所述顯著性圖將光譜圖像像素點(diǎn)的顯著性值小于預(yù)設(shè)閾值的區(qū)域劃分為非感興趣區(qū)域。

可選地，所述利用FAST特征點(diǎn)檢測(cè)算法提取所述每一光譜圖像的感興趣區(qū)域和非感興趣區(qū)域的特征點(diǎn)之前，所述方法還包括：

根據(jù)以下公式一計(jì)算得到每個(gè)感興趣區(qū)域的最小對(duì)比率：

根據(jù)以下公式二計(jì)算得到所述非感興趣區(qū)域的最小對(duì)比率：

其中，N表示光譜圖像的感興趣區(qū)域的個(gè)數(shù)，S_i表示光譜圖像第i個(gè)感興趣區(qū)域的面積，表示光譜圖像第i個(gè)感興趣區(qū)域在光譜圖像上的灰度均值，表示光譜圖像第i個(gè)感興趣區(qū)域在與光譜圖像對(duì)應(yīng)的顯著性圖上的均值，σ_i表示光譜圖像第i個(gè)感興趣區(qū)域的顯著性值的方差，INS_mean表示光譜圖像的非感興趣區(qū)域在與光譜圖像對(duì)應(yīng)的顯著性圖上的均值，S′表示光譜圖像的非感興趣區(qū)域的面積，表示光譜圖像第i個(gè)感興趣區(qū)域的最小對(duì)比率，MC_out表示光譜圖像的非感興趣區(qū)域的最小對(duì)比率。

可選地，所述基于所述特征點(diǎn)與所述感興趣區(qū)域和所述非感興趣區(qū)域的位置關(guān)系，利用改進(jìn)的EOH特征描述算子對(duì)所述特征點(diǎn)進(jìn)行特征描述，得到特征點(diǎn)的EOH特征，包括：

針對(duì)所述特征點(diǎn)的屬性為所述特征點(diǎn)設(shè)置窗寬；

利用改進(jìn)的EOH特征描述算子根據(jù)所述特征點(diǎn)的窗寬求解得到與所述特征點(diǎn)對(duì)應(yīng)的EOH特征。

可選地，所述根據(jù)所述EOH特征對(duì)所述多個(gè)光譜圖像的特征點(diǎn)進(jìn)行匹配，從而實(shí)現(xiàn)多個(gè)光譜圖像的配準(zhǔn)，包括：

根據(jù)所述EOH特征計(jì)算得到多個(gè)光譜圖像的特征點(diǎn)的相似度；

根據(jù)所述相似度求解匹配特征點(diǎn)；

根據(jù)所述匹配特征點(diǎn)求解對(duì)應(yīng)的形變場(chǎng)，實(shí)現(xiàn)多個(gè)光譜圖像的配準(zhǔn)。

可選地，所述根據(jù)所述匹配特征點(diǎn)求解對(duì)應(yīng)的形變場(chǎng)，實(shí)現(xiàn)多個(gè)光譜圖像的配準(zhǔn)之前，所述方法還包括：

利用隨機(jī)采樣一致性對(duì)所述匹配特征點(diǎn)進(jìn)行篩選，剔除所述匹配特征點(diǎn)中的誤匹配點(diǎn)。

相應(yīng)地，本發(fā)明還提供一種基于多個(gè)光譜圖像的配準(zhǔn)裝置。所述裝置包括：

獲取單元，用于獲取對(duì)同一物體成像得到的多個(gè)光譜圖像；

分析單元，用于利用顯著性分析技術(shù)對(duì)所述多個(gè)光譜圖像中的每一光譜圖像進(jìn)行顯著性分析，得到多個(gè)與所述每一光譜圖像對(duì)應(yīng)的顯著性圖；

劃分單元，用于根據(jù)所述顯著性圖分別對(duì)所述每一光譜圖像進(jìn)行區(qū)域劃分，得到所述每一光譜圖像的感興趣區(qū)域和非感興趣區(qū)域；

提取單元，用于利用FAST特征點(diǎn)檢測(cè)算法提取所述每一光譜圖像的感興趣區(qū)域和非感興趣區(qū)域的特征點(diǎn)；

描述單元，用于基于所述特征點(diǎn)與所述感興趣區(qū)域和所述非感興趣區(qū)域的位置關(guān)系，利用改進(jìn)的EOH特征描述算子對(duì)所述特征點(diǎn)進(jìn)行特征描述，得到特征點(diǎn)的EOH特征；

配準(zhǔn)單元，用于根據(jù)所述EOH特征對(duì)所述多個(gè)光譜圖像的特征點(diǎn)進(jìn)行匹配，從而實(shí)現(xiàn)多個(gè)光譜圖像的配準(zhǔn)。

可選地，所述劃分單元，具體用于：

根據(jù)所述顯著性圖將光譜圖像像素點(diǎn)的顯著性值大于預(yù)設(shè)閾值的區(qū)域劃分為感興趣區(qū)域；

根據(jù)所述顯著性圖將光譜圖像像素點(diǎn)的顯著性值小于預(yù)設(shè)閾值的區(qū)域劃分為非感興趣區(qū)域。

可選地，所述描述單元，具體用于：

針對(duì)所述特征點(diǎn)的屬性為所述特征點(diǎn)設(shè)置窗寬；

利用改進(jìn)的EOH特征描述算子根據(jù)所述特征點(diǎn)的窗寬求解得到與所述特征點(diǎn)對(duì)應(yīng)的EOH特征。

可選地，所述配準(zhǔn)單元，具體用于：

根據(jù)所述EOH特征計(jì)算得到多個(gè)光譜圖像的特征點(diǎn)的相似度；

根據(jù)所述相似度求解匹配特征點(diǎn)；

根據(jù)所述匹配特征點(diǎn)求解對(duì)應(yīng)的形變場(chǎng)，實(shí)現(xiàn)多個(gè)光譜圖像的配準(zhǔn)。

通過上述技術(shù)方案，獲取對(duì)同一物體成像得到的多個(gè)光譜圖像；利用顯著性分析技術(shù)對(duì)每一光譜圖像進(jìn)行顯著性分析，得到與每一光譜圖像對(duì)應(yīng)的顯著性圖；根據(jù)顯著性圖分別對(duì)每一光譜圖像進(jìn)行區(qū)域劃分，得到感興趣區(qū)域和非感興趣區(qū)域；利用FAST特征點(diǎn)檢測(cè)算法提取感興趣區(qū)域和非感興趣區(qū)域的特征點(diǎn)；基于特征點(diǎn)與感興趣區(qū)域和非感興趣區(qū)域的位置關(guān)系，利用EOH特征描述算子對(duì)特征點(diǎn)進(jìn)行特征描述，得到特征點(diǎn)的EOH特征；根據(jù)EOH特征對(duì)多個(gè)光譜圖像的特征點(diǎn)進(jìn)行匹配，實(shí)現(xiàn)多光譜圖像的配準(zhǔn)，不僅能避免多個(gè)光譜圖像對(duì)同一物體成像結(jié)果不同引起的誤匹配，而且還能改善多個(gè)光譜圖像配準(zhǔn)速度慢的問題。

附圖說明

為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹。顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些圖獲得其他的附圖。

圖1是本發(fā)明一實(shí)施例提供的基于多個(gè)光譜圖像的配準(zhǔn)方法的流程圖；

圖2是本發(fā)明一實(shí)施例提供的基于多個(gè)光譜圖像的配準(zhǔn)裝置的結(jié)構(gòu)示意圖。

具體實(shí)施方式

下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

圖1是本發(fā)明一實(shí)施例提供的基于多個(gè)光譜圖像的配準(zhǔn)方法的流程圖。如圖1所示，本發(fā)明一實(shí)施例提供的基于多個(gè)光譜圖像的配準(zhǔn)方法包括：

在步驟S101中，獲取對(duì)同一物體成像得到的多個(gè)光譜圖像。

其中，所述多個(gè)光譜圖像指的是處于不同波段的圖像。

接著，在步驟S102中，利用顯著性分析技術(shù)對(duì)所述多個(gè)光譜圖像中的每一光譜圖像進(jìn)行顯著性分析，得到多個(gè)與所述每一光譜圖像對(duì)應(yīng)的顯著性圖。

其中，通過顯著性分析，求解光譜圖像上每個(gè)像素點(diǎn)的顯著性值，找到光譜圖像中的重要信息，得到顯著性圖。

緊接著，在步驟S103中，根據(jù)所述顯著性圖分別對(duì)所述每一光譜圖像進(jìn)行區(qū)域劃分，得到所述每一光譜圖像的感興趣區(qū)域和非感興趣區(qū)域。

具體地，該步驟包括：根據(jù)所述顯著性圖將光譜圖像像素點(diǎn)的顯著性值大于預(yù)設(shè)閾值的區(qū)域劃分為感興趣區(qū)域；根據(jù)所述顯著性圖將光譜圖像像素點(diǎn)的顯著性值小于預(yù)設(shè)閾值的區(qū)域劃分為非感興趣區(qū)域。

在具體的實(shí)施方式中，利用顯著性分析求解得到的像素點(diǎn)的顯著性值介于0到1之間，選取顯著性值0.5為預(yù)設(shè)閾值，根據(jù)顯著性圖對(duì)光譜圖像進(jìn)行劃分，大于預(yù)設(shè)閾值的區(qū)域?yàn)楦信d趣區(qū)域(ROI，region of interest)，小于預(yù)設(shè)閾值的區(qū)域?yàn)榉歉信d趣區(qū)域(NROI，non region of interest)，識(shí)別出圖像的關(guān)鍵區(qū)域，以減少特征點(diǎn)的搜索范圍，提高篩選出特征點(diǎn)的質(zhì)量。

然后，在步驟S104中，利用FAST特征點(diǎn)檢測(cè)算法提取所述每一光譜圖像的感興趣區(qū)域和非感興趣區(qū)域的特征點(diǎn)。

具體地，在該步驟之前，所述方法還包括：

根據(jù)以下公式一計(jì)算得到每個(gè)感興趣區(qū)域的最小對(duì)比率：

根據(jù)以下公式二計(jì)算得到所述非感興趣區(qū)域的最小對(duì)比率：

其中，N表示光譜圖像的感興趣區(qū)域的個(gè)數(shù)，S_i表示光譜圖像第i個(gè)感興趣區(qū)域的面積，表示光譜圖像第i個(gè)感興趣區(qū)域在光譜圖像上的灰度均值，表示光譜圖像第i個(gè)感興趣區(qū)域在與光譜圖像對(duì)應(yīng)的顯著性圖上的均值，σ_i表示光譜圖像第i個(gè)感興趣區(qū)域的顯著性值的方差，INS_mean表示光譜圖像的非感興趣區(qū)域在與光譜圖像對(duì)應(yīng)的顯著性圖上的均值，S′表示光譜圖像的非感興趣區(qū)域的面積，表示光譜圖像第i個(gè)感興趣區(qū)域的最小對(duì)比率，MC_out表示光譜圖像的非感興趣區(qū)域的最小對(duì)比率。

在得到每個(gè)感興趣區(qū)域的最小對(duì)比率和非感興趣區(qū)域的最小對(duì)比率之后，利用FAST(Features from Accelerated Segment Test，快速分割測(cè)試的特征)特征點(diǎn)檢測(cè)算法在每個(gè)感興趣區(qū)域與非感興趣區(qū)域以不同的最小對(duì)比率提取特征點(diǎn)。對(duì)圖像感興趣區(qū)域外與區(qū)域內(nèi)采用不同的特征點(diǎn)搜索策略，滿足不同圖像以及圖像中不同區(qū)域的特征點(diǎn)篩選需求。利用FAST特征點(diǎn)檢測(cè)算法，對(duì)重要信息區(qū)域提取高質(zhì)量特征點(diǎn)，不僅提高了特征點(diǎn)提取的速度，同時(shí)為多個(gè)光譜圖像的精確匹配打下了基礎(chǔ)。

接著，在步驟S105中，基于所述特征點(diǎn)與所述感興趣區(qū)域和所述非感興趣區(qū)域的位置關(guān)系，利用改進(jìn)的EOH特征描述算子對(duì)所述特征點(diǎn)進(jìn)行特征描述，得到特征點(diǎn)的EOH特征。

具體地，該步驟包括：針對(duì)所述特征點(diǎn)的屬性為所述特征點(diǎn)設(shè)置窗寬；利用改進(jìn)的EOH特征描述算子根據(jù)所述特征點(diǎn)的窗寬求解得到與所述特征點(diǎn)對(duì)應(yīng)的EOH特征。

在具體的實(shí)施方式中，根據(jù)特征點(diǎn)的屬性設(shè)置不同的窗寬，即如果特征點(diǎn)p位于感興趣區(qū)域內(nèi)，則窗寬為：

min(d(p,NROI))

其中，窗寬為位于感興趣區(qū)域內(nèi)的特征點(diǎn)p到非感興趣區(qū)域的最小距離。

如果特征點(diǎn)p位于非感興趣區(qū)域，則窗寬為：

$\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{IS}}_{mean}^i\·\min \left(d\right(p,{\mathrm{ROI}}^i\left)\right)}{N}$

其中，ROIⁱ表示光譜圖像的第i個(gè)感興趣區(qū)域，min(d(p,ROIⁱ))表示位于非感興趣區(qū)域內(nèi)的特征點(diǎn)p到光譜圖像第i個(gè)感興趣區(qū)域的最小距離。根據(jù)特征點(diǎn)的窗寬，求解對(duì)應(yīng)的EOH(edge orientation histogram，邊緣方向直方圖)特征。利用改進(jìn)的EOH特征描述算子，根據(jù)不同特征點(diǎn)周圍的信息，對(duì)特征點(diǎn)進(jìn)行描述，使特征點(diǎn)之間的描述區(qū)分度增大，提高多個(gè)光譜圖像上特征點(diǎn)匹配的精度。

最后，在步驟S106中，根據(jù)所述EOH特征對(duì)所述多個(gè)光譜圖像的特征點(diǎn)進(jìn)行匹配，從而實(shí)現(xiàn)多個(gè)光譜圖像的配準(zhǔn)。

具體地，該步驟包括：根據(jù)所述EOH特征計(jì)算得到多個(gè)光譜圖像的特征點(diǎn)的相似度；根據(jù)所述相似度求解匹配特征點(diǎn)；根據(jù)所述匹配特征點(diǎn)求解對(duì)應(yīng)的形變場(chǎng)，實(shí)現(xiàn)多個(gè)光譜圖像的配準(zhǔn)。

優(yōu)選地，所述方法還包括：利用隨機(jī)采樣一致性對(duì)所述匹配特征點(diǎn)進(jìn)行篩選，剔除所述匹配特征點(diǎn)中的誤匹配點(diǎn)。藉此，能夠?qū)崿F(xiàn)多個(gè)光譜圖像的最優(yōu)配準(zhǔn)。

本實(shí)施例通過獲取對(duì)同一物體成像得到的多個(gè)光譜圖像；利用顯著性分析技術(shù)對(duì)每一光譜圖像進(jìn)行顯著性分析，得到與每一光譜圖像對(duì)應(yīng)的顯著性圖；根據(jù)顯著性圖分別對(duì)每一光譜圖像進(jìn)行區(qū)域劃分，得到感興趣區(qū)域和非感興趣區(qū)域；利用FAST特征點(diǎn)檢測(cè)算法提取感興趣區(qū)域和非感興趣區(qū)域的特征點(diǎn)；基于特征點(diǎn)與感興趣區(qū)域和非感興趣區(qū)域的位置關(guān)系，利用EOH特征描述算子對(duì)特征點(diǎn)進(jìn)行特征描述，得到特征點(diǎn)的EOH特征；根據(jù)EOH特征對(duì)多個(gè)光譜圖像的特征點(diǎn)進(jìn)行匹配，實(shí)現(xiàn)多光譜圖像的配準(zhǔn)，不僅能避免多個(gè)光譜圖像對(duì)同一物體成像結(jié)果不同引起的誤匹配，而且還能改善多個(gè)光譜圖像配準(zhǔn)速度慢的問題。

對(duì)于方法實(shí)施例，為了簡(jiǎn)單描述，故將其都表述為一系列的動(dòng)作組合，但是本領(lǐng)域技術(shù)人員應(yīng)該知悉，本發(fā)明實(shí)施例并不受所描述的動(dòng)作順序的限制，因?yàn)橐罁?jù)本發(fā)明實(shí)施例，某些步驟可以采用其他順序或者同時(shí)進(jìn)行。其次，本領(lǐng)域技術(shù)人員也應(yīng)該知悉，說明書中所描述的實(shí)施例均屬于優(yōu)選實(shí)施例，所涉及的動(dòng)作并不一定是本發(fā)明實(shí)施例所必須的。

圖2是本發(fā)明一實(shí)施例提供的基于多個(gè)光譜圖像的配準(zhǔn)裝置的結(jié)構(gòu)示意圖。如圖2所示，本發(fā)明一實(shí)施例提供的基于多個(gè)光譜圖像的配準(zhǔn)裝置包括：

獲取單元201，用于獲取對(duì)同一物體成像得到的多個(gè)光譜圖像；

分析單元202，用于利用顯著性分析技術(shù)對(duì)所述多個(gè)光譜圖像中的每一光譜圖像進(jìn)行顯著性分析，得到多個(gè)與所述每一光譜圖像對(duì)應(yīng)的顯著性圖；

劃分單元203，用于根據(jù)所述顯著性圖分別對(duì)所述每一光譜圖像進(jìn)行區(qū)域劃分，得到所述每一光譜圖像的感興趣區(qū)域和非感興趣區(qū)域；

提取單元204，用于利用FAST特征點(diǎn)檢測(cè)算法提取所述每一光譜圖像的感興趣區(qū)域和非感興趣區(qū)域的特征點(diǎn)；

描述單元205，用于基于所述特征點(diǎn)與所述感興趣區(qū)域和所述非感興趣區(qū)域的位置關(guān)系，利用改進(jìn)的EOH特征描述算子對(duì)所述特征點(diǎn)進(jìn)行特征描述，得到特征點(diǎn)的EOH特征；

配準(zhǔn)單元206，用于根據(jù)所述EOH特征對(duì)所述多個(gè)光譜圖像的特征點(diǎn)進(jìn)行匹配，從而實(shí)現(xiàn)多個(gè)光譜圖像的配準(zhǔn)。

在本發(fā)明一可選實(shí)施方式中，所述劃分單元203，具體用于：

根據(jù)所述顯著性圖將光譜圖像像素點(diǎn)的顯著性值大于預(yù)設(shè)閾值的區(qū)域劃分為感興趣區(qū)域；

根據(jù)所述顯著性圖將光譜圖像像素點(diǎn)的顯著性值小于預(yù)設(shè)閾值的區(qū)域劃分為非感興趣區(qū)域。

在本發(fā)明一可選實(shí)施方式中，所述描述單元205，具體用于：

針對(duì)所述特征點(diǎn)的屬性為所述特征點(diǎn)設(shè)置窗寬；

利用改進(jìn)的EOH特征描述算子根據(jù)所述特征點(diǎn)的窗寬求解得到與所述特征點(diǎn)對(duì)應(yīng)的EOH特征。

在本發(fā)明一可選實(shí)施方式中，所述配準(zhǔn)單元206，具體用于：

根據(jù)所述EOH特征計(jì)算得到多個(gè)光譜圖像的特征點(diǎn)的相似度；

根據(jù)所述相似度求解匹配特征點(diǎn)；

根據(jù)所述匹配特征點(diǎn)求解對(duì)應(yīng)的形變場(chǎng)，實(shí)現(xiàn)多個(gè)光譜圖像的配準(zhǔn)。

對(duì)于本發(fā)明一實(shí)施例提供的基于多個(gè)光譜圖像的配準(zhǔn)裝置中還涉及的具體細(xì)節(jié)已在本發(fā)明一實(shí)施例提供的基于多個(gè)光譜圖像的配準(zhǔn)方法中作了詳細(xì)的描述，在此不再贅述。

應(yīng)當(dāng)注意的是，在本發(fā)明的系統(tǒng)的各個(gè)部件中，根據(jù)其要實(shí)現(xiàn)的功能而對(duì)其中的部件進(jìn)行了邏輯劃分，但是，本發(fā)明不受限于此，可以根據(jù)需要對(duì)各個(gè)部件進(jìn)行重新劃分或者組合，例如，可以將一些部件組合為單個(gè)部件，或者可以將一些部件進(jìn)一步分解為更多的子部件。

本發(fā)明的各個(gè)部件實(shí)施例可以以硬件實(shí)現(xiàn)，或者以在一個(gè)或者多個(gè)處理器上運(yùn)行的軟件模塊實(shí)現(xiàn)，或者以它們的組合實(shí)現(xiàn)。本領(lǐng)域的技術(shù)人員應(yīng)當(dāng)理解，可以在實(shí)踐中使用微處理器或者數(shù)字信號(hào)處理器(DSP)來實(shí)現(xiàn)根據(jù)本發(fā)明實(shí)施例的系統(tǒng)中的一些或者全部部件的一些或者全部功能。本發(fā)明還可以實(shí)現(xiàn)為用于執(zhí)行這里所描述的方法的一部分或者全部的設(shè)備或者裝置程序(例如，計(jì)算機(jī)程序和計(jì)算機(jī)程序產(chǎn)品)。這樣的實(shí)現(xiàn)本發(fā)明的程序可以存儲(chǔ)在計(jì)算機(jī)可讀介質(zhì)上，或者可以具有一個(gè)或者多個(gè)信號(hào)的形式。這樣的信號(hào)可以從因特網(wǎng)網(wǎng)站上下載得到，或者在載體信號(hào)上提供，或者以任何其他形式提供。

應(yīng)該注意的是上述實(shí)施例對(duì)本發(fā)明進(jìn)行說明而不是對(duì)本發(fā)明進(jìn)行限制，并且本領(lǐng)域技術(shù)人員在不脫離所附權(quán)利要求的范圍的情況下可設(shè)計(jì)出替換實(shí)施例。在權(quán)利要求中，不應(yīng)將位于括號(hào)之間的任何參考符號(hào)構(gòu)造成對(duì)權(quán)利要求的限制。單詞“包含”不排除存在未列在權(quán)利要求中的元件或步驟。位于元件之前的單詞“一”或“一個(gè)”不排除存在多個(gè)這樣的元件。本發(fā)明可以借助于包括有若干不同元件的硬件以及借助于適當(dāng)編程的計(jì)算機(jī)來實(shí)現(xiàn)。在列舉了若干裝置的單元權(quán)利要求中，這些裝置中的若干個(gè)可以是通過同一個(gè)硬件項(xiàng)來具體體現(xiàn)。單詞第一、第二、以及第三等的使用不表示任何順序?？蓪⑦@些單詞解釋為名稱。

以上實(shí)施方式僅適于說明本發(fā)明，而并非對(duì)本發(fā)明的限制，有關(guān)技術(shù)領(lǐng)域的普通技術(shù)人員，在不脫離本發(fā)明的精神和范圍的情況下，還可以做出各種變化和變型，因此所有等同的技術(shù)方案也屬于本發(fā)明的范疇，本發(fā)明的專利保護(hù)范圍應(yīng)由權(quán)利要求限定。