專利名稱：一種高精度圖像自動配準方法
技術領域：
本發明涉及一種配準方法，尤其涉及一種高精度圖像自動配準方法。
背景技術：
數字圖像配準技術作為模式識別和數字圖像處理的一種基本手段，在導航、成像制導、地圖與地形匹配及變化檢測等方面有廣泛應用。基于特征的圖像配準方法是目前最常用的方法之一。其優點是能夠將對整個圖像的分析轉化為對圖像特征的分析，大大減小圖像處理過程的運算量，對灰度變化、圖像變形以及遮擋等都有較好的適應能力。基于特征的影像配準方法主要包括特征提取、特征匹配、配準模型選擇及其參數估計3個主要步驟。目前的研究主要集中在特征提取與匹配這兩個關鍵步驟上。通常的做法是在兩幅圖像中檢測或選取角點、線段交點、封閉區域及邊緣等特征，然后基于灰度相關、鏈碼相關、不變矩之間的距離、動態規劃和松弛法等確定這些特征的對應關系，以獲得遙感影像配準所需的控制點。近年來，源于計算機視覺的以尺度不變特征變換算法(Scale·Invariant Feature Transform, SIFT)為代表的基于局部不變特征提取與描述的特征匹配方法在影像配準方面得到了較為廣泛地研究和應用，在一定程度上解決了場景部分遮擋、旋轉縮放、視點變化引起的圖像變形等問題。由于影像成像條件的復雜性，現有的影像匹配方法都不可避免地產生誤匹配。因此，選擇合適的匹配約束條件以獲得一定數量的較為可靠的匹配特征是影像配準中的關鍵問題。一種直接的策略是針對初始匹配結果，采用雙向匹配和隨機采樣一致性(RandomSample Consensus, RANSAC)算法進行匹配驗證。另外一種策略是基于較為可靠的初始匹配結果估計影像的粗配準參數，并以此進行幾何約束獲得更多的匹配特征、提高配準精度。如蘇娟等首先采用基于特征一致的粗配準方法獲得影像的初始變換參數，并將其用于直線特征的約束匹配，最終以直線的交點作為最終配準用的控制點；韋燕鳳等首先基于邊界鏈碼相關和區域不變矩匹配策略建立封閉邊界的對應，并對對應重心即匹配點對進行一致性檢測獲得基元控制點，然后估計影像的初始仿射變換參數并對影像進行初始仿射變換，在此基礎上進一步通過顯著點片的相關系數匹配來增加控制點個數；類似的，YU等首先利用SIFT方法進行初始匹配并對影像進行粗配準變換，在變換后的影像上基于Harris特征點和相關系數匹配獲得比初始匹配更多的基元控制點。
發明內容
基于上述第二種匹配策略，本文提出一種基于SIFT特征的魯棒圖像匹配算法。算法首先綜合利用SIFT特征匹配方法和基于SIFT特征尺度和方位信息的自適應歸一化互相關(Normalized Cross Correlation,NCC)方法建立初始相關,并基于幾何關系一致性檢測剔除誤匹配；然后在初始相關的基礎上，利用自適應NCC和局部單應約束進行匹配傳播，迭代產生更多的匹配點并采用幾何關系一致性檢測剔除可能的誤匹配。初始單應采用最小二乘匹配(Least Squares Matching, LSM)方法估計得到，并采用自適應NCC為其提供良好的初始值。與現有的基于特征點的圖像配準方法相比，算法在抗幾何變形和配準精度等方面具有優越性。本發明所述的高精度圖像自動配準方法，包括如下步驟步驟一、選取兩幅在寬基線立體條件下針對同一目標體拍攝的影像；步驟二、利用尺度不變特征匹配方法和自適應歸一化互相關方法建立兩幅影像的初始相關，并得到多個初始匹配特征點；步驟三、基于幾何關系一致性原則檢測所述多個初始匹配特征點，以剔除其中的誤匹配特征點；步驟四、基于步驟三中得到的正確初始匹配特征點，再次利用自適應歸一化互相關方法和局部單應約束進行匹配傳播，以迭代產生更多的匹配特征點；步驟五、再次基于幾何關系一致性原則檢測所述迭代產生的匹配特征點，剔除其中的誤匹配特征點；步驟六、重復步驟四中的迭代步驟和步驟五中的剔除步驟，直到得到的正確匹配特征點的個數和分布足以實現兩幅影像的配準為止；步驟七、根據步驟六中得到的所有正確匹配特征點對兩幅影像進行配準。優選的是，所述的高精度圖像自動配準方法中，所述步驟一中的寬基線定義為一個影像上的任意點，在另一個影像上的對應點可以為任意位置。優選的是，所述的高精度圖像自動配準方法中，在所述步驟二中基于尺度不變特征尺度和方位信息進行自適應歸一化互相關方法。優選的是，所述的高精度圖像自動配準方法中，所述步驟二是通過以下方式實現的I)利用基于K-D樹快速搜索和歐氏距離比率的SIFT特征匹配算法建立匹配點集Ms ；2)利用自適應歸一化互相關方法對匹配點集Ms進行匹配驗證，剔除自適應歸一化互相關系數小于給定閾值的同名點對，將其余的匹配點集作為初始匹配特征點。優選的是，所述的高精度圖像自動配準方法中，所述給定閾值為0.60。優選的是，所述的高精度圖像自動配準方法中，所述步驟三是通過以下方式實現的采用基于投影變換模型的幾何關系一致性原則算法對所述初始匹配特征點進行幾何關系一致性檢測，進一步剔除外點后獲得最終的初始匹配結果，即正確初始匹配特征點。優選的是，所述的高精度圖像自動配準方法中，所述步驟四是通過以下方式實現的I)將正確初始匹配特征點根據自適應歸一化互相關系數進行降序排列，選取自適應歸一化互相關系數最大的一對特征點匹配種子，記為mi ；2)對mi進行最小二乘匹配，獲得該對種子的最大支持區及其對應鄰域的局部單應矩陣Hi ；3)進行初始匹配傳播基于由最大支持區域定義的第一基準窗口及其對應鄰域的局部單應矩陣Hi，采用自適應歸一化互相關方法進行初始匹配傳播，將獲得的匹配點集記入匹配特征點集，并將mi加入到匹配特征點集，此外，按照預定的步長將基準窗口擴展到第一增長區域，如果第一增長區域內的匹配點用自適應歸一化互相關方法能夠再次成功、匹配，則將其加入到匹配特征點集，否則，將其從匹配特征點集中刪除；4)進行迭代匹配傳播計算兩幅影像的同名特征點的重心，并進行重心化，根據重心化后的同名特征點，用直接線性變換算法計算一新單應矩陣H'，基于同名特征點的最大支持區域定義的第二基準窗口和基于同名特征點的重心在第二基準窗口的基礎上繼續擴大影像窗口區域獲得一新擴展窗口，定義第二增長區域為第二基準窗口和新擴展窗口的交集，對每次迭代產生的第二增長區域內的匹配點用自適應歸一化互相關方法能夠再次成功匹配，則將其加入到匹配特征點集，否則，將其從正確匹配特征點集中刪除。5)重復步驟I) 4)，直至沒有新增匹配點，得到最終匹配特征點集M。
優選的是，所述的高精度圖像自動配準方法中，所述預定的步長為50像素。本發明利用SIFT尺度不變特征點的尺度和方位特性，提出了一種基于SIFT特征的兩階段圖像配準方法，并同現有的基于特征點的影像配準方法進行了綜合對比分析。表明本文算法在配準控制點的數量和配準精度及影像幾何變形的適應性等方面具有較大優勢。進一步的研究將通過融合與SIFT特征點具有互補特性的特征(如Harris特征點)，以提高匹配傳播的魯棒性。
圖I為本發明所述的基于局部單應約束的匹配傳播的示意圖；圖2為基于種子點的匹配傳播過程的示意圖，其中(a)為初始種子匹配，(b)為初始匹配傳播，(C)為第I次迭代匹配傳播。
具體實施例方式下面結合附圖對本發明做進一步的詳細說明，以令本領域技術人員參照說明書文字能夠據以實施。如圖I、圖2所示，本發明所述的高精度圖像自動配準方法，包括如下步驟首先進行特征提取采用SIFT算法提取配準特征點。SIFT算法主要包括尺度空間極值點檢測、特征點主方位確定、特征描述符生成及特征匹配4個主要步驟。SIFT特征是圖像的局部特征，具有多量性、獨特性好和信息量豐富的特點，且其對旋轉、尺度縮放、亮度變換保持不變性，對視點變化、仿射變換、圖像噪聲等也保持一定程度的不變性。根據SIFT算法的原理，本文將SIFT特征點表達為f = (x，O，0，d)，其中X = (x，y)T、o和0分別代表特征點的位置、特征尺度(characteristic scale)和主方位(dominant orientation), d 代表 128 維的SIFT特征描述符。然后進行特征匹配本文特征匹配方法包括初始匹配和匹配傳播兩個階段。除SIFT特征匹配方法外，涉及到的匹配方法主要有基于SIFT的LSM和自適應NCC匹配兩種。接下來首先給出上述兩種匹配方法的基本原理，然后闡述本文特征匹配方法的具體策略。3. I基于SIFT的最小二乘及自適應NCC匹配假設f= (x，o, 0，d)和f' = (x/，O ' , 9 /，d')為基準影像和參考影像中檢測到的一對同名SIFT特征點，以X和X'為坐標原點(中心)的兩個鄰域窗口記為N(X)和N(x')，其中N(x)的大小為(2w+l) X (2w+l)。利用平面單應H(2維投影變換)近似兩個鄰域窗口之間的幾何關系，則有下式成立
權利要求
1.一種高精度圖像自動配準方法，其特征在于，包括如下步驟 步驟一、選取兩幅在寬基線立體條件下針對同一目標體拍攝的影像； 步驟二、利用尺度不變特征匹配方法和自適應歸一化互相關方法建立兩幅影像的初始相關，并得到多個初始匹配特征點； 步驟三、基于幾何關系一致性原則檢測所述多個初始匹配特征點，以剔除其中的誤匹配特征點； 步驟四、基于步驟三中得到的正確初始匹配特征點，再次利用自適應歸一化互相關方法和局部單應約束進行匹配傳播，以迭代產生更多的匹配特征點； 步驟五、再次基于幾何關系一致性原則檢測所述迭代產生的匹配特征點，剔除其中的誤匹配特征點； 步驟六、重復步驟四中的迭代步驟和步驟五中的剔除步驟，直到得到的正確匹配特征點的個數和分布足以實現兩幅影像的配準為止； 步驟七、根據步驟六中得到的所有正確匹配特征點對兩幅影像進行配準。
2.如權利要求I所述的高精度圖像自動配準方法，其特征在于，所述步驟一中的寬基線定義為一個影像上的任意點，在另一個影像上的對應點可以為任意位置。
3.如權利要求I所述的高精度圖像自動配準方法，其特征在于，在所述步驟二中基于尺度不變特征尺度和方位信息進行自適應歸一化互相關方法。
4.如權利要求3所述的高精度圖像自動配準方法，其特征在于，所述步驟二是通過以下方式實現的 1)利用基于K-D樹快速搜索和歐氏距離比率的SIFT特征匹配算法建立匹配點集Ms； 2)利用自適應歸一化互相關方法對匹配點集Ms進行匹配驗證，剔除自適應歸一化互相關系數小于給定閾值的同名點對，將其余的匹配點集作為初始匹配特征點。
5.如權利要求4所述的高精度圖像自動配準方法，其特征在于，所述給定閾值為0.60。
6.如權利要求4所述的高精度圖像自動配準方法，其特征在于，所述步驟三是通過以下方式實現的采用基于投影變換模型的幾何關系一致性原則算法對所述初始匹配特征點進行幾何關系一致性檢測，進一步剔除外點后獲得最終的初始匹配結果，即正確初始匹配特征點。
7.如權利要求6所述的高精度圖像自動配準方法，其特征在于，所述步驟四是通過以下方式實現的 1)將正確初始匹配特征點根據自適應歸一化互相關系數進行降序排列，選取自適應歸一化互相關系數最大的一對特征點匹配種子，記為mi ； 2)對mi進行最小二乘匹配，獲得該對種子的最大支持區及其對應鄰域的局部單應矩陣Hi ； 3)進行初始匹配傳播基于由最大支持區域定義的第一基準窗口及其對應鄰域的局部單應矩陣Hi，采用自適應歸一化互相關方法進行初始匹配傳播，將獲得的匹配點集記入匹配特征點集，并將mi加入到匹配特征點集，此外，按照預定的步長將基準窗口擴展到第一增長區域，如果第一增長區域內的匹配點用自適應歸一化互相關方法能夠再次成功匹配，則將其加入到匹配特征點集，否則，將其從匹配特征點集中刪除； 4)進行迭代匹配傳播計算兩幅影像的同名特征點的重心，并進行重心化，根據重心化后的同名特征點，用直接線性變換算法計算一新單應矩陣H'，基于同名特征點的最大支持區域定義的第二基準窗口和基于同名特征點的重心在第二基準窗口的基礎上繼續擴大影像窗口區域獲得一新擴展窗口，定義第二增長區域為第二基準窗口和新擴展窗口的交集，對每次迭代產生的第二增長區域內的匹配點用自適應歸一化互相關方法能夠再次成功匹配，則將其加入到匹配特征點集，否則，將其從正確匹配特征點集中刪除。
5)重復步驟I) 4)，直至沒有新增匹配點，得到最終匹配特征點集M。
8.如權利要求7所述的高精度圖像自動配準方法，其特征在于，所述預定的步長為50像素
全文摘要
本發明公開了一種高精度圖像自動配準方法，包括如下步驟步驟一、選取兩幅在寬基線立體條件下針對同一目標體拍攝的影像；步驟二、利用SIFT特征匹配方法和自適應歸一化互相關方法建立兩幅影像的初始相關，并得到多個初始匹配特征點；步驟四、基于步驟三中得到的正確初始匹配特征點，再次利用自適應歸一化互相關方法和局部單應約束進行匹配傳播，以迭代產生更多的匹配特征點；步驟五、再次基于幾何關系一致性原則檢測所述迭代產生的匹配特征點，剔除其中的誤匹配特征點；步驟七、根據步驟六中得到的所有正確匹配特征點對兩幅影像進行配準。與現有的基于SIFT特征的圖像配準方法相比，算法在抗幾何變形和配準精度等方面具有優越性。
文檔編號G06K9/46GK102750537SQ20121014070
公開日2012年10月24日 申請日期2012年5月8日 優先權日2012年5月8日
發明者卞和方, 張書畢, 張秋昭, 楊化超 申請人:中國礦業大學