基于融合特征的SIFT配準算法的制作方法

本發明涉及的是一種圖像處理技術領域的方法，具體是一種基于融合特征的sift配準算法。

背景技術：

圖像配準是圖像處理和計算機視覺領域中的熱點問題，穩定、準確的圖像配準有利于圖像信息的后續研究。圖像匹配方法大致可以分三類：基于圖像灰度的匹配、基于特征的匹配和基于變換域的匹配。由于局部特征匹配不直接依賴于灰度，具有較強的抗干擾性，計算量小，速度快，尺度不變，成為近些年研究的重點。通過實驗對幾種代表性的局部特征算法進行了性能評估，結果表明：sift算法為相對性能較好的局部特征算法。

sift算法主要包括特征點提取、特征點描述和利用特征點描述向量進行配準三個部分。sift算法首先在尺度空間進行特征檢測，并確定特征點的位置和特征點所處的尺度，然后使用特征點鄰域梯度的主方向作為該特征點的方向特征，以實現算子對尺度和方向的無關性。

由于傳統sift算法的特征點是在灰度圖像上提取的，丟失了圖像的顏色特征，因此對于彩色圖像的配準效果不佳。由于顏色不變量保留了彩色圖像的顏色信息，圖像的配準效果顯著增強。但是，對于顏色比較單一的彩色圖像，顏色不變量特征變化不明顯，從而導致提取的特征點數量減少，影響配準效果。

技術實現要素：

針對現有技術存在的不足，本發明在顏色不變量的基礎上，增加了彩色圖像的dlbp紋理特征，構造融合特征灰度圖，并提出了一種基于彩色圖像顏色直方圖的自適應方法來調節融合特征的權重。同時，針對ransac算法計算量大的缺點，提出了一種改進的ransac算法，在一定程度上減少了程序計算量，提高了算法的配準效率。發明內容流程圖如圖1所示，本發明主要包括以下幾個步驟：

第一步，輸入參考圖像和待匹配圖像。

第二步，分別計算兩幅圖像的顏色不變量和dlbp紋理特征，并進行歸一化。

第三步，通過彩色圖像顏色直方圖的標準差計算自適應權重值，并構建融合特征灰度圖。

第四步，計算融合特征灰度圖的積分圖像。

第五步，用sift算法進行特征點提取與配準。

第六步，使用改進的ransac算法去除誤匹配點。

附圖說明

圖1發明內容流程圖；

圖2匹配結果圖；

圖3不同光照亮度下的σ值。

具體實施方式

下面對本發明的實施例作詳細說明：本實施例在以本發明技術方案為前提下進行實施，給出了詳細的實施方式和過程，但本發明的保護范圍不限于下述的實施例。

本實施例選取顏色較為單一的齒輪圖像。首先求得圖像的顏色不變量和dlbp紋理特征以后，就可以構造融合特征灰度圖，灰度值由以下公式給出：

i(x,y)＝(1-σ)h(x,y)+σdlbp(xc,yc)

i(x,y)表示融合特征灰度值，σ表示取值在[0,1]的數。通過調節參數σ就可以改變兩種特征對融合特征灰度值的影響程度。

此外，針對不同彩色圖像的特點，提出了一種自適應的方法，自動調節σ的值。以下為自適應方法的具體流程：分別將彩色圖像的r、g、b三個通道分量平均分為8個區間，每個區間可以存放32個數，即0-31，32-63，…，224-255；每個r、g、b值除以32映射到相應的區間，即0-31為第1區間，32-63為第2區間等等；則彩色圖像轉化為一維總共8*8*8＝512個區間。σ的值可以通過以下公式計算：

式中，n為圖像的像素總數，xi為各個區間的像素點數目，s為標準差，smax為最大標準差。smax在圖像為單色圖像時取得，此時所有像素點都集中在一個區間，其它區間像素點個數為0，標準差取得最大值。標準差s越小，則圖像的顏色變化越明顯，σ值也越小。

計算得出融合特征灰度圖的積分圖像后，用sift算法進行特征點提取與配準，最后采用改進的ransac算法去除誤匹配點。傳統的ransac算法計算變換矩陣h的步驟總結如下：

第一步，確定最大循環次數k和殘差閾值θ，特征點的匹配對數記作m。

第二步，從匹配點集中隨機選取4對特征點，計算變換矩陣h。

第三步，待匹配圖像上剩余的配對點，記作(xb,yb)(b＝1,2,...,m-4)；計算待匹配圖像上的剩余配對點在變換矩陣h下的映射，記作(xb',yb')(b＝1,2,...,m-4)。

第四步，計算(xb',yb')到實際配對點(xi,yi)的距離，記作si(i＝1,2,...,m-4)，若si<θ，則該點為內點，計算所有內點的總數，記作ni(i＝1,2,...,k)。

第五步，重復第二步到第四步，直到達到迭代上限k，找出第四步中最大的ni，則取得最大的ni時的變換矩陣h為最優估計模型。

傳統的ransac算法在每個循環中，都需要計算待匹配圖像上所有配對點在變換矩陣h下的映射(xb',yb')，以及(xb',yb')到參考圖像上實際配對點(xi,yi)的距離si，這個過程需要很大的計算量。為改進這一缺點，本發明提出了一種改進的rnasac算法。針對原算法的第二步進行如下的改進：隨機選擇6對匹配點，并用其中4對計算變換矩陣h；然后檢測余下2對是否在變換矩陣h上，如果這2對匹配點都不在變換矩陣h上，則重新執行第二步，直至余下2對中至少有1對在變換矩陣h上，程序才繼續往下執行。改進的ransac算法直接排除大概率不符合要求的模型，節省了模型不好時第三步和第四步的計算量。

最終的匹配結果圖如圖2所示。本實施在對顏色單一的圖像進行配準時，可以得到最多的匹配點數，匹配效果良好。如圖3所示，在不同光照亮度下，通過σ值的自動調節，使本文算法具有最好的穩定性，配準效果受環境的影響最小。

本實施分別使用改進和未改進的ransac算法去除誤匹配點。實驗結果表明：ransac算法可以有效地去除誤匹配點，并且改進后的rnasac算法去除誤匹配的效果和改進前相當，但是匹配時間有了明顯的縮短。由于本發明的算法需要計算顏色不變量、dlbp紋理特征和σ值，故在sift配準時速度稍慢，但是改進的ransac算法有效地減少了運算量，使得算法總體的效率得到了提高。

技術特征：

技術總結
SIFT(Scale?Invariant?Feature?Transform)即為尺度不變特征變換，它是一種魯棒性良好的配準算法，但其丟失了圖像的顏色特征，因此對于彩色圖像的配準效果不佳。為此，提出了一種基于融合特征的SIFT配準算法。該算法首先利用彩色圖像的顏色不變量和DLBP(Double?Local?Binary?Pattern)紋理特征構造融合特征灰度圖，并提出了一種基于彩色圖像顏色直方圖的自適應方法來調節融合特征的權重；然后，利用SIFT算法在融合特征灰度圖上進行特征點的提取與匹配；最后，使用改進的RANSAC(Random?Sample?Consensus)算法去除誤匹配點。實驗結果表明：對于彩色圖像，此算法有效地增加了提取的特征點數，并加快了配準速率。

技術研發人員：化春鍵;熊雪梅
受保護的技術使用者：江南大學
技術研發日：2017.06.19
技術公布日：2017.09.15