基于級聯結構的圖像配準方法及裝置的制造方法
【技術領域】
[0001] 本發明設及圖像配準領域，尤其設及一種基于級聯結構的圖像配準方法及裝置。
【背景技術】
[0002] 圖像配準是圖像處理的一個基本問題，用于將不同時間、不同傳感器或不同條件 下獲取的兩幅或多幅圖像在空間上進行對準。圖像配準有著廣泛的實際意義和應用范圍， 應用設及遙感圖像處理、醫學圖像處理、目標識別、全景圖像拼接等多個領域。
[0003] 目前，常用的圖像配準算法就是基于特征點的配準，基于尺度不變特征轉換 (Scale-InvariantFea1:ureTransform,簡稱SIFT)算法結合隨機抽樣一致（RANdom SAmpleConsensus,簡稱RANSAC)算法屬于基于特征點的配準方法，實現過程首先利用 SIFT算法檢測實現過程首先檢測參考圖像和輸入圖像的特征點并計算每個特征點的描述 符，然后在參考圖像的特征點中捜索與輸入圖像特征點的相似度最大的點，得到粗匹配，得 到粗匹配后采用RANSAC算法提出錯誤的匹配對，并得到參考圖像和輸入圖像的變換矩陣。
[0004] 然而，RANSAC算法對于粗匹配的準確性有要求，當圖像為多光譜圖像或者圖像的 拍攝角度差別較大時，由SIFT算法得到的粗匹配的準確率很低時，直接使用RANSAC算法并 不能得到正確的結果，甚至會得到完全錯誤的結果，從而導致將參考圖像和所述輸入圖像 在空間上進行對準處理后，獲得的輸出圖像分辨率不高，甚至完全不清楚。
【發明內容】
[0005] 本發明提供一種基于級聯結構的圖像配準方法及裝置，通過使用級聯結構逐級剔 除錯誤的粗匹配對，滿足RANSAC算法對粗匹配對的準確性的要求，使得匹配結果更加準 確，保證輸出圖像的分辨率和清晰度。
[0006] 本發明提供一種基于級聯結構的圖像配準方法，包括：
[0007] 對參考圖像的特征點和輸入圖像的特征點進行雙向匹配處理，獲取第一粗匹配 組；
[000引根據預設置信度，對所述第一粗匹配組中的匹配對進行剔除，獲取第二粗匹配組； 其中，從所述第一粗匹配組中剔除的匹配對的相似度低于所述預設置信度；
[0009] 根據預設闊值，對所述第二粗匹配組中的匹配對進行剔除，獲取第S粗匹配組；其 中，從所述第二粗匹配組中剔除的匹配對中任意兩個匹配對之間的灰度距離或者空間距離 大于所述預設闊值；
[0010] 采用RANSAC算法，對所述第=粗匹配組中的匹配對進行處理，獲取對應的變換矩 陣；
[0011] 根據所述變換矩陣，將所述參考圖像和所述輸入圖像在空間上進行對準處理，W 獲取輸出圖像。
[0012] 本發明還提供一種基于級聯結構的圖像配準裝置，包括：
[0013] 匹配模塊，用于對參考圖像的特征點和輸入圖像的特征點進行雙向匹配處理，獲 取第一粗匹配組；
[0014] 第一剔除模塊，用于根據預設置信度，對所述第一粗匹配組中的匹配對進行剔除， 獲取第二粗匹配組；其中，從所述第一粗匹配組中剔除的匹配對的相似度低于所述預設置 信度；
[0015] 第二剔除模塊，用于根據預設闊值，對所述第二粗匹配組中的匹配對進行剔除，獲 取第=粗匹配組；其中，從所述第二粗匹配組中剔除的匹配對中任意兩個匹配對之間的灰 度距離或者空間距離大于所述預設闊值；
[0016] 處理模塊，用于采用RANSAC算法，對所述第=粗匹配組中的匹配對進行處理，獲 取對應的變換矩陣；
[0017] 獲取模塊，用于根據所述變換矩陣，將所述參考圖像和所述輸入圖像在空間上進 行對準處理，W獲取輸出圖像。
[001引本發明提供的一種基于級聯結構的圖像配準方法及裝置，其方法通過對參考圖像 的特征點和輸入圖像的特征點進行雙向匹配處理，獲取第一粗匹配組；根據預設置信度，對 所述第一粗匹配組中的匹配對進行剔除，獲取第二粗匹配組；其中，從所述第一粗匹配組中 剔除的匹配對的相似度低于所述預設置信度；根據預設闊值，對所述第二粗匹配組中的匹 配對進行剔除，獲取第=粗匹配組；其中，從所述第二粗匹配組中剔除的匹配對中任意兩個 匹配對之間的灰度距離或者空間距離大于所述預設闊值；采用RANSAC算法，對所述第=粗 匹配組中的匹配對進行處理，獲取對應的變換矩陣；根據所述變換矩陣，將所述參考圖像 和所述輸入圖像在空間上進行對準處理，W獲取輸出圖像。本發明通過使用級聯結構逐級 剔除錯誤的粗匹配對，滿足RANSAC算法對粗匹配對的準確性的要求，使得匹配結果更加準 確，保證輸出圖像的分辨率和清晰度。
【附圖說明】
[0019] 圖1為本發明第一實施例的基于級聯結構的圖像配準方法的流程圖；
[0020] 圖2為本發明第二實施例的基于級聯結構的圖像配準方法的流程圖；
[0021] 圖3為本發明第=實施例的基于級聯結構的圖像配準方法的流程圖；
[0022] 圖4為本發明第四實施例的基于級聯結構的圖像配準方法的流程圖；
[0023] 圖5為本發明第五實施例的基于級聯結構的圖像配準方法的流程圖；
[0024] 圖6為本發明第六實施例的基于級聯結構的圖像配準方法的流程圖；
[0025] 圖7為本發明第走實施例的基于級聯結構的圖像配準裝置的結構示意圖；
[0026] 圖8為本發明第^;：實施例中匹配模塊的結構示意圖；
[0027] 圖9為本發明第走實施例中第二剔除模塊的結構示意圖；
[002引圖10為本發明第走實施例中第二剔除模塊的另一結構示意圖。
【具體實施方式】
[0029] 下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完 整地描述，顯然，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例。基于 本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他 實施例，都屬于本發明保護的范圍。
[0030] 圖1為本發明第一實施例的基于級聯結構的圖像配準方法的流程圖；如圖1所示， 本實施例的基于級聯結構的圖像配準方法，具體可W包括W下步驟：
[0031] 步驟S100、對參考圖像的特征點和輸入圖像的特征點進行雙向匹配處理，獲取第 一粗匹配組。
[0032] 步驟S200、根據預設置信度，對第一粗匹配組中的匹配對進行剔除，獲取第二粗匹 配組。
[0033] 其中，從第一粗匹配組中剔除的匹配對的相似度低于預設置信度。
[0034] 步驟S300、根據預設闊值，對第二粗匹配組中的匹配對進行剔除，獲取第S粗匹配 組。
[0035] 其中，從第二粗匹配組中剔除的匹配對中任意兩個匹配對之間的灰度距離或者空 間距離大于預設闊值。
[0036] 步驟S400、采用RANSAC算法，對第S粗匹配組中的匹配對進行處理，獲取對應的 變換矩陣。
[0037] 步驟S500、根據變換矩陣，將參考圖像和輸入圖像在空間上進行對準處理，W獲取 輸出圖像。
[003引本實施例中提供的一種基于級聯結構的圖像配準方法，通過對參考圖像的特征點 和輸入圖像的特征點進行雙向匹配處理，獲取第一粗匹配組；根據預設置信度，對第一粗匹 配組中的匹配對進行剔除，獲取第二粗匹配組；其中，從第一粗匹配組中剔除的匹配對的相 似度低于預設置信度；根據預設闊值，對第二粗匹配組中的匹配對進行剔除，獲取第=粗匹 配組；其中，從第二粗匹配組中剔除的匹配對中任意兩個匹配對之間的灰度距離或者空間 距離大于預設闊值；采用RANSAC算法，對第S粗匹配組中的匹配對進行處理，獲取對應的 變換矩陣；根據變換矩陣，將參考圖像和輸入圖像在空間上進行對準處理，W獲取輸出圖 像。本發明通過使用級聯結構逐級剔除錯誤的粗匹配對，滿足RANSAC算法對粗匹配對的準 確性的要求，使得匹配結果更加準確，保證輸出圖像的分辨率和清晰度。
[0039] 圖2為本發明第二實施例的基于級聯結構的圖像配準方法的流程圖，在本發明第 一實施例的技術方案的基礎上，如圖2所示，步驟S100,具體可W包括如下步驟：
[0040] 步驟S101、采用SIFT算法，分別檢測獲取參考圖像的特征點化(X，y)Ii= 1，2,. . .，m}和對應的描述符，W及輸入圖像的特征點y)Ij= 1，2,. . .，n}和對應的 描述符。
[0041] 其中，特征點的信息包括特征點的坐標、尺度和方向；描述符包括特征點的信息和 特征點周圍的像素點信息，具體的，描述符包括特征點尺度空間內4*4的窗口中計算的8個 方向的梯度信息。
[0042] 具體的，（x，y)為特征點的坐標，m為參考圖像的特征點的數量，n為輸入圖像的特 征點的數量。
[0043] 步驟S102、遍歷所有參考圖像的特征點Ri(x，y)，獲取輸入圖像的特征點Sj.(x，y) 分別與所有參考圖像的特征點Ri(x，y)構成的匹配對化，Sj.)，并從獲取的匹配對化，Sj) 中，將相似度最小的匹配對作為輸入圖像的特征點Sj.(x，y)對應的目標匹配對，將j加1，重 復上述步驟，直至獲取輸入圖像的特征點S。(X，y)對應的目標匹配對，W獲取集合A。
[0044] 其中，j初始時為1，相似度是指匹配對中的輸入圖像的特征點對應的描述符和匹 配對中的參考圖像的特征點對應的描述符之間的歐式距離；集合A包括輸入圖像的特征點Si(x，y)對應的目標匹配對至輸入圖像的特征點S"(x，y)對應的目標匹配對。
[0045] 具體的，描述符之間的距離越小，說明描述符之間差異越小，相似度也就越高。
[0046] 步驟S103、遍歷所有輸入圖像的特征點Sj.(x，y)，獲取參考圖像的特征點Ri(x，y) 分別與所有輸入圖像的特征點Sj.(x，y)構成的匹配對（Sj.，Ri)，并對獲取的匹配對（Sj.，而）按 照其相似度從小到大的順序進行