[发明专利]一种新型的次像素配准方法

说明书

技术领域

本发明涉及图像处理方法，尤其涉及数学模型算法的一种新型的次像素配准方法。

背景技术

图像配准(Image registration)在电脑视觉(computer vision)，机械视觉(machine vision)，图像理解(Image Understanding)及图像视频压缩等多个领域都作为一项核心技术。图像配准在三维电影后期制作的应用则刚刚开始。在三维电影后期制作领域中，图像配准主要是将在不同传感器(距离传感器及图像传感器)，不同摄像角度(两个在不同位置的摄像机)所获取的图像进行匹配及叠加以获得三维后期制作所需要的一系列参数。

机械视觉，视频压缩等方面对于图像配准(Image registration)都有很高的精度要求。很多情况下除了要达到整数像素的精确度外，图像配准必须达到次像素(subpixel)的精准度。本说明书的附图1显示了1/2次像素的位置，其中黑点为整数像素，白点为介于整数像素中间的1/2次像素位置。

在次像素区域内的配准可以分为两种。一种是基于搜索的方法。这种方法是目前使用较多的方法。该方法先使用插补(Interpolation)的办法将原图放大到次像素需要的大小，放大后，使用与整数像素配准相同的SSD等算法对次像素进行一个一个的比较，找出最佳匹配点(match point)。SSD的公式为

E(Δx，Δy)＝∑[s(x，y)-c(x₀+Δx，y₀+Δy)]

公式1

其中(x₀，y₀)是最佳整数位置，s(x，y)是目标方块，c(x₀+Δx，y₀+Δy)是检索方块，-1＜Δx，Δy＜1。

搜索算法的核心是找出一个可以使E(Δx，Δy)(错误值match error)降到最低的位置偏移值(Δx，Δy)。这种算法的好处是准确度高，找到的位置为实际最佳位置。坏处是计算复杂，现在比较常用的插补算法本身计算量也比较大，经过插补放大后的图像对电脑内存要求高，再加上需要把一个一个像素进行比较，尤其是在搜索用的宏块本身较大的时候，计算量就变得非常的大。在实际操作的时候，系统的局限性使得这种算法的局限性比较高，一般这种算法普遍使用在视频压缩领域里。

由于搜索算法对于精度及宏块尺寸的限制，对于精度要求更高以及搜索宏块尺寸较大的领域，例如机械视觉等，一般会采用另一种方法：利用结合整数像素获得的错误数据(match error)与数学模型的算法去模拟次像素的错误面(error surface)，然后利用模型来算出最佳配准点。这种算法的优点是速度快，对内存要求低，对于大面积区域配准比较适合。并且理论上这种算法可以满足任何需要的次像素精确度。但目前的数学模型对与错误面的模拟过于简单，只能对特定的图像有比较好的效果；实际应用上有些图像的错误率过高。本说明书的附图2显示了现有数学模型算法在实际试验中获得的比较典型的错误面。由于这种不确定性，这种算法的使用范围局限性比较大。

三维制作相对压缩及工业机器人有所不同，一方面对于精确度的要求高，另一方面由于是电影、电视的关系，对于图像环境也无法进行有效的控制，因此现在这两种算法都不能很好地解决三维影视制作所要求的次像素配准。

发明内容

为了克服现有技术的缺陷，本发明采用了一种新型的次像素配准方法，能在降低计算复杂度的情况下对次像素进行高精度配准。

本发明的技术方案包括以下步骤：

1)首先第一步在Δx＝(-1，0，1)上计算出对应的Y轴上的最佳位置

2)第二步将已获得的最佳配准位置看作一个二次函数上的三个点，获得理论错误量，并将最佳理论位置及理论错误量带入一个新的二次函数，解出切面上的最小值(Δx_v，Δy_v)；

3)第三步在Δy＝(-1，0，1)上计算出对应的X轴上的最佳位置

4)第四步将已经获得最佳配准位置看为一个二次函数上的三个点，获得理论错误量，并将最佳理论位置及理论错误量带入一个新的二次函数，解出在切面上的最小值(Δx_h，Δy_h)；

5)第五步利用已经取得的两个位置(Δx_v，Δy_v)，(Δx_h，Δy_h)，在这两个位置附近选出两点位置形成两条线，这两条线的交叉点为最佳次像素配准点。