[发明专利]图像配准方法

说明书

技术领域

本发明涉及图像处理领域，具体地，涉及一种图像配准方法。

背景技术

随着新型传感器的不断涌现，人们获取图像的能力迅速提高，不同物理特征的传感器所产生的图像也不断增多。由于不同图像传感器获取的数字图像存在明显的局限性和差异性，所以仅仅利用一种图像数据往往难以满足实际需求。第二图像主要是通过获取可见光部分的信息，具有分辨率高，成像清晰的特点，但是难以分辨经过伪装与遮蔽的物体，并且在光线暗处的成像效果较差。红外图像主要是通过红外传感器接收红外波段的信息，可以反映区域内的热辐射的不同，可以揭示经过伪装与遮蔽的物体，并且可以反映暗处的情景。为此，需要通过图像配准技术将可将光传感器与红外获取的图像综合起来使用，达到对目标更全面、清晰、准确的理解和认识的目的。

现有技术中，图像配准技术主要分为三类：基于灰度信息的方法、基于特征的方法和变换域求解的方法。基于灰度的配准方法是直接利用图像的灰度度量两幅图像之间的相似性，然后，采用搜索的方法寻找使相似性度量最大或最小值点，从而确定两幅图像之间的变换模型参数。基于灰度的配准方法存在的缺点在于计算量大，两幅图像之间不能有缺失，对缩放旋转和扭曲较为敏感。基于特征的配准方法，是在两幅图像上分别提取图像特征，如轮廓、角点等，对提取的两组特征进行配准，取得的配准参数即为两幅图像的配准参数。变换域求解的方法是利用频率下傅里叶变换的平移性质和相位特性来检测图像之间的平移矢量，但是该方法对于缩放和扭曲敏感。

需要一种新的图像配准方法，在降低运算量的基础上，保持很强的鲁棒性，还能够适用于不同源图像的配准问题。

发明内容

本发明的目的在于提供一种基于特征点集间最小距离之和的、尤其用于红外图像与第二图像的配准方法，在待配准的红外图像和第二图像通过角点检测提取特征点集，通过构建基于点集间最小距离之和的目标函数，将配准问题转换为求目标函数的极小值问题。求解该目标函数所取得的参数即为配准的参数，用该配准参数对红外图像与第二图像实施配准。本发明降低了计算的规模，具有运算简洁高效的特点，具有很强的鲁棒性，特别适合不同源图像的配准问题。

根据本发明的一个主要方面，提供一种图像配准方法，其包括如下步骤：

(a)分别得到第一图像与第二图像的特征点集；

(b)以其中一个特征点集为目标点集，另一个特征点集为浮动点集，浮动点集内每个点经过变换得到映射点集；

(c)计算映射点集与目标点集各个点之间的距离矩阵，并根据距离矩阵，得到点集内各个点距离对方点集的最短距离；

(d)对全体最短距离进行求和，以此构建目标函数；

(e)求目标函数的极小值，得到的参数即为特征点集的配准参数；以及

(f)利用求得的配准参数对第一图像与第二图像进行配准。

根据本发明的一个方面，第一图像是红外图像。

根据本发明的一个方面，第二图像是可见光图像。

根据本发明的一个方面，采用角点检测法得到图像的特征点集。

根据本发明的一个方面，角点检测法包括Harris角点检测法。

根据本发明的一个方面，变换包括平移、旋转、缩放。

根据本发明的一个方面，配准参数包括平移、旋转、缩放的参数。

应当认识到，本发明以上各方面中的特征可以在本发明的范围内自由组合，而并不受其顺序的限制——只要组合后的技术方案落在本发明的实质精神内。

附图说明

为了更清楚地说明本发明中的技术方案，下面将对本发明的附图作简单地介绍，其中：

图1显示了本发明方法的流程图；

具体实施方式

下文将结合本发明的优选实施例对本发明的技术方案进行详细说明。

需要明白，下文的描述(包括附图)仅仅是示例性的，而非对本发明的限制性描述。在以下描述中会涉及到部件的具体数量，然而也需要明白的是，这些数量也仅仅是示例性的，本领域技术人员可以参照本发明任意选取适当数量的部件。并且，在本发明中所提及的“第一”、“第二”等字眼，并非表示对部件重要性的排序，仅仅作区别部件名称之用。

图1显示了本发明方法的流程图。

在本发明的一个实施例中，其主要步骤如下：