[发明专利]一种图像配准的综合评价指标生成方法

说明书

本发明公开了一种图像配准的综合评价指标生成方法，其步骤包括：在初始匹配特征点对中随机选取，得到其子集，利用子集计算变换矩阵；计算每对匹配特征点对的匹配误差和所有匹配误差的均值，通过前者小于后者的数目获得累积误差消除指标Z；计算参考图像中不同匹配特征点对间距离总和，将参考图像划分图像块，统计其中的匹配特征点对占比与其最大值和最小值之差，获得分布指标P；计算每对匹配特征点对的匹配量化误差并求和，得到匹配量化误差指标O；计算所有匹配特征点对匹配误差均值并求出均值量化误差指标R；将Z、P、O和R组合计算最终的综合评价指标RE。本发明能够有效解决RMSE类似评价指标会受到特征点数目和误差均值影响的问题。

技术领域

本发明属于图像处理技术领域，涉及图像配准的评价指标，特别是一种图像配准的综合评价指标生成方法，可以消除特征点匹配评价的“累积误差”、度量匹配特征点对分布，度量不同误差的匹配特征点对对配准结果的不同影响，并且能够把对匹配特征点对的度量结果和对图像配准结果的度量结果对应起来。

背景技术

由于同一传感器在不同时刻拍摄某个目标，或者不同传感器拍摄某个目标，都会在位置、角度等方面存在差异，甚至经常出现图像的畸变。而这种差异和畸变会对图像的变化检测、图像的拼接融合等产生极大的干扰。为了解决这个问题，就需要运用到图像配准技术。但是每种配准方法得到的配准结果的精确度都会有所不同，因而为了比较配准结果的优劣，就需要对配准结果进行评价。评价指标的准确性是评价图像配准的关键因素。

对于图像配准的评价指标，前人已经做了许多工作。而在基于特征点的图像配准方法中，得到配准结果后，不仅要对配准结果进行比较分析，还要对匹配特征点对的精度进行判断，找出配准精度较高的算法，因为在基于特征点的图像配准方法中，决定配准结果精确度的就是匹配特征点对的精度，而这就需要用到相关的评价指标对算法进行评定。

在当前已有的图像配准的相关文献中，已经提出或使用了多种客观评价指标，其中比较常用的有单阈值法、均方根误差(Root Mean Square Error，RMSE)、互信息(MutualInformation，MI)等。

单阈值法经常应用于基于特征点的图像配准评价中，用以判定匹配特征点对的匹配正确或错误。Mikolajczyk 2005年在文献“A performance evaluation of localdescriptors”(IEEE transactions on pattern analysis and machine intelligence,2005,27(10):1615-1630)对经典的特征描述子进行比较时，评价指标中判断匹配正误使用了“重叠误差”以及区域的交集和并集，并使用单个阈值区分正确匹配特征点对和错误匹配特征点对。2017年Zhao M等人在文献“A Recovery and Filtering Vertex TrichotomyMatching for Remote Sensing Image Registration”(IEEE Transactions onGeoscience and Remote Sensing,2017,55(1):375-391)中判断正确匹配特征点对和错误匹配特征点对时也使用了“单阈值”的方法，将一对匹配特征点对中一个匹配点经过仿射变换模型变换后的位置和另一个匹配点的位置进行比较，相差在2个像素以内的匹配特征点对认为匹配正确，否则认为匹配错误。单阈值法的优点是判断简单，只需要一个阈值就能判断匹配特征点对的正误，能够在一定程度上对匹配正误以及匹配特征点对的精度进行区分。但是这种评价方法中阈值的选定受人为影响较大，没有相对固定的标准，导致相同的匹配特征点对的评价结果可能不同；且该评价方法无法显示不同误差的匹配特征点对对配准结果的不同影响。