[发明专利]一种基于特征向量的改进光流场模型方法

说明书

本发明公开了一种基于特征向量的改进光流场模型方法：分别构建参考图像和浮动图像的高斯金字塔图像层，分别提取参考图像层和浮动图像层的特征向量；采用特征向量守恒代替传统光流场模型中的亮度守恒假设，构建基于特征向量守恒的能量函数；在每层图像中最小化能量函数，利用光流迭代求解参考图像和浮动图像之间的运动位移场；依据得到的运动位移场，对浮动图像进行矫正，得到配准图像。本发明针对传统的光流场模型无法对大位移形变进行有效配准，以及光流估计中容易出现过平滑问题进行了改进，提高非刚性图像的配准精度，可对存在较大位移形变的非刚性图像进行自动配准，可广泛应用于医学图像处理、图像融合、模式识别等领域。

技术领域

本发明属于计算机视觉领域，更具体的说，是涉及一种基于特征向量的改进光流场模型方法。

背景技术

图像配准是将不同获取时间、不同传感器、不同获取条件下的同一目标的两幅或多幅图像进行物理坐标上的对齐，实现信息的共享和互补，可以使研究人员在面对研究对象时获得更加全面的信息和理解。由于成像条件的不同，同一物体的多幅图像在分辨率、成像模式、灰度属性等方面存在差异。因此对这些图像进行配准，是图像处理研究领域中的一个典型问题和技术难点。

图像配准在航天领域、医学图像处理领域、遥感图像领域、模式识别领域等有着广泛的应用，具有重要的研究价值及意义。图像配准主要分为2大类：刚性图像配准，主要依据参考图像和浮动图像之间的特征点集，建立两幅图像之间的匹配关系，然后利用刚性变换模型，矫正浮动图像，实现参考图像和浮动图像物理坐标上的对齐，该算法目前已经较为成熟；另外一类是非刚性图像配准，非刚性形变具有非线性特征明显、局部变形严重，变换模型不统一等特点，对齐进行配准具有较高的难度。然而在实际中，大多数图像存在非刚性形变，因此提高现有非刚性图像配准算法的性能或进一步寻找更加高效的非刚性图像配准算法是近年来图像配准领域的一个热门研究课题。

光流场算法是一种基于像素的非刚性图像配准算法，通过估计图像中像素点的位移来矫正浮动图像，是一种稠密的位移估计方法，具有较高的估计精度。由于其能量函数需要满足较强的亮度守恒假设，因此对存在大位移形变图像的配准效果不够理想，估计得到的位移场存在较大的误差。

发明内容

本发明的目的是为了克服现有技术中的不足，提供了一种基于特征向量的改进光流场模型方法，针对传统的光流场模型无法对大位移形变进行有效配准,以及光流估计中容易出现过平滑问题进行了改进，用来估计图像中的大位移运动，以提高非刚性图像的配准精度，可对存在较大位移形变的非刚性图像进行自动配准，可广泛应用于医学图像处理、图像融合、模式识别等领域。

本发明的目的是通过以下技术方案实现的。

一种基于特征向量的改进光流场模型方法，包括以下步骤：

步骤一，分别构建参考图像和浮动图像的高斯金字塔图像层，分别提取参考图像层和浮动图像层的特征向量；

步骤二，采用特征向量守恒代替传统光流场模型中的亮度守恒假设，构建基于特征向量守恒的能量函数；在每层图像中最小化能量函数，利用光流迭代求解参考图像和浮动图像之间的运动位移场；

步骤三，依据得到的运动位移场，对浮动图像进行矫正，得到配准图像。

步骤一中特征向量的提取过程：以图像中的每一个像素点(x,y)为中心，取 8×8的邻域窗口，然后在每4×4的小块上计算8个方向的梯度方向直方图，形成 4个种子点，构建32维的特征向量；

每个像素点的幅值和方向按以下公式计算：

式中，I(x,y)表示点(x,y)处像素值；g(x,y)、θ(x,y)分别代表点(x,y)处的幅度和方向。