[发明专利]基于几何不变量的图像配准拼接方法和装置及计算机设备

说明书

本发明公开了一种基于几何不变量的图像配准拼接方法和装置及计算机设备。该方法包括：对参考星图和待配准星图进行二值化处理；计算参考星图和待配准星图的特征点坐标；构造出所有特征点的几何不变量；对参考星图和待配准星图的星点根据几何不变量构造出匹配代价函数；计算代价函数，对参考星图和待配准星图的特征点进行匹配；随机抽取N组匹配点对，依据刚体变换模型计算配准参数；将剩余的匹配点对配准参数进行验证，去除误匹配。通过本发明，能够提高配准精度，满足后续的图像融合或是图像拼接的需要。

技术领域

本发明涉及星图处理技术领域，更具体地，涉及一种基于几何不变量的图像配准拼接方法和装置及计算机设备。

背景技术

图像配准是寻找在不同时间点、不同的视角下或由不同传感器拍摄的关于同一场景的两幅图像或多幅图像之间的空间变换关系，并对其中的一幅或多幅进行匹配和叠加的过程。图像配准可简单地理解为一个寻找空间映射的过程，重新排列一幅图像的像素点位置，并与另一幅图像的对应像素点保持空间上的一致性。图像配准是遥感图像处理、目标识别、图像融合、图像拼接、图像重建、机器人视觉等众多图像分析领域中的关键技术之一，是图像处理领域中的研究热点。

图像配准大致可分为基于区域和基于特征的图像配准，对于匹配时采用的方法不同又可以做进一步的划分。基于区域的图像配准方法又称为模板匹配法，它不需要考虑图像的结构信息，利用区域相关的方法对图像的灰度信息进行匹配。但是它对复杂的图像变换几乎无效，同时算法的计算复杂度较高。基于区域的图像配准方法有互相关法(CrossCorrelation，CC),序贯检测法(Similarity Detection Algorithm，SSDA)，在频域中基于傅氏变换的Fourier-Mellin变换相位相关法，互信息法(Mutual Information，MI)，Levenberg-Marquardt优化方法；基于特征的图像配准方法不是通过所有的图像区域而是通过图像上具有代表性的特征信息进行图像之间的匹配，从而达到图像配准的目的。由于该配准方法只考虑特征信息的匹配，并且对噪声、形变的抗干扰能力更强，因而具有更小的计算量和更高的鲁棒性。基于特征的图像配准方法有采用空间关系的最近邻迭代点(Iterative Cloest Point，ICP)方法、采用不变描述子的方法、一致性标签(ConsistentLabeling Problem，CLP)松弛方法、金字塔和小波方法等。

目前图像配准的方法主要有基于Sift特征点的图像配准拼接方法和基于形状上下文的图像配准拼接方法。由于在同一个像素附近的Sift特征点的描述向量相差较大，导致两幅图像间的特征点无法正确的匹配；而且由于曝光时间与ISO(感光度)不同，导致两幅图提取得到的特征点数量相差较大，即使是同一个点的形状直方图也相差较多，不相关的点却有可能相似，因而导致配准失败。

因此，提出一种新的图像配准拼接方法，降低特征点失配的现象，提高配准精度，成为亟待解决的问题。

发明内容

有鉴于此，本发明提供了一种基于几何不变量的图像配准拼接方法和装置及计算机设备和计算机可读存储介质，充分利用星图中星点间存在的几何不变量信息，对星图中存在的特征点建立特征描述子并进行匹配，解决了现有技术中特征点失配和配准精度低的技术问题。

为了解决上述技术问题，根据本发明的一个方面，提供了一种基于几何不变量的图像配准拼接方法。

该方法包括以下步骤：

步骤S1：对参考星图和待配准星图分别进行二值化处理，得到参考星图中的M个星点和待配准星图中的N个星点，其中，M和N均为大于或等于4的自然数；

步骤S2：计算各个星点对应的特征点；

步骤S3：计算各个特征点的坐标，其中，参考星图中的M个星点对应的特征点的坐标构成参考特征点集，待配准星图中的N个星点对应的特征点的坐标构成待配准特征点集；