[发明专利]一种多波段太阳图像配准的方法

权利要求书

1.一种多波段太阳图像配准的方法，其特征在于：所述方法步骤包括：

步骤1：对待配准图像m₁,Tio波段太阳图像和参考图像f₁,太阳Hα偏带图像， 进行n-1次平滑和下采样处理，分别得到两个图像的n层金字塔：m₁,m₂,...,m_n、f₁,f₂,...,f_n，接着执行步骤2；其中，m_n表示待配准图像金字塔的第n层，f_n表示参考图像金字塔的第n层；

步骤2：从m_n开始，利用配准参数对待配准图像m_j进行转换得到转换后的待配准图像m_j'，接着执行步骤3；其中，配准参数包括缩放量λ、旋转角度θ以及偏移值T_x和T_y，j＝1,2,...,n；

步骤3：计算转换后的待配准图像m_j'与参考图像f_j的相似性度量，接着执行步骤4；

步骤4：判断相似性度量是否达到收敛，若未收敛则判断是否达到了预设的迭代最大次数，如果没收敛，且没有达到最大迭代次数，则采用寻优策略寻找配准参数使得相似性度量最小，并根据寻找的配准参数重复步骤2、3；如果是收敛，或者是未收敛但是达到了最大迭代次数，则执行步骤5；

步骤5：判断此时j的值是否等于1，不同则保留上一步骤4最新得到的配准参数，作为步骤2的配准参数，将j值减1，重复步骤2、3、4；如果相同则得到最优配准参数，以及输出基于最优配准参数转换后的图像m₁'作为配准后图像；

所述寻优策略具体为：

利用p来表示配准参数的集合，α表示待配准图像m_j的空间坐标，则寻找最优值的过程就是找到一个最优变换表示利用配准参数集合p对待配准图像m_j的空间坐标α进行转换，得到的是一个新的空间坐标，通过更新配准参数来最小化相似性度量则该过程可以表示为寻找合适的值p，使得：

将配准参数(λ,θ,T_x,T_y)表示为(p₁,p₂,p₃,p₄)＝p，则使用下面的公式来进行参数的优化：

式中，表示的是配准参数集合p对于相似性度量S的梯度值，d是一个不断衰减的步长，当渐变方向发生改变时，它的值会减小，每当梯度的方向突然发生改变时，就假定已经通过了局部极值，这时候就将步长乘以松弛因子，即：

式中，L表示上一次计算所得到的梯度的值，r为松弛因子，且0≤r≤1，若此时为第一次计算梯度，则认为梯度方向没有发生改变，d不做出改变；

利用上面的算法得出当前的配准参数p，对图像m_j进行变换，将此时的m_j'更新为利用新的配准参数变换后的图像。

2.根据权利要求1所述的多波段太阳图像配准的方法，其特征在于：所述步骤1中的平滑处理利用相同缩放因数的高斯核函数进行卷积来实现。

3.根据权利要求2所述的多波段太阳图像配准的方法，其特征在于：所述缩放因数取值为2。

4.根据权利要求1所述的多波段太阳图像配准的方法，其特征在于：所述下采样通过删除平滑处理结果的所有的偶数行和列来实现。

5.根据权利要求1所述的多波段太阳图像配准的方法，其特征在于：所述n取值为4。

6.根据权利要求1所述的多波段太阳图像配准的方法，其特征在于：所述相似性度量采用均方根误差。

7.根据权利要求1所述的多波段太阳图像配准的方法，其特征在于：所述步骤4中收敛的准则为：只要满足任意一个收敛条件，则认为是已经达到了收敛；其中第一个收敛条件：步长小于步长阈值，则认为已经达到了收敛；第二个收敛条件是：梯度幅值小于梯度幅值阈值，则认为已经达到了收敛。