[发明专利]一种用于复杂背景下的图像配准方法

说明书

本发明属于图像处理领域，公开了一种用于复杂背景下的图像配准方法，用于解决传统的图像配准方法无法对具有复杂背景的图像进行正确配准的难题，本发明的图像配准方法先将图像集A中的原图像放入训练好的语义分割网络中，得到分割后的图像集B；接着将图像集B中的每张图像与图像集A中对应的图像逐像素点相乘，得到配准图像集C；随后在图像集C中选择一张图像作为固定图像，且用图像配准算法提取特征点以完成其余图像与固定图像之间的特征匹配，并分别计算出其余图像与固定图像对齐的变换参数，再将变换参数应用在图像集A中的图像上，完成图像的配准。本发明的方法可以实现对具有复杂背景的图像进行配准，配准精度更高，且实时性更好。

技术领域

本发明涉及一种图像配准方法，具体涉及一种用于复杂背景下的图像配准方法。

背景技术

图像配准是一种基于图像相似性度量标准，将一幅或多幅图像映射到目标图像上的空间变换，使得参考图像和目标图像达到空间上的对应关系。当在同一场景下获得不同时间、不同角度或由不同传感器拍摄的图像时，需要进行图像配准。图像配准技术现已广泛应用于图像降噪、视场扩展、运动物体去除、模糊消除、空间解析度提高、动态范围增强、计算机特效、遥感及医学成像等技术领域。目前，已被广泛研究以及应用的图像配准算法通常分为基于区域的图像配准算法以及基于特征的图像配准算法两大类。上述的两种图像配准算法通常计算一个可以让图像对齐的全局单应性矩阵进行图像配准，并配合相似性度量标准来寻找全局最优解。而面对具有复杂背景的图像时，现有的图像配准算法由于无法寻找到正确的特征点而导致无法将图像进行正确对齐，从而影响到图像配准的精度。

发明内容

本发明的目的在于克服现有技术的不足，提供一种用于复杂背景下的图像配准方法，所述图像配准方法可以实现对具有复杂背景的图像进行配准，配准精度更高，且实时性更好。

本发明解决上述技术问题的技术方案是：

一种用于复杂背景下的图像配准方法，包括以下步骤：

(S1)、使用普通成像相机对配准主体进行拍照，并将拍摄到的图像放入图像集A中；

(S2)、将图像集A中的图像放入训练好的语义分割网络中，得到分割后的图像集B；

(S3)、将图像集B中的每张图像与图像集A中对应的图像逐像素点相乘，得到配准图像集C；

(S4)、在图像集C中任意选择一张图像作为固定图像，将其余图像作为浮动图像，且分别用图像配准算法提取特征点以完成每张浮动图像与固定图像之间的特征匹配，并分别计算出每张浮动图像与固定图像对齐的变换参数；

(S5)、将图像集A中的图像的齐次坐标与对应的变换参数相乘，得到配准后的图像。

优选的，在步骤(S2)中，语义分割网络的构建包括以下步骤：

(S2-1)、在复杂背景下，使用普通成像相机对配准主体拍摄M张照片，放入图像集Before中；

(S2-2)、手动对图像集Before中的每一张图像做语义分割，每次手动语义分割的结果是一张与原图大小相同的图片，该图片与原图中的配准主体重合的区域的像素值均设置为1，除重合区域外其他区域的像素值均设置为0，然后将语义分割后的图像都放入图像集After中；

(S2-3)、构建一个用于语义分割的神经网络，初始化神经网络的权重和偏置参数，将图像集Before中的图像作为输入，将分割后的图像集After作为标签，计算图像集Before中的图像与图像集A中的与之对应的图像之间的差异值，并将该差异值作为损失函数，随后对损失函数的梯度值进行多次的反向传播以更新神经网络的权重和偏置参数，当损失函数值小于预设的停止值时，停止更新神经网络的权重和偏置参数，得到训练完备的语义分割网络。

优选的，在步骤(S2-1)中，相邻两次拍照之间，普通成像相机与配准主体之间的连线所构成的夹角小于或等于20度。