买专利,只认龙图腾
首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

【发明授权】一种基于几何约束下区域搜索的图像配准方法_武汉大学_202310242223.8 

申请/专利权人:武汉大学

申请日:2023-03-09

公开(公告)日:2024-04-19

公开(公告)号:CN116385502B

主分类号:G06T7/33

分类号:G06T7/33;G06T7/80

优先权:

专利状态码:有效-授权

法律状态:2024.04.19#授权;2023.07.21#实质审查的生效;2023.07.04#公开

摘要:本发明针对相对位置固定的红外可见光双目成像应用场景,提出了一种几何约束下基于区域搜索图像配准方法。首先利用相机标定信息进行立体校正,使红外可见光二者处于同一高度之上,接着利用相位一致性计算鲁棒的边缘图,在边缘图的基础上,提出两阶段同名特征点搜索方法完成精确高效红外可见光图像配准。通过与其他算法在不同场景上的数据进行实验,结果表明相较于其他异源图像配准算法,本发明方法能够适用于红外可见光双目成像的配准,在不同场景的图像都保证了特征点匹配数量和配准效果,并且能很好适应弱光环境下的图像配准工作,相对于其他算法取得了明显的优势。

主权项:1.一种基于几何约束下区域搜索的图像配准方法,其特征在于,包括如下步骤:步骤1,红外和可见光图像立体校正:利用相机标定得到的红外和可见光相机的内参和外参,通过立体校正可将红外和可见光图像约束到同一高度之上;步骤2,基于相位一致性获取图像的边缘特征图:在步骤1校正后图像的基础上,计算红外和可见光图像的相位一致性相应图,并计算最大矩获得鲁棒的边缘特征图像,得到红外边缘图像Iiredge和可见光边缘图像Ivisedge;步骤2的具体实现方式如下;步骤2.1,基于相位一致性边缘检测算法分别提取和红外和可见光的边缘图,选取若干个方向和尺度的Log-Gabor小波变换,计算每个方向上的相位一致性图,其计算公式如下:PCirθi=calPCIir,θi,s1,...,s4PCvisθi=calPCIvis,θi,s1,...,s4其中,calPC表示边缘提取函数;θi表示选取的Log-Gabor滤波器方向,θ1~θ6分别为0°,30°,60°,90°,120°,150°,s1~s4表示四个频率尺度;步骤2.2,利用六个方向的相位一致性信息,通过矩分析方法得到PC图的最大矩M,计算公式如下: 其中,PC图的最大矩M代表了图像的边缘特征,具有亮度和对比度不变性,若像素点x,y处的最大矩Mx,yT,则该位置为边缘点,T表示边缘点检测阈值;对于红外和可见光异源图像,采用相同的阈值T得到细节程度相当的红外边缘图像Iiredge和可见光边缘图像Ivisedge;步骤3,红外边缘图像特征点提取:在红外边缘图像进行FAST特征点的提取,并剔除掉原红外图像中背景中的无用特征点,同时在设定的邻域范围内使用非极大值抑制策略,得到特征点分布更加均匀的特征点集Vir;步骤4,两阶段特征点搜索匹配:先以NCC为衡量相似性指标计算两边缘图整体水平偏移参数,进一步减少后续同名特征点的搜索范围,降低时间复杂度;接着以步骤3得到的红外特征点集Vir为基准,在可见光边缘图像的搜索区域内,提出多尺度加权NCC作为相似性衡量指标,搜索最佳匹配点得到匹配的可见光图像特征点集Vvis;步骤4的具体实现方式如下;步骤4.1,以NCC作为相似度的度量方式,粗略估计红外图像边缘图像Iiredge和可见光图像边缘图像Ivisedge的水平偏移量dx,使两幅图像在水平方向上对齐,减小同名特征点的搜索范围,提高配准效率,dx的计算方式如下式: 其中,表示水平偏移量为d时的可见光边缘图像,NCC表示互相关一致性算子,表示两幅图像的相似程度;步骤4.2,针对红外图像特征点集Vir中的每个特征点px,y,其位于可见光边缘图像中的初始同名点位置为p'x+dx,y,其对应的同名点搜索区域为以p'为中心大小为w×h的长方形区域S,其中wh;步骤4.3,以多尺度加权NCC作为搜索同名特征点过程中的相似性衡量指标,提高匹配精确性同时保证匹配效率,即以两个尺寸的模板计算NCC,将其加权结合,计算公式如下: s.t.α+β=1其中,p表示红外特征点,ps表示可见光边缘图像搜索区域内的一点,和表示p周围F1×F1大小邻域和F2×F2大小邻域,和表示以同样方式构建的ps的邻域,D2表示2倍降采样算子,α和β表示权重因子,二者的取值范围为0β0.5α;对于最终搜索得到的同名特征点pcorrespond,其计算公式如下: 其中,ps∈S,由此得到匹配的可见光图像特征点集Vvis;步骤5,误匹配的剔除:首先通过最小二乘法建立所有匹配特征点的变换模型,然后计算所有匹配点的误差和均方根误差,剔除不在设定邻域范围内的匹配点,直到均方根误差小于设定的阈值。

全文数据:

权利要求:

百度查询: 武汉大学 一种基于几何约束下区域搜索的图像配准方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。