專利名稱：：基于直線特征圖像配準(zhǔn)中的特征匹配方法
技術(shù)領(lǐng)域：
：本發(fā)明屬于圖像處理
技術(shù)領(lǐng)域：
的圖像配準(zhǔn)方法，尤其是圖像配準(zhǔn)過程中基于兩幅圖像中提取的直線特征進(jìn)行匹配的方法。
背景技術(shù)：
：圖像配準(zhǔn)是各種遙感圖像處理軟件、醫(yī)學(xué)圖像處理軟件中的重要模塊，是遙感圖像融合、環(huán)境監(jiān)視、變化檢測(cè)、圖像拼接、天氣預(yù)測(cè)以及醫(yī)學(xué)圖像處理應(yīng)用中的關(guān)鍵一步，目的是將不同時(shí)期、不同視點(diǎn)或不同傳感器獲得的同一地域或物體的兩幅或多幅圖像進(jìn)行幾何校正，使它們達(dá)到空間位置上的一致性。多幅圖像之間的配準(zhǔn)問題往往可以分解成多個(gè)兩幅圖像之間的配準(zhǔn)問題，因此，圖像配準(zhǔn)問題主要都是研究?jī)煞鶊D像之間的幾何校正問題，其中一幅圖像稱為參考圖像，另一幅圖像稱為待配準(zhǔn)圖像。由于圖像配準(zhǔn)的重要性，近三十年來，人們對(duì)其進(jìn)行了廣泛深入的研究，取得了很多重要的成果，提出了大量的方法。已有的圖像配準(zhǔn)方法主要分為兩大類基于區(qū)域的方法和基于特征的方法。基于區(qū)域的方法是從待配準(zhǔn)圖像中取一小窗口的圖像塊與參考圖像中同樣大小的圖像塊進(jìn)行統(tǒng)計(jì)地相關(guān)比較，把相似性測(cè)度(一般采用灰度差的平方和、相關(guān)系數(shù)等，也可能是變換域的一些屬性，如傅立葉變換、小波變換等)最大的兩個(gè)窗口的中心作為一對(duì)同名像點(diǎn)，然后利用獲得的所有同名像點(diǎn)和最小二乘算法估計(jì)變換模型參數(shù)向量，完成配準(zhǔn)。由于采用的相似性測(cè)度一般與圖像輻射特性和變換模型有關(guān)，因而基于區(qū)域的方法不適合輻射特性和幾何形變較大的兩幅圖像之間的配準(zhǔn)?；谔卣鞯姆椒ㄍǔ０ㄈ齻€(gè)步驟首先分別從參考圖像和待配準(zhǔn)圖像中提取特征，這些特征一般是空域特征，例如點(diǎn)、邊緣、輪廓、直線段、區(qū)域等；然后利用提取特征的屬性信息進(jìn)行特征匹配，由匹配的特征對(duì)獲得同名像點(diǎn)；最后根據(jù)這些同名像點(diǎn)和最小二乘算法估計(jì)變換模型參數(shù)向量，完成配準(zhǔn)。跟基于區(qū)域的方法相比，基于特征的方法對(duì)圖像輻射失真不太敏感，能適應(yīng)于不同傳感器圖像之間的配準(zhǔn)，已成為圖像配準(zhǔn)技術(shù)研究的重點(diǎn)和熱點(diǎn)?；谔卣鞯膱D像配準(zhǔn)方法的一個(gè)關(guān)鍵和難點(diǎn)是如何尋找參考圖像和待配準(zhǔn)圖像中的對(duì)應(yīng)特征，即特征匹配問題。現(xiàn)有文獻(xiàn)中已提出多種策略來解決這一問題，主要分為利用空間關(guān)系、利用特征相似性、利用序貫組合空間關(guān)系和特征相似性這三類方法。利用空間關(guān)系的方法是首先從兩幅圖像提取的每個(gè)特征中抽取出一個(gè)或多個(gè)控制點(diǎn)(如直線的中點(diǎn)、區(qū)域的重心、輪廓上的突出點(diǎn)等)，然后尋找兩幅圖像中各個(gè)控制點(diǎn)在空間關(guān)系達(dá)到全局一致性時(shí)的最佳變換模型參數(shù)向量。這類方法的最大優(yōu)點(diǎn)是一般都能獲得較好的配準(zhǔn)結(jié)果，不過它的最大問題是計(jì)算復(fù)雜，同時(shí)要求正確的匹配特征數(shù)必須大于任何一類局外情況的特征數(shù)目，才能獲得比較可靠的結(jié)果，而且隨著正確匹配特征數(shù)量的減少，算法的復(fù)雜度將會(huì)顯著增加，配準(zhǔn)的成功率卻大為下降。利用特征相似性的方法是首先采用一組參數(shù)描述兩幅圖像中的每個(gè)特征，然后利用這些參數(shù)計(jì)算不同特征之間的相似性測(cè)度，根據(jù)相似性測(cè)度最大的原則尋找匹配特征對(duì)。特征描述參數(shù)一般要滿足不變性、唯一性、穩(wěn)定性以及獨(dú)立性等幾個(gè)條件，常用的特征描述參數(shù)有相關(guān)系數(shù)、矩不變量、形狀矩陣、鏈碼等。這類方法的特點(diǎn)是計(jì)算簡(jiǎn)單，但當(dāng)圖像中存在多個(gè)形狀相同或相近的特征時(shí)，容易造成特征之間的誤匹配，使得配準(zhǔn)失敗。正因?yàn)閱为?dú)利用空間關(guān)系或特征相似性進(jìn)行特征匹配都有局限性，人們自然想到組合這兩種匹配準(zhǔn)則，這就是利用序貫組合空間關(guān)系和特征相似性的方法，這種方法首先利用特征相似性剔除一些不太可能匹配的特征組合，以減少基于空間關(guān)系方法的搜索空間，然后利用空間關(guān)系得到最終的特征匹配結(jié)果。這類方法結(jié)合了前兩類方法的優(yōu)點(diǎn)，在配準(zhǔn)速度和精度的兼顧性上優(yōu)于前兩類方法，但是這種序貫組合方式實(shí)際上仍是一種基于空間關(guān)系的方法，不能克服基于空間關(guān)系的固有缺陷即隨著兩幅圖像中正確匹配特征數(shù)量的減少，算法的復(fù)雜度將會(huì)顯著增加、配準(zhǔn)的成功率卻大為下降。此外，現(xiàn)有的絕大多數(shù)基于特征的圖像配準(zhǔn)方法在特征匹配階段都等同地看待每一個(gè)待匹配特征，沒有考慮特征提取結(jié)果的可靠性。由于圖像噪聲和特征提取算法等方面的原因，特征提取結(jié)果或多或少存在一些不確定性(如位置提取不準(zhǔn)確，特征提取不完整等)。這樣，如果將一些不可靠的特征作為匹配特征來估計(jì)變換模型參數(shù)向量，就會(huì)導(dǎo)致獲得的配準(zhǔn)結(jié)果精度不高，甚至配準(zhǔn)失敗?；谔卣鞯膱D像配準(zhǔn)方法的關(guān)鍵是從參考圖像和待配準(zhǔn)圖像中提取的點(diǎn)、線、面特征中獲得同名像點(diǎn)。點(diǎn)特征本身可用作同名像點(diǎn)，因而它成為基于特征的圖像配準(zhǔn)方法中最常用的一種特征，但當(dāng)圖像分辨率較低時(shí)，點(diǎn)特征往往定位不準(zhǔn)確，不適合高精度的圖像配準(zhǔn)，且點(diǎn)特征含有的信息量有限，匹配也比較困難。相比而言，線特征被認(rèn)為更適合用于圖像配準(zhǔn)，一方面它含有比較豐富的信息量，利于匹配；另一方面，人造目標(biāo)的圖像中往往含有大量的線特征。面特征盡管也含有豐富的信息量，但圖像中并不是總含有面特征，而且面特征通?？梢杂靡幌盗械木€特征表示。因此，線特征是基于特征的圖像配準(zhǔn)方法中的首選特征?，F(xiàn)有的大部分基于直線特征的配準(zhǔn)方法往往都是直接將直線特征作為配準(zhǔn)基元進(jìn)行匹配，然后選用匹配直線特征對(duì)(參考圖像和待配準(zhǔn)圖像中對(duì)應(yīng)的兩條直線組成)的中點(diǎn)作為同名像點(diǎn)，當(dāng)直線特征提取不完整(即直線的端點(diǎn)位置提取不準(zhǔn)確)時(shí)，這樣獲得的同名像點(diǎn)往往是不正確的。
發(fā)明內(nèi)容本發(fā)明要解決的技術(shù)問題是提出一種新的直線特征匹配方法，克服已有方法計(jì)算復(fù)雜、容易造成誤匹配以及同名像點(diǎn)獲得不準(zhǔn)確的缺陷，解決基于直線特征圖像配準(zhǔn)中的特征匹配問題。本發(fā)明的技術(shù)方案是-第一步，分別從參考圖像和待配準(zhǔn)圖像中提取直線編組，作為配準(zhǔn)基元。一般從客觀景物得到的圖像都是二維的，可以用一個(gè)二維數(shù)組表示。參考圖像和待配準(zhǔn)圖像分別記為A(^:^)和/2(^h)，它們分別表'示兩幅圖像的灰度值，其中0c,，乂)、(A,h)分別表示兩幅圖像中的像素點(diǎn)坐標(biāo)。采用穩(wěn)健的直線提取方法從參考圖像提取m條直線特征，從待配準(zhǔn)圖像中提取7V2條直線特征，分別記為a-{Auv'^r'^f^^/"2,其中m、^均為正整數(shù)(具體直線提取方法參見文貢堅(jiān)，王潤(rùn)生.一種穩(wěn)健的直線提取算法.軟件學(xué)報(bào)，12(11):1660-1667，2001.)。如
背景技術(shù)：
中所述，直接利用直線特征進(jìn)行匹配，當(dāng)直線特征提取不完整時(shí)獲得的同名像點(diǎn)往往不準(zhǔn)確。為了克服這一缺點(diǎn)，本發(fā)明利用直線編組(由a或a中的任意兩條直線形成的一個(gè)直線對(duì))作為配準(zhǔn)基元進(jìn)行匹配。如果直接將參考圖像和待配準(zhǔn)圖像中提取的任意兩條直線特征都組成一個(gè)直線編組，獲得的直線編組數(shù)量太大，增加了后續(xù)匹配的計(jì)算量。為此，只選擇那些滿足一定約束條件的直線編組作為配準(zhǔn)基元，約束條件是直線編組的提取交點(diǎn)到組成它的兩條直線之間的Hausdroff距離之和小于一個(gè)預(yù)設(shè)門限r(nóng)，r取10[]30個(gè)象素。假設(shè)參考圖像中提取了M'個(gè)直線編組，待配準(zhǔn)圖像中提取了A^個(gè)直線編組，分別記為Z,-^^,…,d和Z2-W，Z22,…,《2)，其中7V;、A^均為正整數(shù)。定義一個(gè)大小為A^^的匹配矩陣M來表示參考圖像和待配準(zhǔn)圖像中直線編組之間的匹配關(guān)系，即由于實(shí)際中參考圖像中的一個(gè)直線編組只能與待配準(zhǔn)圖像中的一個(gè)直線編組相匹配，因此匹配矩陣M應(yīng)滿足一一匹配準(zhǔn)則，即因此解決基于直線特征圖像配準(zhǔn)中的特征匹配問題就變?yōu)槿绾蔚玫狡ヅ渚仃嘙。用參數(shù)V4/仏/^,/e"g《,/e"g《X'X2,《，《,《',M^,《，4,乂]來描述參考圖像和待配準(zhǔn)圖像中的任意一個(gè)直線編組4(/f"，"l，2,…,A^;/f-2,"l,2，…,AO的屬性，其中《,《2表示組成直線編組4的兩條直線特征，/e"g《,/e"g《,C《2,《，《,《',M〖2分別表示它們的長(zhǎng)度、四個(gè)端點(diǎn)和兩個(gè)中點(diǎn)，《是直線編組的提取交點(diǎn)，4,^是提取交點(diǎn)坐第二步，計(jì)算參考圖像和待配準(zhǔn)圖像中直線編組之間的可靠性測(cè)度，得到可靠性測(cè)度矩陣R。直線編組的可靠性由組成它的兩條直線特征的可靠性決定。正如
背景技術(shù)：
中提到的，實(shí)際中由于圖像噪聲和特征提取算法本身的原因，直線特征的提取位置與它的實(shí)際位置可能不一致，這種不一致性主要體現(xiàn)在兩個(gè)方面端點(diǎn)和方向。在方向一定的情況下，兩條直線特征的端點(diǎn)位置對(duì)直線編組交點(diǎn)的提取位置沒有影響，因此，只須計(jì)算直線特征的方向偏移對(duì)直線編組交點(diǎn)提取位置的影響。對(duì)于A或丄2中任意一條直線特征=1，m=1，2,…，M;7/=2，m=1,2,…,Ag，假設(shè)過^的中點(diǎn)M-的與/卩夾角均為A^;的兩條虛線是/;;可能偏離的最大方向，A^稱為方向偏移。這樣，G的真實(shí)位置只可能落在兩條虛線之間。一般情況下，直線特征長(zhǎng)度越長(zhǎng)，其提取結(jié)果越穩(wěn)健，即方向偏移A^越小，當(dāng)直線特征達(dá)到一定長(zhǎng)度時(shí)，其提取結(jié)果不發(fā)生方向偏移，即A^-0;另一方面，直線特征的方向偏移A^往往會(huì)小于一定的范圍。因此，可將直線特征/;;的方向偏移A^定義為A[證p[-^f^](3)其中a是一個(gè)預(yù)設(shè)門限，用來限定方向偏移A^的最大范圍，一般取"=0.175弧度，即直線特征的方向偏移一般不超過10度；/ew^^是G的長(zhǎng)度；C7,是高斯函數(shù)的方差，它決定多長(zhǎng)的直線特征將不發(fā)生方向偏移，一般取20D40，具體取決于圖像的分辨率，圖像分辨率越高，^越靠近40。對(duì)于參考圖像或待配準(zhǔn)圖像中任意一個(gè)直線編組4，4由直線特征《,/^組成，過《的中點(diǎn)M^的與《夾角均為A^的兩條虛線是/可能發(fā)生的最大方向偏移，過/〖2的中點(diǎn)M〖2的與^夾角均為A《2的兩條虛線是/〖2可能發(fā)生的最大方向偏移，四條虛線交于4AC和D四點(diǎn)。A^和A《2是直線特征《和《的方向偏移，它們的大小由公式(3)確定。這樣，直線特征/^和/^的真實(shí)位置只能落在過它們各自中點(diǎn)的兩條虛線之間，因此直線編組《真實(shí)交點(diǎn)《必將落在由AAC和D四點(diǎn)圍成的四邊形。，中，且可能落在。，內(nèi)的任何位置上。因此，4的真實(shí)交點(diǎn)《是一個(gè)隨機(jī)變量，記它的概率密度函數(shù)為/(&)。用《表示《的真實(shí)交點(diǎn)《和提取交點(diǎn)《之間的距離，則4也是一隨機(jī)變量，記《的期望表示為《，則《=g)=—&||)=l。K-^lk必)贈(zèng)(4)其中￡(*)表示對(duì)*求期望，l卜l表示歐式距離，//=1時(shí)，"1,2,…,7V;,//=2時(shí)，*=1,2,z^的真實(shí)交點(diǎn)&可以是高斯分布、均勻分布等，本發(fā)明采用均勻分布，即/必)=^~(5)其中&,。表示^cd的面積，其大小可根據(jù)過^的中點(diǎn)M〖1和過/〖2的中點(diǎn)M-2的四條虛線方程求出，四條虛線方程通過A《1和A《2以及提取的直線特征e、《2獲得。這樣，(4)式可寫成將直線編組4的可靠性記為4，它與《有關(guān)，《越小，^越可靠，即4越大?！恫捎孟率角蟮?=exp[—^(7)其中^是高斯函數(shù)的方差，實(shí)際中一般取2口4。直線編組的可靠性測(cè)度矩陣R是一個(gè)大小為A^W的矩陣，它的每一項(xiàng)R,表示直線編組對(duì)Z4的可靠性測(cè)度，i4為Z,中的任意一個(gè)直線編組z;與Z2的任意一個(gè)直線編組^組成的直線編組對(duì)。一般情況下，如果組成直線編組對(duì)丄A的兩個(gè)直線編組都是可靠的，即直線編組z;的可靠性《和直線編組^的可靠性《都比較大，則丄A也是可靠的，即Ry也比較大。因此，可以采用D一s證據(jù)理論方法，對(duì)c;和《進(jìn)行融合計(jì)算，得到r,，即qx《可見，可靠性測(cè)度矩陣R可以事先計(jì)算得到，是一個(gè)常數(shù)矩陣。(8)第三步，計(jì)算參考圖像和待配準(zhǔn)圖像中直線編組之間的相似性測(cè)度，得到相似性測(cè)度矩陣B。相似性測(cè)度矩陣B是一個(gè)大小為A7xiV;的矩陣，它的每一項(xiàng)B,表示參考圖像和待配準(zhǔn)圖像中任意兩個(gè)直線編組z,'和^的相似性測(cè)度。相似性測(cè)度表示兩個(gè)直線編組之間的相似程度，一般特征編組越相似，它們就越可能匹配。相似性測(cè)度8,,定義為<formula>formulaseeoriginaldocumentpage15</formula>(9)由(9)式可知，B,越小表示直線編組《和^越相似，即它們匹配的可能性也越大。為了與直線編組之間的可靠性測(cè)度保持一致，即直線編組之間的相似性測(cè)度越大，兩個(gè)直線編組越可能匹配，并且要求它的值落在o-i之間，因此需要對(duì)(9)式進(jìn)行變換，即By=W)(10)其中巧(，)是一個(gè)單調(diào)遞減函數(shù)，采用高斯函數(shù)，即<formula>formulaseeoriginaldocumentpage15</formula>其中A是高斯函數(shù)的方差，在實(shí)際中一般取A^。將B,代入(11)式，得<formula>formulaseeoriginaldocumentpage16</formula>(12)可見，相似性測(cè)度矩陣B也可以事先計(jì)算得到，也是一個(gè)常數(shù)矩陣。第四步，計(jì)算參考圖像和待配準(zhǔn)圖像中直線編組之間的空間關(guān)系一致性測(cè)度，得到空間關(guān)系一致性測(cè)度矩陣s。直線編組之間的空間關(guān)系一致性就是指參考圖像中的直線編組與從待配準(zhǔn)圖像中變換而來的直線編組之間的幾何臨近程度。本發(fā)明采用直線編組的提取交點(diǎn)在變換模型約束下的歐式距離來度量它們之間的空間關(guān)系一致性?？臻g關(guān)系一致性測(cè)度矩陣s也是大小7v;x^的矩陣，它的每一項(xiàng)s&表示參考圖像和待配準(zhǔn)圖像中任意兩個(gè)直線編組z;和s之間的空間關(guān)系一致性測(cè)度。s,通過下式計(jì)算<formula>formulaseeoriginaldocumentpage16</formula>(13)其中t;w、？;("分別表示參考圖像和待配準(zhǔn)圖像之間的變換模型在;c方向和y方向上的變換函數(shù)。參考圖像和待配準(zhǔn)圖像之間的變換模型通?？梢杂靡唤M變換模型參數(shù)向量p來描述，p與采用的變換模型類型有關(guān)，例如，當(dāng)采用相似變換模型時(shí)，P是4維向量；當(dāng)采用仿射變換模型時(shí)，P是6維向量；當(dāng)采用投影變換模型時(shí)，P是8維向量。為了與直線編組之間的可靠性測(cè)度、相似性測(cè)度保持一致，即空間關(guān)系一致性測(cè)度越大，兩個(gè)直線編組越可能匹配，需要對(duì)(13)式做一變換，本發(fā)明也采用(ll)式的高斯函數(shù)，即S「A(S,)(14)將S,代入(14)式，得<formula>formulaseeoriginaldocumentpage17</formula>空間關(guān)系一致性測(cè)度矩陣s與7;(，)、z;("有關(guān)，因此與變換模型參數(shù)向量p有關(guān)。第五步，建立能量函數(shù)參考圖像和待配準(zhǔn)圖像中的任意兩個(gè)直線編組如果是正確匹配的，按照上面的計(jì)算方法，則它們之間的可靠性測(cè)度、相似性測(cè)度和空間關(guān)系一致性測(cè)度都應(yīng)該比較大。為此，定義如下能量函數(shù)如果匹配矩陣M中包含錯(cuò)誤的匹配直線編組對(duì)，則利用M獲得的同名像點(diǎn)和最小二乘算法計(jì)算的變換模型參數(shù)向量P將是不準(zhǔn)確的甚至是錯(cuò)誤的，這時(shí)大部分實(shí)際匹配的直線編組對(duì)之間的空間關(guān)系一致性測(cè)度將會(huì)明顯的下降，導(dǎo)致通過該M計(jì)算的^—比通過不包含錯(cuò)誤的匹配直線編組對(duì)的M計(jì)算的^:(，)要小。另一方面，如果在M中加入正確的匹配直線編組對(duì)，則利用M獲得的同名像點(diǎn)和最小二乘算法計(jì)算的變換模型參數(shù)向量P變化很小，因此，盡管一些正確匹配直線編組對(duì)的空間關(guān)系一致性測(cè)度可能會(huì)有所減小，但由于在￡(*)中增加了新的項(xiàng)，￡—)的值仍然會(huì)增加。因此，當(dāng)匹配矩陣M包含了所有正確匹配的直線編組對(duì)而剔除了所有錯(cuò)誤匹配的直線編組對(duì)，則￡(*)的值將會(huì)達(dá)到一個(gè)全局最大值，這時(shí)的匹配矩陣M是最優(yōu)的，同時(shí)由最優(yōu)匹配矩陣計(jì)算的變換模型參數(shù)向量P也是最優(yōu)的，即〈Mop,,P。p,〉=argmax(￡())(17)其中M。一P^分別表示最優(yōu)的匹配矩陣和最優(yōu)的變換模型參數(shù)向量，argmax(，)表示對(duì)，求最大值。這樣，直線編組的匹配問題就轉(zhuǎn)變成為一個(gè)能量函數(shù)最優(yōu)化問題。第六步，采用兩步迭代優(yōu)化算法對(duì)(17)式描述的優(yōu)化問題進(jìn)行迭代優(yōu)化，得到M—和P。p,。包括以下幾個(gè)步驟步驟1:初始化變換模型參數(shù)向量P采用一個(gè)序貫組合特征相似性和空間關(guān)系一致性的方法來初始化變換模型參數(shù)向量P，方法為首先根據(jù)特征相似性測(cè)度選擇求解變換模型需要的最少數(shù)目的3—5倍的直線編組對(duì)作為候選匹配直線編組對(duì)(如對(duì)于仿射變換模型，求解變換模型參數(shù)向量最少需要3對(duì)匹配直線編組對(duì)，那么就選擇9一15對(duì)的直線編組對(duì))，然后根據(jù)空間關(guān)系一致性測(cè)度利用窮舉法或RANSAC算法獲得求解變換模型參數(shù)向量P需要的最少數(shù)目的最優(yōu)匹配直線編組對(duì)，利用它們的提取交點(diǎn)求出變換模型參數(shù)向量P的初值P。。步驟2:初始化控制參數(shù)々=々。A、A和A^分別是控制參數(shù)"的初始值、增長(zhǎng)率和最大值，一般取A=0.5，A取1.05。1.1，〃max=10。步驟3:已知變換模型參數(shù)向量P，采用軟指派方法計(jì)算匹配矩陣M已知變換模型參數(shù)向量P，空間關(guān)系一致性測(cè)度矩陣S由公式(15)事先求出，這樣公式(16)就變?yōu)椤?M)=iiMaba=iiMyw,(is)其中W^-R^^,是一個(gè)常數(shù)。求解(17)式的最大困難就是它必須滿足(1)、(2)式的雙向約束。為了將不等約束變?yōu)橄嗟燃s束，將匹配矩陣M增加一行和一列，即當(dāng)參考圖像中的直線編組z;不和待配準(zhǔn)圖像中的任何一個(gè)直線編組匹配時(shí)，M=1;當(dāng)待配準(zhǔn)圖像中的直線編組^不和參考圖像中的任何一個(gè)直線編組匹配時(shí)，M(和)廣l。這樣，(2)式可變?yōu)?lt;formula>formulaseeoriginaldocumentpage19</formula>(19)顯而易見，由(19)式約束的(17)式就是一個(gè)典型的分配問題。在最近的幾十年里，學(xué)者們提出了大量的算法解決這一優(yōu)化問題，如松弛標(biāo)記算法、線性規(guī)劃算法、模擬退火算法、遺傳算法、神經(jīng)網(wǎng)絡(luò)算法以及漸進(jìn)的軟指派算法等。本發(fā)明采用Steven提出的漸進(jìn)的軟指派方法(具體參見S.Gold，A.Rangarajan.AGraduatedAssignmentAlgorithmforGraphMatching,IEEETrans,onPatternAnalysisandMachineIntelligence,vol.18(4)，pp:377—387,1996.)來獲得匹配矩陣M，具體步驟為(1)My=;^;(2)行歸一化匹配矩陣M，即M,-M々/fx;(3)列歸一化匹配矩陣M，即M,-Myi;M,;(4)當(dāng)收斂時(shí)，算法結(jié)束；否則轉(zhuǎn)(2)。匹配矩陣M的收斂準(zhǔn)則是<formula>formulaseeoriginaldocumentpage19</formula>(20)/=1聲l其中M/、1VV分別表示前一次和當(dāng)前獲得的匹配矩陣M中元素M,.的值，c。是一個(gè)預(yù)設(shè)門限，一般取0.01-0.05。步驟4:已知匹配矩陣M，采用多元變量變尺度算法計(jì)算變換模型參數(shù)向量P，然后讓/=/^。已知匹配矩陣M，空間關(guān)系一致性測(cè)度矩陣S的每個(gè)元素S,就可表示成變換模型參數(shù)向量P的函數(shù)，這樣公式(16)就變?yōu)?lt;formula>formulaseeoriginaldocumentpage20</formula>(21)其中仏-M,R^々是一個(gè)常數(shù)。顯然，(17)描述的優(yōu)化問題就是一個(gè)多維變量的最大化問題，目前也有很多算法可以解決它，本發(fā)明采用性能較好的多元變量變尺度算法(具體參見W.Press,S.Teukolsky,W.VetterlingandB.Flannery.NumericalRecipesinC，theArtofScientificComputing,SecondEdition,CambridgeUniversityPress,1992.)來獲得變換模型參數(shù)向量P。步驟5:若控制參數(shù)">/_，判斷變換模型參數(shù)向量P是否收斂，如果收斂，算法結(jié)束，如果不收斂，返回步驟2;若控制參數(shù)^/_，貝U轉(zhuǎn)步驟3。變換模型參數(shù)向量p的收斂準(zhǔn)則為|p。-p'l",(22)其中P。、P'分別表示前一次和當(dāng)前獲得的變換模型參數(shù)向量，^是一個(gè)預(yù)設(shè)門限，一般取0.01-0.05。采用本發(fā)明可以達(dá)到以下技術(shù)效果(1)本發(fā)明將直線編組作為配準(zhǔn)基元，克服了已有方法直接將直線特征作為配準(zhǔn)基元，在特征提取不完整時(shí)造成獲得的同名像點(diǎn)不準(zhǔn)確的不足；(2)本發(fā)明在直線特征匹配過程中，考慮了特征提取結(jié)果的可靠性，保證越是可靠的特征越是優(yōu)先用于匹配，克服了已有方法同等看待每一個(gè)特征，當(dāng)把提取不可靠的特征作為匹配特征用于配準(zhǔn)時(shí)造成配準(zhǔn)結(jié)果精度不高甚至配準(zhǔn)失敗的缺點(diǎn)；(3)本發(fā)明有機(jī)組合了直線編組的可靠性、空間關(guān)系一致性和相似性建立能量函數(shù)，克服了基于空間關(guān)系方法、基于特征相似性方法以及序貫組合空間關(guān)系和相似性方法存在的容易造成誤匹配、計(jì)算復(fù)雜的缺陷。圖l是本發(fā)明總體流程圖；圖2是本發(fā)明第二步中直線特征及其可靠性示意圖；圖3是本發(fā)明第二步中直線編組及其可靠性示意圖；圖4是本發(fā)明第六步中兩步迭代優(yōu)化算法流程圖；圖5是本發(fā)明第六步中軟指派算法流程圖。具體實(shí)施方式圖1是本發(fā)明總體流程圖，包括以下步驟1、分別從參考圖像和待配準(zhǔn)圖像中提取直線編組，作為配準(zhǔn)基元。2、計(jì)算參考圖像中的直線編組和待配準(zhǔn)圖像中的直線編組之間的可靠性測(cè)度，得到可靠性測(cè)度矩陣R。3、計(jì)算參考圖像中的直線編組和待配準(zhǔn)圖像中的直線編組之間的相似性測(cè)度，得到相似性測(cè)度矩陣B。4、計(jì)算參考圖像中的直線編組和待配準(zhǔn)圖像中的直線編組之間的空間關(guān)系一致性測(cè)度，得到空間關(guān)系一致性測(cè)度矩陣S。5、建立(16)式描述的能量函數(shù)，將直線特征匹配問題轉(zhuǎn)化為(17)式描述的最優(yōu)化問題。6、采用兩步迭代優(yōu)化算法對(duì)(17)式描述的優(yōu)化問題進(jìn)行迭代優(yōu)化，得到最優(yōu)的匹配矩陣M。p,和變換模型參數(shù)向量P。p,。圖2是本發(fā)明第二步中直線特征及其可靠性示意圖。對(duì)于參考圖像或待配準(zhǔn)圖像中任意一條直線特征/-(//=1,附=1,2廣.,7^;//=2,附=1,2廣.^2)，如圖所示，假設(shè)過/;;的中點(diǎn)M^;的與/:夾角均為A^的兩條虛線是/;;可能偏離的最大方向，的真實(shí)位置只可能落在兩條虛線之間。圖3是本發(fā)明第二步中直線編組及其可靠性示意圖。對(duì)于參考圖像或待配準(zhǔn)圖像中任意一個(gè)直線編組《，^由直線特征《,/^組成，如圖所示，過《的中點(diǎn)M^的與《夾角均為A《的兩條虛線是^可能發(fā)生的最大方向偏移，過^的中點(diǎn)M〖2的與^夾角均為A《2的兩條虛線是^可能發(fā)生的最大方向偏移，四條虛線交于4AC和Z)四點(diǎn)。這樣，直線特征C和《的真實(shí)位置只能落在過它們各自中點(diǎn)的兩條虛線之間，因此直線編組4真實(shí)交點(diǎn)《必將落在由X,5,C和D四點(diǎn)圍成的四邊形。，中，且可能落在內(nèi)的任何位置上。圖4是本發(fā)明第六步中的兩步迭代優(yōu)化算法的流程圖，包括五個(gè)步驟1、初始化變換模型參數(shù)向量P-P。。2、初始化控制參數(shù)"-A)。3、已知變換模型參數(shù)向量P，采用軟指派方法計(jì)算匹配矩陣M。4、已知匹配矩陣M，采用多元變量變尺度算法計(jì)算變換模型參數(shù)向量P，5、若控制參數(shù)">;9_,判斷變換模型參數(shù)向量P是否收斂，如果收斂，算法結(jié)束，如果不收斂，返回步驟2;若控制參數(shù)々^^_，則轉(zhuǎn)步驟3。圖5是本發(fā)明第六步中的軟指派算法流程圖，包括四個(gè)步驟1、M廣;^.。2、行歸一化匹配矩陣M，即M,-M々/藝M3、列歸一化匹配矩陣M，即M々-M,/IX。4、當(dāng)匹配矩陣M收斂時(shí)，算法結(jié)束；否則轉(zhuǎn)2。權(quán)利要求1.一種基于直線特征圖像配準(zhǔn)中的特征匹配方法，其特征在于包括以下步驟第一步，分別從參考圖像和待配準(zhǔn)圖像中提取直線編組作為配準(zhǔn)基元，方法是采用穩(wěn)健的直線提取方法從參考圖像I1(x1，y1)提取N1條直線特征，從待配準(zhǔn)圖像I2(x2，y2)中提取N2條直線特征，分別記為<mathsid="math0001"num="0001"><math><![CDATA[<mrow><msub><mi>L</mi><mn>1</mn></msub><mo>=</mo><mo>{</mo><msubsup><mi>l</mi><mn>1</mn><mn>1</mn></msubsup><mo>,</mo><msubsup><mi>l</mi><mn>1</mn><mn>2</mn></msubsup><mo>,</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>,</mo><msubsup><mi>l</mi><mn>1</mn><msub><mi>N</mi><mn>1</mn></msub></msubsup><mo>}</mo></mrow>]]></math>id="icf0001"file="A2008100315750002C1.tif"wi="29"he="4"top="73"left="149"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/></maths>和<mathsid="math0002"num="0002"><math><![CDATA[<mrow><msub><mi>L</mi><mn>2</mn></msub><mo>=</mo><mo>{</mo><msubsup><mi>l</mi><mn>2</mn><mn>1</mn></msubsup><mo>,</mo><msubsup><mi>l</mi><mn>2</mn><mn>2</mn></msubsup><mo>,</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>,</mo><msubsup><mi>l</mi><mn>2</mn><msub><mi>N</mi><mn>2</mn></msub></msubsup><mo>}</mo><mo>,</mo></mrow>]]></math>id="icf0002"file="A2008100315750002C2.tif"wi="33"he="5"top="84"left="22"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/></maths>N1、N2均為正整數(shù)，(x1，y1)、(x2，y2)分別表示參考圖像和待配準(zhǔn)圖像中的像素點(diǎn)坐標(biāo)，由L1或L2中的任意兩條直線形成的一個(gè)直線對(duì)叫直線編組，用參數(shù)<mathsid="math0003"num="0003"><math><![CDATA[<mrow><mi>V</mi><mo>=</mo><mo>[</mo><msubsup><mi>l</mi><mi>H</mi><mrow><mi>k</mi><mn>1</mn></mrow></msubsup><mo>,</mo><msubsup><mi>l</mi><mi>H</mi><mrow><mi>k</mi><mn>2</mn></mrow></msubsup><mo>,</mo><mi>lengt</mi><msubsup><mi>h</mi><mi>H</mi><mrow><mi>k</mi><mn>1</mn></mrow></msubsup><mo>,</mo><mi>lengt</mi><msubsup><mi>h</mi><mi>H</mi><mrow><mi>k</mi><mn>2</mn></mrow></msubsup><mo>,</mo><msubsup><mi>S</mi><mi>H</mi><mrow><mi>k</mi><mn>1</mn></mrow></msubsup><mo>,</mo><msubsup><mi>S</mi><mi>H</mi><mrow><mi>k</mi><mn>2</mn></mrow></msubsup><mo>,</mo><msubsup><mi>E</mi><mi>H</mi><mrow><mi>k</mi><mn>1</mn></mrow></msubsup><mo>,</mo><msubsup><mi>E</mi><mi>H</mi><mrow><mi>k</mi><mn>2</mn></mrow></msubsup><mo>,</mo><msubsup><mi>M</mi><mi>H</mi><mrow><mi>k</mi><mn>1</mn></mrow></msubsup><mo>,</mo><msubsup><mi>M</mi><mi>H</mi><mrow><mi>k</mi><mn>2</mn></mrow></msubsup><mo>,</mo><msubsup><mi>O</mi><mi>H</mi><mi>k</mi></msubsup><mo>,</mo><msubsup><mi>x</mi><mi>H</mi><mi>k</mi></msubsup><mo>,</mo><msubsup><mi>y</mi><mi>H</mi><mi>k</mi></msubsup><mo>]</mo></mrow>]]></math>id="icf0003"file="A2008100315750002C3.tif"wi="118"he="5"top="106"left="66"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/></maths>來描述任意一個(gè)直線編組zHk(H＝1，k＝1，2，…，N′1；H＝2，k＝1，2，…，N′2)的屬性，其中l(wèi)Hk1，lHk2表示組成直線編組zHk的兩條直線特征，lengthHk1，lengthHk2，SHk1，SHk2，EHk1，EHk2，MHk1，MHk2分別表示它們的長(zhǎng)度、四個(gè)端點(diǎn)和兩個(gè)中點(diǎn)，OHk是直線編組的提取交點(diǎn)，xHk，yHk是交點(diǎn)坐標(biāo)；定義一個(gè)大小為N′1×N′2的匹配矩陣M來表示參考圖像和待配準(zhǔn)圖像中直線編組之間的匹配關(guān)系，即其中N′1、N′2均為正整數(shù)，N′1為參考圖像中提取的直線編組個(gè)數(shù)，N′2為待配準(zhǔn)圖像中提取的直線編組個(gè)數(shù)，參考圖像中提取的直線編組<mathsid="math0004"num="0004"><math><![CDATA[<mrow><msub><mi>Z</mi><mn>1</mn></msub><mo>=</mo><mo>{</mo><msubsup><mi>z</mi><mn>1</mn><mn>1</mn></msubsup><mo>,</mo><msubsup><mi>z</mi><mn>1</mn><mn>2</mn></msubsup><mo>,</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>,</mo><msubsup><mi>z</mi><mn>1</mn><msubsup><mi>N</mi><mn>1</mn><mo>&prime;</mo></msubsup></msubsup><mo>}</mo><mo>,</mo></mrow>]]></math>id="icf0005"file="A2008100315750002C5.tif"wi="34"he="5"top="200"left="149"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/></maths>待配準(zhǔn)圖像中提取的直線編組<mathsid="math0005"num="0005"><math><![CDATA[<mrow><msub><mi>Z</mi><mn>2</mn></msub><mo>=</mo><mo>{</mo><msubsup><mi>z</mi><mn>2</mn><mn>1</mn></msubsup><mo>,</mo><msubsup><mi>z</mi><mn>2</mn><mn>2</mn></msubsup><mo>,</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>,</mo><msubsup><mi>z</mi><mn>2</mn><msubsup><mi>N</mi><mn>2</mn><mo>&prime;</mo></msubsup></msubsup><mo>}</mo><mo>,</mo></mrow>]]></math>id="icf0006"file="A2008100315750002C6.tif"wi="35"he="5"top="210"left="87"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/></maths>1≤i≤N′，1≤j≤N′；匹配矩陣M滿足一一匹配準(zhǔn)則，即<mathsid="math0006"num="0006"><math><![CDATA[<mrow><mfencedopen='{'close=''><mtable><mtr><mtd><munderover><mi>&Sigma;</mi><mrow><mi>j</mi><mo>=</mo><mn>1</mn></mrow><msubsup><mi>N</mi><mn>2</mn><mo>&prime;</mo></msubsup></munderover><msub><mi>M</mi><mi>ij</mi></msub><mo>&le;</mo><mn>1</mn><mrow><mo>(</mo><mn>1</mn><mo>&le;</mo><mi>i</mi><mo>&le;</mo><msubsup><mi>N</mi><mn>1</mn><mo>&prime;</mo></msubsup><mo>)</mo></mrow></mtd></mtr><mtr><mtd><munderover><mi>&Sigma;</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><msubsup><mi>N</mi><mn>1</mn><mo>&prime;</mo></msubsup></munderover><msub><mi>M</mi><mi>ij</mi></msub><mo>&le;</mo><mn>1</mn><mrow><mo>(</mo><mn>1</mn><mo>&le;</mo><mi>j</mi><mo>&le;</mo><msubsup><mi>N</mi><mn>2</mn><mo>&prime;</mo></msubsup><mo>)</mo></mrow></mtd></mtr></mtable></mfenced><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>2</mn><mo>)</mo></mrow></mrow>]]></math></maths>第二步，計(jì)算參考圖像和待配準(zhǔn)圖像中直線編組之間的可靠性測(cè)度，得到可靠性測(cè)度矩陣R，R是一個(gè)大小為N′1×N′2的矩陣，它的每一項(xiàng)Rij表示直線編組對(duì)LPij的可靠性測(cè)度，LPij為Z1中的任意一個(gè)直線編組z1i與Z2的任意一個(gè)直線編組z2j組成的直線編組對(duì)，方法是采用D-S證據(jù)理論方法，對(duì)c1i和c2j進(jìn)行融合計(jì)算，得到Rij，即<mathsid="math0007"num="0007"><math><![CDATA[<mrow><msub><mi>R</mi><mi>ij</mi></msub><mo>=</mo><mfrac><mrow><msubsup><mi>c</mi><mn>1</mn><mi>i</mi></msubsup><mo>&times;</mo><msubsup><mi>c</mi><mn>2</mn><mi>j</mi></msubsup></mrow><mrow><msubsup><mi>c</mi><mn>1</mn><mi>i</mi></msubsup><mo>&times;</mo><msubsup><mi>c</mi><mn>2</mn><mi>j</mi></msubsup><mo>+</mo><mrow><mo>(</mo><mn>1</mn><mo>-</mo><msubsup><mi>c</mi><mn>1</mn><mi>i</mi></msubsup><mo>)</mo></mrow><mrow><mo>(</mo><mn>1</mn><mo>-</mo><msubsup><mi>c</mi><mn>2</mn><mi>j</mi></msubsup><mo>)</mo></mrow></mrow></mfrac><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>8</mn><mo>)</mo></mrow></mrow>]]></math></maths>其中c1i為直線編組z1i的可靠性，c2j為直線編組z2j的可靠性，它們用下式計(jì)算<mathsid="math0008"num="0008"><math><![CDATA[<mrow><msubsup><mi>c</mi><mi>H</mi><mi>k</mi></msubsup><mo>=</mo><mi>exp</mi><mo>[</mo><mo>-</mo><mfrac><msup><mrow><mo>(</mo><msubsup><mover><mi>d</mi><mo>&OverBar;</mo></mover><mi>H</mi><mi>k</mi></msubsup><mo>)</mo></mrow><mn>2</mn></msup><mrow><mn>2</mn><msup><msub><mi>&sigma;</mi><mn>2</mn></msub><mn>2</mn></msup></mrow></mfrac><mo>]</mo><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>7</mn><mo>)</mo></mrow></mrow>]]></math></maths>其中σ2是高斯函數(shù)的方差，取2□4；H＝1時(shí)，k＝1，2，…，N′1，H＝2時(shí)，k＝1，2，…N′2，<overscore>d</overscore>Hk；dHk為dHk的期望，dHk表示zHk的真實(shí)交點(diǎn)QHk和提取交點(diǎn)QHk之間的距離，有<mathsid="math0009"num="0009"><math><![CDATA[<mrow><msubsup><mover><mi>d</mi><mo>&OverBar;</mo></mover><mi>H</mi><mi>k</mi></msubsup><mo>=</mo><mfrac><mn>1</mn><msub><mi>S</mi><msub><mi>r</mi><mi>ABCD</mi></msub></msub></mfrac><msub><mo>&Integral;</mo><msub><mi>r</mi><mi>ABCD</mi></msub></msub><mo>|</mo><mo>|</mo><msubsup><mi>O</mi><mi>H</mi><mi>k</mi></msubsup><mo>-</mo><msubsup><mi>Q</mi><mi>H</mi><mi>k</mi></msubsup><mo>|</mo><mo>|</mo><mi>d</mi><msubsup><mi>Q</mi><mi>H</mi><mi>k</mi></msubsup><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>6</mn><mo>)</mo></mrow></mrow>]]></math></maths>其中，zHk由直線特征lHk1，lHk2組成，過lHk1的中點(diǎn)MHk1的與lHk1夾角均為ΔθHk1的兩條虛線是lHk1可能發(fā)生的最大方向偏移，過lHk2的中點(diǎn)MHk2的與lHk2夾角均為ΔθHk2的兩條虛線是lHk2可能發(fā)生的最大方向偏移，四條虛線交于A，B，C和D四點(diǎn)，ΔθHk1和ΔθHk2是直線特征lHk1和lHk2的方向偏移，它們的大小由公式(3)確定，rABCD為A，B，C和D四點(diǎn)圍成的四邊形，id="icf0011"file="A2008100315750003C4.tif"wi="9"he="6"top="223"left="90"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/>表示rABCD的面積，其大小根據(jù)過lHk1的中點(diǎn)MHk1和過lHk2的中點(diǎn)MHk2的四條虛線方程求出，四條虛線方程通過ΔθHk1和ΔθHk2以及提取的直線特征lHk1、lHk2獲得，<mathsid="math0010"num="0010"><math><![CDATA[<mrow><mi>&Delta;</mi><msubsup><mi>&theta;</mi><mi>H</mi><mi>m</mi></msubsup><mo>=</mo><mi>&alpha;exp</mi><mo>[</mo><mo>-</mo><mfrac><msup><mrow><mo>(</mo><msubsup><mi>length</mi><mi>H</mi><mi>m</mi></msubsup><mo>)</mo></mrow><mn>2</mn></msup><mrow><mn>2</mn><msup><msub><mi>&sigma;</mi><mn>1</mn></msub><mn>2</mn></msup></mrow></mfrac><mo>]</mo><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>3</mn><mo>)</mo></mrow></mrow>]]></math></maths>其中α是一個(gè)預(yù)設(shè)門限，用來限定方向偏移ΔθHm的最大范圍，取α＝0.175弧度，即直線特征的方向偏移不超過10度；lengthHm是lHm的長(zhǎng)度；σ1是高斯函數(shù)的方差，它決定多長(zhǎng)的直線特征將不發(fā)生方向偏移，取20□40，具體取決于圖像的分辨率，圖像分辨率越高，σ1越靠近40；第三步，計(jì)算參考圖像和待配準(zhǔn)圖像中直線編組之間的相似性測(cè)度，得到相似性測(cè)度矩陣B，B是一個(gè)大小為N′1×N′2的矩陣，它的每一項(xiàng)Bij表示參考圖像和待配準(zhǔn)圖像中任意兩個(gè)直線編組z1i和z2j的相似性測(cè)度，相似性測(cè)度表示兩個(gè)直線編組之間的相似程度，相似性測(cè)度Bij定義為<mathsid="math0011"num="0011"><math><![CDATA[<mrow><msub><mi>B</mi><mi>ij</mi></msub><mo>=</mo><mo>|</mo><mo>|</mo><mfrac><mrow><msubsup><mi>length</mi><mn>1</mn><mrow><mi>i</mi><mn>1</mn></mrow></msubsup><mo>-</mo><msubsup><mi>length</mi><mn>1</mn><mrow><mi>i</mi><mn>2</mn></mrow></msubsup></mrow><mrow><msubsup><mi>length</mi><mn>1</mn><mrow><mi>i</mi><mn>1</mn></mrow></msubsup><mo>+</mo><msubsup><mi>length</mi><mn>1</mn><mrow><mi>i</mi><mn>2</mn></mrow></msubsup></mrow></mfrac><mo>|</mo><mo>-</mo><mo>|</mo><mfrac><mrow><msubsup><mi>length</mi><mn>2</mn><mrow><mi>j</mi><mn>1</mn></mrow></msubsup><mo>-</mo><msubsup><mi>length</mi><mn>2</mn><mrow><mi>j</mi><mn>2</mn></mrow></msubsup></mrow><mrow><msubsup><mi>length</mi><mn>2</mn><mrow><mi>j</mi><mn>1</mn></mrow></msubsup><mo>+</mo><msubsup><mi>length</mi><mn>2</mn><mrow><mi>j</mi><mn>2</mn></mrow></msubsup></mrow></mfrac><mo>|</mo><mo>|</mo><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>9</mn><mo>)</mo></mrow></mrow>]]></math></maths>對(duì)(9)式進(jìn)行變換，即Bij＝F1(Bij)(10)其中F1(·)是一個(gè)單調(diào)遞減函數(shù)，采用高斯函數(shù)，即<mathsid="math0012"num="0012"><math><![CDATA[<mrow><msub><mi>F</mi><mn>1</mn></msub><mrow><mo>(</mo><mi>x</mi><mo>)</mo></mrow><mo>=</mo><mi>exp</mi><mrow><mo>(</mo><mo>-</mo><mfrac><msup><mi>x</mi><mn>2</mn></msup><msubsup><mrow><mn>2</mn><mi>&sigma;</mi></mrow><mn>3</mn><mn>2</mn></msubsup></mfrac><mo>)</mo></mrow><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>11</mn><mo>)</mo></mrow></mrow>]]></math></maths>其中σ3是高斯函數(shù)的方差，在實(shí)際中一般取σ3＝1，將Bij代入(11)式，得<mathsid="math0013"num="0013"><math><![CDATA[<mrow><msub><mi>B</mi><mi>ij</mi></msub><mo>=</mo><mi>exp</mi><mrow><mo>(</mo><mo>-</mo><mfrac><msup><msub><mi>B</mi><mi>ij</mi></msub><mn>2</mn></msup><mrow><mn>2</mn><msubsup><mi>&sigma;</mi><mn>3</mn><mn>2</mn></msubsup></mrow></mfrac><mo>)</mo></mrow><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>12</mn><mo>)</mo></mrow></mrow>]]></math></maths>第四步，計(jì)算參考圖像和待配準(zhǔn)圖像中直線編組之間的空間關(guān)系一致性測(cè)度，得到空間關(guān)系一致性測(cè)度矩陣S，S也是大小N′1×N′2的矩陣，它的每一項(xiàng)Sij表示兩幅圖像中任意兩個(gè)直線編組z1i和z2j之間的空間關(guān)系一致性測(cè)度，Sij通過下式計(jì)算<mathsid="math0014"num="0014"><math><![CDATA[<mrow><msub><mi>S</mi><mi>ij</mi></msub><mo>=</mo><msqrt><msup><mrow><mo>(</mo><msubsup><mi>x</mi><mn>1</mn><mi>i</mi></msubsup><mo>-</mo><msub><mi>T</mi><mi>x</mi></msub><mrow><mo>(</mo><msubsup><mi>x</mi><mn>2</mn><mi>j</mi></msubsup><mo>)</mo></mrow><mo>)</mo></mrow><mn>2</mn></msup><mo>+</mo><msup><mrow><mo>(</mo><msubsup><mi>y</mi><mn>1</mn><mi>i</mi></msubsup><mo>-</mo><msub><mi>T</mi><mi>y</mi></msub><mrow><mo>(</mo><msubsup><mi>y</mi><mn>2</mn><mi>j</mi></msubsup><mo>)</mo></mrow><mo>)</mo></mrow><mn>2</mn></msup></msqrt><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>13</mn><mo>)</mo></mrow></mrow>]]></math></maths>其中Tx(·)、Ty(·)分別表示參考圖像和待配準(zhǔn)圖像之間的變換模型在x方向和y方向上的變換函數(shù)，參考圖像和待配準(zhǔn)圖像之間的變換模型用變換模型參數(shù)向量P來描述，P與采用的變換模型類型有關(guān)；采用(11)式的高斯函數(shù)對(duì)(13)式做變換，即Sij＝F1(Sij)(14)將Sij代入(14)式，得<mathsid="math0015"num="0015"><math><![CDATA[<mrow><msub><mi>S</mi><mi>ij</mi></msub><mo>=</mo><mi>exp</mi><mrow><mo>(</mo><mo>-</mo><mfrac><msup><msub><mi>S</mi><mi>ij</mi></msub><mn>2</mn></msup><mrow><mn>2</mn><msubsup><mi>&sigma;</mi><mn>3</mn><mn>2</mn></msubsup></mrow></mfrac><mo>)</mo></mrow><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>15</mn><mo>)</mo></mrow><mo>;</mo></mrow>]]></math></maths>第五步，建立能量函數(shù)<mathsid="math0016"num="0016"><math><![CDATA[<mrow><mi>E</mi><mrow><mo>(</mo><mi>M</mi><mo>,</mo><mi>P</mi><mo>)</mo></mrow><mo>=</mo><munderover><mi>&Sigma;</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><msubsup><mi>N</mi><mn>1</mn><mo>&prime;</mo></msubsup></munderover><munderover><mi>&Sigma;</mi><mrow><mi>j</mi><mo>=</mo><mn>1</mn></mrow><msubsup><mi>N</mi><mn>2</mn><mo>&prime;</mo></msubsup></munderover><msub><mi>M</mi><mi>ij</mi></msub><msub><mi>R</mi><mi>ij</mi></msub><msub><mi>B</mi><mi>ij</mi></msub><msub><mi>S</mi><mi>ij</mi></msub><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>16</mn><mo>)</mo></mrow></mrow>]]></math></maths>當(dāng)匹配矩陣M包含了所有正確匹配的直線編組對(duì)而剔除了所有錯(cuò)誤匹配的直線編組對(duì)，E(·)的值將會(huì)達(dá)到一個(gè)全局最大值，這時(shí)的匹配矩陣M是最優(yōu)的，同時(shí)由最優(yōu)匹配矩陣計(jì)算的變換模型參數(shù)向量P也是最優(yōu)的，即<Mopt，Popt>＝argmax(E(·))(17)其中Mopt，Popt分別表示最優(yōu)的匹配矩陣和最優(yōu)的變換模型參數(shù)向量，argmax(·)表示對(duì)·求最大值，這樣，直線編組的匹配問題轉(zhuǎn)變成為一個(gè)能量函數(shù)最優(yōu)化問題；第六步，采用兩步迭代優(yōu)化算法對(duì)(17)式描述的優(yōu)化問題進(jìn)行迭代優(yōu)化，得到Mopt和Popt步驟1采用一個(gè)序貫組合特征相似性和空間關(guān)系一致性的方法來初始化變換模型參數(shù)向量P首先根據(jù)特征相似性測(cè)度選擇求解變換模型需要的最少數(shù)目的3-5倍的直線編組對(duì)作為候選匹配直線編組對(duì)，然后根據(jù)空間關(guān)系一致性測(cè)度利用窮舉法或RANSAC算法獲得求解變換模型參數(shù)向量P需要的最少數(shù)目的最優(yōu)匹配直線編組對(duì)，利用它們的提取交點(diǎn)求出變換模型參數(shù)向量P的初值P0；步驟2初始化控制參數(shù)β＝β0，β0、βr和βmax分別是控制參數(shù)β的初始值、增長(zhǎng)率和最大值，取β0＝0.5，βr取1.05-1.1，βmax＝10；步驟3已知變換模型參數(shù)向量P，采用軟指派方法計(jì)算匹配矩陣M；步驟4已知匹配矩陣M，空間關(guān)系一致性測(cè)度矩陣S的每個(gè)元素Sij就可表示成變換模型參數(shù)向量P的函數(shù)，公式(16)變?yōu)?lt;mathsid="math0017"num="0017"><math><![CDATA[<mrow><mi>E</mi><mrow><mo>(</mo><mi>P</mi><mo>)</mo></mrow><mo>=</mo><munderover><mi>&Sigma;</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><msubsup><mi>N</mi><mn>1</mn><mo>&prime;</mo></msubsup></munderover><munderover><mi>&Sigma;</mi><mrow><mi>j</mi><mo>=</mo><mn>1</mn></mrow><msubsup><mi>N</mi><mn>2</mn><mo>&prime;</mo></msubsup></munderover><msub><mi>M</mi><mi>ij</mi></msub><msub><mi>R</mi><mi>ij</mi></msub><msub><mi>B</mi><mi>ij</mi></msub><msub><mi>S</mi><mi>ij</mi></msub><mo>=</mo><munderover><mi>&Sigma;</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><msubsup><mi>N</mi><mn>1</mn><mo>&prime;</mo></msubsup></munderover><munderover><mi>&Sigma;</mi><mrow><mi>j</mi><mo>=</mo><mn>1</mn></mrow><msubsup><mi>N</mi><mn>2</mn><mo>&prime;</mo></msubsup></munderover><msub><mi>S</mi><mi>ij</mi></msub><mrow><mo>(</mo><mi>P</mi><mo>)</mo></mrow><msub><mi>U</mi><mi>ij</mi></msub><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>21</mn><mo>)</mo></mrow></mrow>]]></math></maths>其中Uij＝MijRijBij是一個(gè)常數(shù)，采用多元變量變尺度算法計(jì)算變換模型參數(shù)向量P，然后β＝βrβ；步驟5若控制參數(shù)β＞βmax，判斷變換模型參數(shù)向量P是否收斂，如果收斂，算法結(jié)束，如果不收斂，返回步驟2；若控制參數(shù)β≤βmax，則轉(zhuǎn)步驟3；變換模型參數(shù)向量P的收斂準(zhǔn)則為||P0-P1||＜ε1(22)其中P0、P1分別表示前一次和當(dāng)前獲得的變換模型參數(shù)向量，ε1是一個(gè)預(yù)設(shè)門限，取0.01-0.05。2.如權(quán)利要求1所述的基于直線特征圖像配準(zhǔn)中的特征匹配方法，其特征在于從參考圖像和待配準(zhǔn)圖像中提取直線編組時(shí)只選擇那些滿足約束條件的直線編組作為配準(zhǔn)基元，約束條件是直線編組的提取交點(diǎn)到組成它的兩條直線之間的Hausdroff距離之和小于一個(gè)預(yù)設(shè)門限r(nóng)，r取10-30個(gè)象素。3.如權(quán)利要求1所述的基于直線特征圖像配準(zhǔn)中的特征匹配方法，其特征在于所述軟指派方法為(2)行歸一化匹配矩陣M，即M廣M,./f]M"/一i(3)列歸一化匹配矩陣M，即My-M,/fx;/'=1(4)當(dāng)收斂時(shí)，算法結(jié)束，否則轉(zhuǎn)(2)，匹配矩陣M的收斂準(zhǔn)則是SZK-M;l"o(20)其中My°、My'分別表示前一次和當(dāng)前獲得的匹配矩陣M中元素M々的值，s。是一個(gè)預(yù)設(shè)門限，取0.01-0.05。全文摘要本發(fā)明公開了一種基于直線特征圖像配準(zhǔn)中的特征匹配方法，目的是解決基于直線特征圖像配準(zhǔn)中的特征匹配問題。技術(shù)方案是首先從參考圖像和待配準(zhǔn)圖像中提取直線編組作為配準(zhǔn)基元，定義匹配矩陣M；接著計(jì)算這兩幅圖像中直線編組之間的可靠性測(cè)度、相似性測(cè)度、空間關(guān)系一致性測(cè)度，得到可靠性測(cè)度矩陣R、相似性測(cè)度矩陣B、空間關(guān)系一致性測(cè)度矩陣S；然后建立以M為自變量的能量函數(shù)，將直線編組的匹配問題轉(zhuǎn)變成能量函數(shù)最優(yōu)化問題；最后采用兩步迭代優(yōu)化算法對(duì)能量函數(shù)最優(yōu)化問題進(jìn)行迭代優(yōu)化。本發(fā)明在特征匹配過程中有機(jī)組合了直線編組的可靠性、空間關(guān)系一致性和相似性，克服了現(xiàn)有方法存在的計(jì)算復(fù)雜、容易造成誤匹配以及同名像點(diǎn)獲取不準(zhǔn)確的缺陷。文檔編號(hào)G06T7/00GK101315698SQ20081003157公開日2008年12月3日申請(qǐng)日期2008年6月25日優(yōu)先權(quán)日2008年6月25日發(fā)明者呂金建,文貢堅(jiān)申請(qǐng)人:中國(guó)人民解放軍國(guó)防科學(xué)技術(shù)大學(xué)