本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，涉及到圖像配準(zhǔn)方法。

背景技術(shù)：

圖像配準(zhǔn)是針對不同攝像機在不同時間、不同視角下拍攝的兩張或多張同一場景的圖像進行對齊處理的過程，覆蓋了從圖像融合到圖像拼接的許多實際應(yīng)用領(lǐng)域以及醫(yī)學(xué)圖像處理、計算機視覺、模式識別等科研領(lǐng)域。目前，圖像配準(zhǔn)方法大致可以分為三類：基于灰度信息的配準(zhǔn)方法、基于變換域的配準(zhǔn)方法和基于特征的配準(zhǔn)方法?；谔卣鞯呐錅?zhǔn)方法，圖像配準(zhǔn)的魯棒性和穩(wěn)定性較高，特征點數(shù)量豐富，應(yīng)用范圍較廣，因此受到廣泛關(guān)注和研究，如SIFT，SURF，ORB，BRIEF。

Lowe首次提出了尺度不變特征變換的基本思想，并于2004年進行了完善，進而提出了SIFT配準(zhǔn)算法。SIFT算法獲得的特征描述符具有完全的旋轉(zhuǎn)不變性、完全的尺度不變性、基本完全的光照不變性以及部分的仿射不變性。在一般情況下，SIFT算法能夠得到較好的配準(zhǔn)結(jié)果，但當(dāng)圖像中存在著大量的相似結(jié)構(gòu)時，通過SIFT算法得到的匹配結(jié)果中會出現(xiàn)大量的誤匹配。因此，SIFT提取特征點后，如何剔除誤匹配點對是當(dāng)前圖像配準(zhǔn)算法研究的重點和難點。

最近幾年又出現(xiàn)了許多新思路、新方法或改進算法，對一些經(jīng)典方法和新出現(xiàn)的方法作了概述，并將去除誤匹配方法分為以下幾類：

1.目前常用的方法是利用對極幾何約束去除誤匹配，如隨機取樣一致性算法(RANSAC)。然而，RANSAC算法迭代次數(shù)較多，運行耗時，而且受初始點集的影響很大，而且在去除誤匹配的同時又使得大量正確匹配點對被誤刪。

2.基于特征點的中值濾波算法，然后采用兩次改進的RANSAC算法刪除誤配,提高正確匹配角點的數(shù)量,最后對仿射變換模型參數(shù)進行非線性優(yōu)化以進一步降低圖像的配準(zhǔn)誤差.但該算法不能徹底消除匹配特征點的誤差，且耗時。

缺點：SIFT算法配準(zhǔn)是以特征點結(jié)構(gòu)的最優(yōu)相似程度為依據(jù)的，而在特征點集中存在大量的具有相似結(jié)構(gòu)的特征點，這些特征點之間可能并沒有對應(yīng)關(guān)系，因此導(dǎo)致了誤匹配的發(fā)生，而忽略真正的正確匹配點對。RANSAC方法受初始點集的影響很大，而且在去除誤匹配的同時又使得大量正確匹配點對被誤刪。

技術(shù)實現(xiàn)要素：

為了克服現(xiàn)有的圖像配準(zhǔn)方法的匹配準(zhǔn)確性較差的不足，本發(fā)明提供一種有效去除誤匹配且同時避免正確匹配點、準(zhǔn)確性較高的基于SIFT和驗證機制的圖像配準(zhǔn)方法。

本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：

一種基于SIFT和驗證機制的圖像配準(zhǔn)方法，所述配準(zhǔn)方法包括以下步驟：

1)利用SIFT算法從參考圖像和待匹配圖像中提取特征點；

2)從圖像中提取角點集，得到初步的對應(yīng)角點集合，過程如下：

2.1)利用Harris角點算法提取角點，計算原始圖像中每個像素點對應(yīng)的角點響應(yīng)函數(shù)CRF，響應(yīng)函數(shù)CRF所對應(yīng)的極大值點就是圖像的角點位置；

2.2)在角點集中任意選取4點集X＝{a,b,c,d}，確定了兩個獨立的比值，每一個比值是有三個共線的點計算得到的，ab和cd在一個中間點相交與e，以下式(1)和(2)得到兩個比值:

對于給出的n個點的集合Q，兩個仿射不變的比值r₁和r₂，在O(n²+k)時間內(nèi)有效地提取所有的根據(jù)兩個不變量所確定的4點集，k代表所記錄的4點集的個數(shù)，如下：對于Q中的每一對q₁,q₂，計算兩個交點：

e₁＝q₁+r₁(q₂-q₁) (3)

e₂＝q₁+r₂(q₂-q₁) (4)

任意兩對點對的中間交點是一致的，一個根據(jù)r₁產(chǎn)生，一個根據(jù)r₂產(chǎn)生，可能對應(yīng)于一個4點集，它是B的仿射變換的副本；因為點e₁和e₂在同一坐標(biāo)系，利用鄰域搜索結(jié)構(gòu)來搜索重合點還是較快的；

首先，根據(jù)上述所描述的，對于給出的B，計算在這個平面上的兩個仿射不變量；然后從點集Q中，提取了所有的通過仿射變換與B相近的點集；雖然這種方式產(chǎn)生了所需要的4點集的超集，對于剛性變換得到的誤匹配對是有限的；

為了移除不一致的4點集，尋找它們在圖像中原始的位置，驗證對應(yīng)點集是否滿足基準(zhǔn)點集B的在剛性變化下的約束；

2.3)驗證機制，過程如下：

對于S1中的4點集{a,b,c,d}分別構(gòu)成了兩個三角形Δabc,Δabd，設(shè)a(x₁,y₁),b(x₂,y₂),c(x₃,y₃)，S為這三個點組成的三角形的面積，則S通過下式計算

那么對于S2中的對應(yīng)的{a',b',c',d'}，對應(yīng)的兩個三角形Δa'b'c',Δa'b'd'，分別求出它們的面積，若滿足下式：

就認(rèn)為兩個4點集是匹配的，否則，認(rèn)為這是一對誤匹配對，根據(jù)確定的正確角點對a和a'、b和b'，將a和a'作為后續(xù)匹配的基準(zhǔn)點，而向量作為基準(zhǔn)方向；

3)匹配點對的角度約束，過程如下：

首先，利用SIFT算法得到初始匹配的特征點集，即第一幅圖像中的特征點集X和第二幅圖像的特征點集Y，對于X中的任一特征點X_i，SIFT采用關(guān)鍵點特征向量的歐氏距離作為兩幅圖像中關(guān)鍵點的相似性判定度量；取參考圖像中的某個關(guān)鍵點，并找出其與待匹配圖像中歐式距離最近的前兩個關(guān)鍵點，在這兩個關(guān)鍵點中，如果最近的距離除以次近的距離少于某個比例閾值，加入如下判斷機制：

在參考圖像中的待匹配的點X_i與基準(zhǔn)點連線，并計算它與基準(zhǔn)方向的夾角θ₁，同時對待匹配圖像做同樣的處理，得到它與基準(zhǔn)方向的夾角為θ₂，計算θ₂與θ₁的差的絕對值θ_ddangle，若滿足下面的式子(7)，就認(rèn)為它們?yōu)橐粚ζヅ潼c；

θ_ddangle＝|θ₁-θ₂|≤μ_{angleThreshold} (7)

其中，μ_{angleThreshold}是角度之差的閾值，因為考慮到每一幅圖像間的仿射存在的差異可能不同，不能統(tǒng)一的確定一個閾值，通過大量實驗，得出μ_{angleThreshold}在[0,20]之間匹配的效果最好。

本發(fā)明的技術(shù)構(gòu)思為：本發(fā)明提出的基于SIFT和驗證機制的圖像配準(zhǔn)方法。首先，通過改進后的SIFT算法從參考圖像和待匹配圖像中提取特征。其次，利用Harris算法提取出可以作為匹配過程中基準(zhǔn)點的角點，以兩個角點的連接線作為基準(zhǔn)方向。然后，對于SIFT算法匹配出來的特征點對，分別與各自圖像中的基準(zhǔn)點連線，并計算其與基準(zhǔn)方向之間的夾角，通過計算夾角之間的差值來判斷是否滿足所設(shè)定的閾值條件，若符合，則視其為匹配點對，反之，則為誤匹配

本發(fā)明的有益效果為：克服了現(xiàn)有SIFT算法所存在的不足，在其基礎(chǔ)上利用特征點之間的空間位置信息，根據(jù)仿射變換的不變性，利用角度約束，增添驗證機制模塊，對配準(zhǔn)算法進行優(yōu)化；有效去除誤匹配且同時避免正確匹配點、準(zhǔn)確性較高。

附圖說明

圖1是基于SIFT和驗證機制的圖像配準(zhǔn)算法的流程圖。

圖2是提取的角點集示意圖，其中，(a)為參考圖像，(b)為待匹配圖像。

圖3是匹配方法的消除誤匹配點對的示意圖，包含與其他算法的比較，(a)為RANSAC算法的匹配結(jié)果的局部示意圖，圖中對誤匹配點對進行了標(biāo)記；(b)為利用基于SIFT和驗證機制的圖像配準(zhǔn)算法消除誤匹配點對的結(jié)果圖。

圖4是匹配算法的匹配結(jié)果圖，其中，(a)為尺度改變及視角變換下的匹配效果圖，(b)為光照變化下的匹配結(jié)果圖。

具體實施方式

下面結(jié)合附圖對本發(fā)明作進一步描述。

參照圖1～圖4，一種基于SIFT和驗證機制的圖像配準(zhǔn)方法，所述配準(zhǔn)方法包括以下步驟：

1)利用SIFT算法從參考圖像和待匹配圖像中提取特征點集T1,T2；

2)從圖像中提取角點集，得到初步的對應(yīng)角點集合P，Q，過程如下：

2.1)利用Harris角點算法提取角點，計算原始圖像中每個像素點對應(yīng)的角點響應(yīng)函數(shù)CRF，響應(yīng)函數(shù)CRF所對應(yīng)的極大值點就是圖像的角點位置；

2.2)在角點集中任意選取4點集X＝{a,b,c,d}，確定了兩個獨立的比值，每一個比值是有三個共線的點計算得到的，ab和cd在一個中間點相交與e，注意可能經(jīng)常選具有交叉點的點對，以下式(1)和(2)得到兩個比值:

對于給出的n個點的集合Q，兩個仿射不變的比值r₁和r₂，可以在O(n²+k)時間內(nèi)有效地提取所有的根據(jù)兩個不變量所確定的4點集，k代表所記錄的4點集的個數(shù)，如下：對于Q中的每一對q₁,q₂，計算兩個交點：

e₁＝q₁+r₁(q₂-q₁) (3)

e₂＝q₁+r₂(q₂-q₁) (4)

任意兩對點對的中間交點是一致的，一個根據(jù)r₁產(chǎn)生，一個根據(jù)r₂產(chǎn)生，可能對應(yīng)于一個4點集，它是B的仿射變換的副本。因為點e₁和e₂在同一坐標(biāo)系，利用鄰域搜索結(jié)構(gòu)來搜索重合點還是較快的；

首先，根據(jù)上述所描述的，對于給出的B，計算在這個平面上的兩個仿射不變量；然后，從點集Q中，提取了所有的通過仿射變換與B相近的點集；雖然這種方式產(chǎn)生了所需要的4點集的超集，對于剛性變換得到的誤匹配對是有限的；

為了移除不一致的4點集，尋找它們在圖像中原始的位置，驗證對應(yīng)點集是否滿足基準(zhǔn)點集B的在剛性變化下的約束；

2.3)驗證機制，過程如下：

對于S1中的4點集{a,b,c,d}分別構(gòu)成了兩個三角形Δabc,Δabd，設(shè)a(x₁,y₁),b(x₂,y₂),c(x₃,y₃)，S為這三個點組成的三角形的面積，則S通過下式計算

那么對于S2中的對應(yīng)的{a',b',c',d'}，對應(yīng)的兩個三角形Δa'b'c',Δa'b'd'，分別求出它們的面積，若滿足下式：

就認(rèn)為兩個4點集是匹配的，否則，認(rèn)為這是一對誤匹配對，該方法可有效地刪除不一致點對；根據(jù)確定的正確角點對a和a'、b和b'，將a和a'作為后續(xù)匹配的基準(zhǔn)點，而向量作為基準(zhǔn)方向；

3)匹配點對的角度約束，過程如下：

首先利用SIFT算法得到初始匹配的特征點集，即第一幅圖像中的特征點集X和第二幅圖像的特征點集Y；對于X中的任一特征點X_i，SIFT采用關(guān)鍵點特征向量的歐氏距離來作為兩幅圖像中關(guān)鍵點的相似性判定度量；取參考圖像中的某個關(guān)鍵點，并找出其與待匹配圖像中歐式距離最近的前兩個關(guān)鍵點，在這兩個關(guān)鍵點中，如果最近的距離除以次近的距離少于預(yù)設(shè)比例閾值，加入一個判斷機制：

在參考圖像中的待匹配的點X_i與基準(zhǔn)點連線，并計算它與基準(zhǔn)方向的夾角θ₁，同時對待匹配圖像做同樣的處理，得到它與基準(zhǔn)方向的夾角為θ₂，計算θ₂與θ₁的差的絕對值θ_ddangle，若滿足下面的式子(7)，就認(rèn)為它們?yōu)橐粚ζヅ潼c。

θ_ddangle＝|θ₁-θ₂|≤μ_{angleThreshold} (7)

其中，μ_angleThresho_ld是角度之差的閾值。因為考慮到每一幅圖像間的仿射存在的差異可能不同，不能統(tǒng)一的確定一個閾值，通過大量實驗，得出μ_{angleThreshold}在[0,20]之間匹配的效果最好。本實施例的基于SIFT和驗證機制的圖像配準(zhǔn)方法，包括以下步驟：

1)利用SIFT算法從參考圖像和待匹配圖像中提取特征點；

2)利用Harris角點算法提取角點作為基準(zhǔn)點，用驗證機制確保正確的角點對，如圖2所示，連接兩個角點，作為基準(zhǔn)方向；

3)對于SIFT算法匹配出來的特征點對，分別與各自圖像中的基準(zhǔn)點連線，并計算其與基準(zhǔn)方向之間的夾角，計算夾角之間的差值是否滿足所設(shè)定的閾值條件，若符合，則視其為匹配點對，如圖3所示。