[發(fā)明專利]基于改進(jìn)的SIFT算法與李薩如圖軌跡的圖像配準(zhǔn)方法

無效

• 申請(qǐng)?zhí)枺?/td>: 200910055983.8
• 申請(qǐng)日: 2009-08-06
• 公開（公告）號(hào): CN101989352A
• 公開（公告）日: 2011-03-23
• 發(fā)明（設(shè)計(jì)）人: 宋智禮
• 申請(qǐng)（專利權(quán)）人: 宋智禮
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術(shù)領(lǐng)域：

本方法屬于計(jì)算機(jī)圖像對(duì)齊、配準(zhǔn)領(lǐng)域。可用于進(jìn)行遙感、醫(yī)學(xué)、一般圖像的對(duì)齊、配準(zhǔn)。

背景技術(shù)：

SIFT與SURF算法是用來從兩副相關(guān)的圖像中檢測(cè)特征點(diǎn)，并進(jìn)行匹配操作的算法。但由于該算法對(duì)幾何變形和圖像灰度變化較敏感的缺點(diǎn)。從而導(dǎo)致在應(yīng)用其進(jìn)行遙感圖像對(duì)齊時(shí)非常不穩(wěn)定，且特征點(diǎn)間的正確匹配率極其低下的現(xiàn)象。本文出于解決這兩個(gè)問題出發(fā)，提出了一種改進(jìn)的SIFT(SURF)算法和相似度量函數(shù)。

發(fā)明內(nèi)容：

由于應(yīng)用SIFT算法或SURF算法進(jìn)行遙感圖像配齊時(shí)，存在兩個(gè)非常大的缺陷。這兩個(gè)缺陷主要是由于圖像的多模態(tài)性造成的。本方法結(jié)合了對(duì)圖像的多模態(tài)比較穩(wěn)定的邊沿和輪廓信息，從而有效地克服的以上兩個(gè)缺陷。極大的提高的SIFT算法和SURF算法這種情況下的穩(wěn)定性能。

同時(shí)本算法還提出了一種具有更高分辨率和識(shí)別力的相似性度量函數(shù)。該相似性度量函數(shù)是基于李薩如軌跡進(jìn)行計(jì)算的。具有更好穩(wěn)定性能和較高的精度和識(shí)別能力。

附圖說明：

圖1特征點(diǎn)及其附近的邊

圖2.TAR?image?of?edges?shown?in圖1.

圖3.李薩如圖軌跡及其在該軌跡上選定的點(diǎn)集以星號(hào)標(biāo)示

圖4.李薩如圖的優(yōu)點(diǎn)

圖5.(a)和(b)要對(duì)齊的遙感圖像，(c)和(d)是從(a)和(b)選的部分圖像，圖中的十字號(hào)標(biāo)出的兩點(diǎn)對(duì)應(yīng)同一地理位置

圖6由本算法提出的相似度量函數(shù)算得的相似矩陣。

圖7.用于計(jì)算相似度量的軌跡點(diǎn)集的計(jì)算示意圖。

圖8，原算法的匹配點(diǎn)對(duì)間的正確匹配率

圖9，改進(jìn)的算法的匹配點(diǎn)對(duì)間的正確匹配率

具體實(shí)施方式：

一、改進(jìn)的SURF及SIFT算法

1.從兩幅圖像中用SURF或SIFT算法檢測(cè)并匹配

2.兩組特征點(diǎn)，匹配的特征點(diǎn)對(duì)按照它們的相似程度由高到低排序。

3.檢測(cè)出兩幅圖像的輪廓信息或邊的信息。

4.對(duì)一對(duì)匹配的特征點(diǎn)對(duì)及其附近的一對(duì)邊計(jì)算其相應(yīng)的TAR圖。TAR圖的計(jì)算的依據(jù)是仿射不變是TAR，它是根據(jù)三角形的三個(gè)頂點(diǎn)坐標(biāo)來計(jì)算的。如果三角形三個(gè)頂點(diǎn)分別是：p_B(x_b，y_b)，p_M(x_m，y_m)，p_E(x_e，y_e)，那么我們有