[發明專利]基于局部不變灰度特征的圖像配準方法、圖像處理系統

有效

• 申請號: 201810316415.8
• 申請日: 2018-04-10
• 公開（公告）號: CN108537832B
• 公開（公告）日: 2021-11-26
• 發明（設計）人: 盧一相;陳帥;高清維;孫冬;彭學明;鮑華;夏懿
• 申請（專利權）人: 安徽大學
• 主分類號: G06T7/33
• 分類號: G06T7/33;G06T7/11
• 代理公司: 重慶市信立達專利代理事務所(普通合伙) 50230
• 代理人: 包曉靜

本發明屬于數據識別及數據表示技術領域，公開了一種基于局部不變灰度特征的圖像配準方法、圖像處理系統，所述基于局部不變灰度特征的圖像配準方法構建特征提取描述子；通過尋找配準圖像間的特征點，采用最近鄰法則尋找相匹配的關鍵點；計算配準圖像間的仿射變換變換矩陣H，通過奇異值分解求出其6個參數。構建描述子，將采樣點分為奇偶兩部分，使得構造描述子時維度顯著降低，減少了運行時間，提高了配準時的精度與準確度；構造描述子向量時，根據灰度值大小進行排序，具有旋轉不變性。本發明的檢測精度較高，具有較好的噪聲魯棒性和較低的計算復雜度，主要得益于較大程度上降低原描述子的維度，對光照變換不敏感。

技術領域

本發明屬于數據識別及數據表示技術領域，尤其涉及一種基于局部不變灰度特征的圖像配準方法、圖像處理系統。

背景技術

目前，業內常用的現有技術是這樣的：圖像局部特征廣泛應用于計算機視覺與模式識別中，這主要包括兩個方面:從關注的圖像中檢測感興趣點或者感興趣區域，并計算他們的不變特征。目前已經提出許多檢測感興趣點的方法，例如SIFT，GLOH，IWCS-LTP等等。它們通過構建梯度方向和位置信息直方圖去構建描述子，可以獲得令人滿意的效果。然而這些方法不能應對更為復雜的方向變化和光照變換。現有技術一局部灰度排序模式，局部灰度排序模式(LIOP)是通過計算每一個感興趣區域中的元素的局部坐標構造描述子，從而具有方向不變性和光照不變性。缺點，局部灰度排序模式的維度會隨著采樣點的變大而變大，影響計算效率。現有技術二SIFT，SIFT算法廣泛應用于特征提取領域，具有較高的利用價值。通過建立高斯金字塔，尋找尺度不變特征點，具有仿射不變性。SIFT算法在尋找不變特征時，需要建立坐標系，為每一個關鍵點分配主方向，然而方向評估容易受到噪聲干擾，影響匹配精確性。基于特征的配準方法是目前較為常用的配準方法之一，該算法只需要利用提取到的待配準圖像中的點、線、邊緣等特征信息，而并不需要任何輔助信息，不僅可以減少計算量、提高效率，同時，能夠對圖像的灰度變化具有魯棒性。根據選取的特征信息的不同，基于特征的圖像配準基本可分為三類，即基于特征點、特征區域、特征邊緣。在圖像配準中，基于特征點的匹配廣為使用。SIFT算法是在空間尺度中尋找極值點，并提取出其位置、尺度、旋轉不變量，此算法由David Lowe在1999年所發表，2004年完善總結。SIFT特征是圖像的局部特征，其對旋轉、尺度縮放、亮度變化保持不變性，對視角變化、仿射變換、噪聲變換也保持一定程度的穩定性，其實質是在不同的尺度空間上查找關鍵點(特征點)，并計算出關鍵點的方向。但是，該方法在構建特征描述子時，需要為每一個關鍵點分配主方向，方向的確定容易受到噪聲的干擾，同時SIFT方法在提取特征時，對邊緣光滑的目標無法準確地提取特征點，對模糊的圖像和邊緣光滑的圖像，檢測到的特征點很少，尤其難以處理圓形區域。LIOP是一種用來刻畫圖像局部亮度順序信息的特征描述方法。該方法利用圖像(塊)整體的亮度順序信息將圖像塊分割成若干個局部子區域，一次來加快計算速度，同時，整個圖像塊的整體和局部亮度順序信息被提取出來，可以構成LIOP特征。該方法對光照變換不敏感，同時對視角變換，圖像模糊，圖像有損壓縮等也同樣不敏感。然而該方法在構建特征向量時，由于對圖像局部塊中某個點進行采樣，得到若干采樣點，隨著采樣點的增多，特征的維度越來越高，影響計算速度與實驗效率。CS-LBP是利用中心對稱的局部二值模型LBP(local binary pattern)構造描述子，由于利用中心對稱的采樣點，可以避免描述子維度過大，HRI-CSLTP是將CS-LBP進行擴展，得到三值編碼，得到的描述子具有更強的辨別能力。利用各種特征提取算法找到的特征點，進行特征點初始匹配后，所選定的點對不一定就是全部正確的點，也可能有誤點，因此常用RANSAC對特征點進行提純，然而利用此法找到的點對，可能還是不夠準確，極大的影響了后續圖像的配準。

綜上所述，現有技術存在的問題是：

(1)SIFT算法在尋找不變特征時，需要建立坐標系，為每一個關鍵點分配主方向，方向評估容易受到噪聲干擾，影響匹配精確性。

(2)局部灰度排序模式的維度會隨著采樣點的變大而變大，影響計算效率。