[發明專利]一種基于分數階變分光流模型及對偶優化的圖像配準方法

有效

• 申請號: 201810391388.0
• 申請日: 2018-04-27
• 公開（公告）號: CN108805916B
• 公開（公告）日: 2021-06-08
• 發明（設計）人: 楊旗;張玉璞;楊芳;張艷珠
• 申請（專利權）人: 沈陽理工大學
• 主分類號: G06T7/33
• 分類號: G06T7/33;G06F17/16
• 代理公司: 沈陽東大知識產權代理有限公司 21109
• 代理人: 劉曉嵐

本發明提供一種基于分數階變分光流模型及對偶優化的圖像配準方法，涉及圖像融合及圖像分析技術領域。一種基于分數階變分光流模型及對偶優化的圖像配準方法，首先構建分數階變分光流模型，再采用對偶優化的方法最小化所構建的分數階變分光流模型，最后采用金字塔框架結構和扭曲對齊法處理圖像配準過程中圖像幀間的像素大位移問題，完成圖像的精準配準。本發明提供的基于分數階變分光流模型及對偶優化的圖像配準方法不僅可以獲得更高的圖像配準準確度，并且可以處理幀間像素大位移的狀況，使圖像配準質量得到較大改進。

技術領域

本發明涉及圖像融合及圖像分析技術領域，尤其涉及一種基于分數階變分光流模型及對偶優化的圖像配準方法。

背景技術

圖像配準是圖像融合及圖像分析的基礎。圖像配準是指從不同視角，不同時間對兩個或更多副圖像進行比對。圖像配準方法是找到一個幾何變換矩陣來實現一個圖像的像素點與另一個圖像的像素點的對齊。圖像配準在圖像分析、圖像融合、圖像拼接、圖像運動估計以及圖像識別領域都有廣泛的應用。近些年，圖像配準技術已經得到了快速的發展，這些技術可以被分類為基于灰度的方法和基于特征的方法。基于灰度的方法采用圖像灰度強度來進行比對，而基于特征的方法使用特征圖像來進行比對，如點、線、角。另一種分類方法可以分類為單模態方法和多模態方法；單模態方法從單一的傳感器采集圖像，而多模態方法從不同的傳感器采集圖像。圖像配準的方法還可以按照圖像變換模型，即剛性、非剛性進行分類；剛性的變換是全局的，包括旋轉、比例、扭曲等變換，但是它很難處理兩幅圖像的局部的幾何變換，而非剛性變換能夠處理兩幅圖像間像素的不規則變化，包括徑向基函數、大變形模型、物理連續模型。

然而現在仍然有很多待解決的問題存在于非剛性的圖像配準中，例如大尺寸位移情況下圖像配準精度低的問題。

發明內容

針對現有技術的缺陷，本發明提供一種基于分數階變分光流模型及對偶優化的圖像配準方法，實現圖像的配準。

基于分數階變分光流模型及對偶優化的圖像配準方法，包括以下步驟：

步驟1、構建分數階變分光流模型，具體方法為：

設定序列圖像為I(x，y，t)，其中(x，y)表示圖像的空間位置，t表示時間，I(x，y，t)同時表示圖像的密度函數；

根據亮度恒定性假設，序列圖像I(x，y，t)隨時間變化的恒定強度函數如下公式所示：

對上述公式應用泰勒展開，并只考慮一階項，得到如下所示公式：

定義序列圖像的偏差向量為u，則偏差向量u的增量如下公式所示：

序列圖像I(x，y，t)的空間域梯度如下公式所示：

序列圖像I(x，y，t)的時間域導數如下公式所示：

將偏差向量u的增量、序列圖像I(x，y，t)的空間域梯度及時間域導數代入到應用泰勒展開的序列圖像I(x，y，t)隨時間變化的恒定強度函數中，得到經典的光流約束，如下公式所示：

考慮到序列圖像上像素點的異常值和運動不連續性，從左到右依次構建正則項和保真項，得到分數階變分光流模型，如下公式所示：

其中，為正則項，為保真項，α為階次，λ為平衡分數變分光流模型中正則項和保真項的權重系數；

步驟2、為了使構建的分數階變分光流模型獲得最優的配準精度，即獲得最優的解，采用對偶優化的方法最小化步驟1構建的分數階變分光流模型，具體方法為：