[發明專利]一種基于R-SIFT的硬件木馬圖像配準方法、存儲介質及設備

在審

• 申請號: 202010954726.4
• 申請日: 2020-09-11
• 公開（公告）號: CN112102381A
• 公開（公告）日: 2020-12-18
• 發明（設計）人: 李玲玲;梁普江;孫宸;馬晶晶;焦李成;劉芳;郭曉惠;劉旭;張夢漩;張丹
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06T7/33
• 分類號: G06T7/33;G06T5/50;G06T5/00;G06K9/46;G06K9/62
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 高博

本發明公開了一種基于R?SIFT的硬件木馬圖像配準方法、存儲介質及設備，對輸入圖像進行高斯濾波和下采樣處理，構造多尺度空間；在構造的多尺度空間中檢測圖像的極值點；對得到的極值點方向進行賦值，得到對應點的位置，尺度和方向信息，生成特征描述子；利用生成的特征描述子，使用距離匹配方法，初步生成預匹配點對，并用匹配矩陣C表示；確定預匹配矩陣C之后，使用RANSAC算法進行校正，去除多余匹配點，完成圖像配準。本發明有效解決圖像配準中仿射變換的問題，并且可以更靈活的避免噪聲點帶來的干擾，進而提升圖像配準方法的穩定性和精確度。

技術領域

本發明屬于圖像識別技術領域，具體涉及一種基于R-SIFT的硬件木馬圖像配準方法、存儲介質及設備。

背景技術

圖像匹配是圖像識別領域的一個經典問題。在實際應用中，圖像匹配也是一項極為常見的圖像處理需求，比如例如在內容復雜的圖像中找到我們需要的目標位置。在圖像識別領域，一般的匹配方法采用基于灰度匹配的方法，使用空間二維滑動模板進行圖像匹配，通過兩幅圖像的平均絕對差值判定其相似度。這種方法思想簡單，且具有比較高的匹配精度，但是這種方法運算量非常大，而且對于噪聲極為敏感。

近幾年，基于特征匹配的圖像匹配方法，在實際中應用越來越廣泛，由于先提取特征匹配，再由特征進行匹配，而不是直接用原圖像中的像素點匹配，所以大大減少了計算量。但是在特征提取時，對角點和邊緣點的檢測，以及對噪聲干擾的處理仍然是一個難以解決的問題。且由于圖像的尺度變化以及仿射變化，特征提取的方法的效果成為了目前圖像匹配方法的主要因素。因此，如何有效的提取到圖像不同尺度，不同角度，不同光線下的關鍵特征點，并且對噪聲的干擾進行抑制成為了當前提高圖像匹配算法性能的關鍵。

發明內容

本發明所要解決的技術問題在于針對上述現有技術中的不足，提供一種基于R-SIFT的硬件木馬圖像配準方法、存儲介質及設備，通過高斯金字塔引入多尺度分析特性，通過方向特征描述子提取特征的方向信息，增強特征匹配點的穩定性。最后通過RANSAC方法可以有效地去除錯誤匹配點的個數，從而降低正題匹配結果的誤差，使得匹配結果更為準確。

本發明采用以下技術方案：

一種基于R-SIFT的硬件木馬圖像配準方法，包括以下步驟：

S1、對輸入圖像進行高斯濾波和下采樣處理，構造多尺度空間；

S2、在步驟S1構造的多尺度空間中檢測圖像的極值點；

S3、對步驟S2得到的極值點方向進行賦值，得到對應點的位置，尺度和方向信息，生成特征描述子；

S4、利用步驟S3生成的特征描述子，使用距離匹配方法，初步生成預匹配點對，并用匹配矩陣C表示；

S5、確定預匹配矩陣C之后，使用RANSAC算法進行校正，去除多余匹配點，完成圖像配準。

具體的，步驟S1具體為：

S101、將輸入圖像I先轉換為灰度圖像，然后再放大為原來的兩倍；

S102、將圖像I′中的像素逐個與高斯核函數G(x,y,σ)進行如下卷積操作便可得到該像素點在尺度σ上的表示L(x,y,σ)；

S103、通過將步驟S102得到的高斯金字塔相鄰尺度的圖像相減，得到高斯差分相應圖像D(x,y,σ)。

進一步的，步驟S101中，灰度化處理之后的圖像I′在點(x,y)處的像素值I′(x,y)表示為：

其中，I_R(x,y)，I_G(x,y)，I_B(x,y)分別表示原圖像I在點(x,y)處RGB三個通道分別的像素值大小。

具體的，步驟S2具體為：