基于互信息和Harris角点检测的图像配准方法技术

本发明专利技术公开了一种基于改进的互信息和Harris角点特征的图像配准方法，主要解决传统方法配准耗时及配准精度低的缺点。其实现步骤为：(1)输入待配准图像F和参考图像R；(2)在待配准图像F和参考图像R任意位置放置矩形框，并获取最相似矩形框；(3)提取最相似矩形框的角点特征，并获取相似矩形框内的匹配点；(4)删除误匹配点后对已提取匹配点的相似矩形框进行配准，记录配准后的变换参数；(5)利用变换参数对待配准幅图像F进行仿射变换；(6)将仿射变换后的图像与参考图像R进行融合，得到配准后的图像。本发明专利技术具有配准耗时短且配准精度高的优点，可用于医学图像，自然图像及合成孔径雷达图像的配准。

【技术实现步骤摘要】
基于互信息和Harris角点检测的图像配准方法
本专利技术属于图像处理
，更进一步涉及图像配准
的基于改进的互信息和Harris角点检测的图像配准方法，可用于目标识别的目的。
技术介绍
智能化信息处理，特别是自动目标识别技术，是各类精确制导引头及背景信号干扰进行实时处理的技术，是精确制导武器智能化程度的一个重要标志。单幅图像的目标识别往往都带有一定随机性和干扰影响，可靠性和稳定性都较差，这导致了目标的可识别性及正确率下降，为此需要对从不同传感器或者同一传感器在不同时间或不同地点获得的图像进行配准。目前，人们更多采用单纯的基于互信息的图像配准方法，这种方法主要利用了图像的灰度信息进行配准，这类的方法通常具有一定的缺陷，例如待配准图像含有大量的同类区域时,如天空，沙漠，海洋，草地等，这样的图像不管如何匹配，得出的互信息值都是最大的，难以实现准确的配准。现有部分研究者提出，将图像的特征信息与灰度信息相结合的图像配准方法，此类方法虽然比单纯利用灰度信息进行配准的方法有一定的改进，但是这样的方法需要进行全局参数优化搜索，其收敛速度慢，并且取得的特征受到噪声影响较大，导致配准结果不精确，使得目标识别的准确性降低。
技术实现思路
本专利技术的目的在于针对上述已有技术的不足，提出一种基于互信息和Harris角点检测的图像配准方法，以提高配准速度和精度。为实现上述目的，本专利技术的技术方案包括如下步骤：(1)输入待配准图像F和参考图像R；(2)在待配准图像F和参考图像R中任意放置n个矩形框，获得n对矩形框，矩形框的尺寸根据这两个图像的相似块大小设置；(3)计算待配准图像F的矩形框和参考图像R的矩形框的互信息，并用遗传算法更新优化该互信息，产生互信息值最大的一对矩形框作为相似矩形框；(4)用高斯平滑窗口对两个相似矩形框进行平滑操作，再用Harris角点检测法提取两个相似矩形框内一一对应的角点，获得k对角点对，其中k是大于等于1的整数；(5)分别计算第i对角点在x方向和y方向上的距离dxi，dyi，以及所有角点对在x方向和y方向距离的均值μx,μy和方差σx,σy；根据匹配两个矩形框所需的匹配点对的数量，设置门限ω，判断角点的距离是否满足下式，若满足则视为匹配点，否则视为误匹配点，将其删除，|dxi-μx|≤ωσx；i＝0,1,2......k；|dyi-μy|≤ωσy；i＝0,1,2......k，其中i的范围是0≤i≤k，k为所提取的角点对的总数；(6)根据所配准的图像，设定角点数量阈值δ，判断匹配点对数量是否大于δ，如果大于δ，则执行下一步；否则返回步骤(5)；(7)对待配准图像F中的矩形框进行仿射变换，每变换一次计算一次两个相似矩形框的互信息，并用遗传算法进行优化，当两个矩形框的互信息值最大时，记录此时的变换参数值，即平移的距离和旋转的角度；(8)根据上述记录的变换参数值，对待配准图像F进行仿射变换，得到仿射变换后的图像F1；(9)将仿射变换后的图像F1与参考图像R进行融合，得到配准后的图像。本专利技术与现有技术相比具有以下优点：第一，本专利技术提取两幅图像的相似矩形框，也就是两个图像中最相似的区域，剔除了待配准图像和参考图像中的信号干扰因素，这种方法不需要做其他先验假设，也不需要进行分割和预处理，使得图像配准结果更精确。第二，本专利技术在特征提取的中对待配准图像和参考图像的相似矩形框采用了Harris角点检测法，它无需对全局进行角点特征的检测，仅需检测相似矩形框中的角点信息，降低了算法复杂度，有效节省了图像配准过程所需的时间。附图说明图1为本专利技术的实现流程图；图2为本专利技术应用于医学图像的配准结果图；图3为本专利技术应用于自然图像的配准结果图；图4为本专利技术应用于合成孔径雷达SAR图像的配准结果图。具体实施方式下面结合附图对本专利技术的技术方案和效果做进一步的详细描述。参照图1，本专利技术的实施步骤如下：步骤1，输入待配准图像F和参考图像R。在这个步骤中，输入的不同特征的图像，在获取最相似矩形框和提取角点特征的过程会产生一定的差异，当输入的待配准图像F和参考图像R是医学图像时，由于两幅图像中可能出现差异部分，在配准的过程中，找到两幅图像最相似的区域十分重要。当输入的待配准图像F和参考图像R是自然图像时，图像几乎不受噪声影响，轮廓也十分鲜明，通过本专利技术可完成高精度的配准。当输入的待配准图像F和参考图像R是合成孔径雷达SAR图像时，此类图像受噪声影响大，且可能出现差异部分，需在配准过程中适当调整参数。步骤2，在待配准图像F和参考图像R任意位置放置矩形框。在待配准图像F和参考图像R中任意位置分别放置大小相同的n个矩形框，获得n对矩形框，每个矩形框的尺寸根据这两个图像的相似块大小设置。当输入的待配准图像F和参考图像R是医学图像时，由于两幅图像中可能出现差异部分，在获取最相似区域时，需减小相似矩形框的尺寸。当输入的待配准图像F和参考图像R是合成孔径雷达SAR图像时，此类图像受噪声影响大，且可能出现差异部分，配准难度较大，需要适当减小相似矩形框的尺寸。当输入的待配准图像F和参考图像R是自然图像时，图像几乎不受噪声影响，轮廓也十分鲜明，相似区域较大，可增大矩形框的尺寸。步骤3，在待配准图像F和参考图像R中获取最相似矩形框。在此步骤中，要通过计算待配准图像F的矩形框和参考图像R的矩形框的互信息，并用遗传算法更新优化该互信息，产生互信息值最大的一对矩形框作为相似矩形框。其实现步骤如下：(3.1)分别计算两个矩形框的联合概率密度和每个矩形框的条件概率密度：其中，PF,R(DNF,DNR)表示待配准图像F的矩形框和参考图像R的矩形框的联合概率密度PR(DNR)表示参考图像R的矩形框的条件概率密度；PF(DNF)表示待配准图像F的矩形框的条件概率密度；h是待配准图像F的矩形框和参考图像R的矩形框的联合灰度直方图；h(DNF,DNR)表示待配准图像F的矩形框中灰度值为DNF，参考图像R的矩形框中灰度值为DNR的像素组合出现的次数；对于待配准图像F的矩形框内的灰度值其变化范围是(0，m)，对于参考图像R的矩形框内的灰度值，其变化范围是(0，n)的情况，即DNF和DNR满足0≤DNF≤m,0≤DNR≤n，m是待配准图像F的矩形框内像素灰度的最大值，n是参考图像R的矩形框内像素灰度的最大值。(3.2)利用步骤(3.1)的参数计算矩形框内的互信息值，按照如下步骤计算：(3.2.1)利用待配准图像F的矩形框的条件概率密度PF(DNF)，计算待配准图像F的矩形框内的熵HF：(3.2.2)利用参考图像R的矩形框条件概率密度PR(DNR)，计算参考图像R的矩形框内的熵HR：(3.2.3)利用待配准图像F的矩形框和参考图像R的矩形框的联合概率密度PF,R(DNF,DNR)，计算待配准图像F与参考图像R的矩形框内的联合熵HFR：(3.2.4)利用待配准图像F的矩形框的熵HF，参考图像R的矩形框的熵HR，待配准图像F与参考图像R的矩形框的联合熵HFR，计算待配准图像F与参考图像R的矩形框的互信息MI(F，R)：MI(F,R)＝HF+HR-HFR。(3.3)用遗传算法更新优化矩形框对的互信息值，找到最相似的矩形框，优化过程按照如下步骤进行：(3.3.1)将获得的n对矩形框作为初始本文档来自技高网...

【技术保护点】
一种基于互信息和Harris角点检测的图像配准方法，包括如下步骤：(1)输入待配准图像F和参考图像R；(2)在待配准图像F和参考图像R中任意放置n个矩形框，获得n对矩形框，矩形框的尺寸根据这两个图像的相似块大小设置；(3)计算待配准图像F的矩形框和参考图像R的矩形框的互信息，并用遗传算法更新优化该互信息，产生互信息值最大的一对矩形框作为相似矩形框；(4)用高斯平滑窗口对两个相似矩形框进行平滑操作，再用Harris角点检测法提取两个相似矩形框内一一对应的角点，获得k对角点对，其中k是大于等于1的整数；(5)分别计算第i对角点在x方向和y方向上的距离dxi，dyi，以及所有角点对在x方向和y方向距离的均值μx,μy和方差σx,σy；根据匹配两个矩形框所需的匹配点对的数量，设置门限ω，判断第i对角点的距离是否满足下式，若满足则视为匹配点，否则视为误匹配点，将其删除，|dxi‑μx|≤ωσx；i＝0,1,2......k；|dyi‑μy|≤ωσy；i＝0,1,2......k，其中i的范围是0≤i≤k，k为所提取的角点对的总数；(6)根据所配准的图像，设定角点数量阈值δ，判断匹配点对数量是否大于δ，如果大于δ，则执行下一步；否则返回步骤(5)；(7)对待配准图像F中的矩形框进行仿射变换，每变换一次计算一次两个相似矩形框的互信息，并用遗传算法进行优化，当两个矩形框的互信息值最大时，记录此时的变换参数值，即平移的距离和旋转的角度；(8)根据上述记录的变换参数值，对待配准图像F进行仿射变换，得到仿射变换后的图像F1；(9)将仿射变换后的图像F1与参考图像R进行融合，得到配准后的图像。...

【技术特征摘要】
1.一种基于互信息和Harris角点检测的图像配准方法，包括如下步骤：(1)输入待配准图像F和参考图像R；(2)在待配准图像F和参考图像R中任意放置n个矩形框，获得n对矩形框，矩形框的尺寸根据这两个图像的相似块大小设置；(3)计算待配准图像F的矩形框和参考图像R的矩形框的互信息，并用遗传算法更新优化该互信息，产生互信息值最大的一对矩形框作为相似矩形框；(4)用高斯平滑窗口对两个相似矩形框进行平滑操作，再用Harris角点检测法提取两个相似矩形框内一一对应的角点，获得k对角点对，其中k是大于等于1的整数；(5)分别计算第i对角点在x方向和y方向上的距离dxi，dyi，以及所有角点对在x方向和y方向距离的均值μx,μy和方差σx,σy；根据匹配两个矩形框所需的匹配点对的数量，设置门限ω，判断第i对角点的距离是否满足下式，若满足则视为匹配点，否则视为误匹配点，将其删除，|dxi-μx|≤ωσx；i＝0,1,2......k；|dyi-μy|≤ωσy；i＝0,1,2......k，其中i的范围是0≤i≤k，k为所提取的角点对的总数；(6)根据所配准的图像，设定角点数量阈值δ，判断匹配点对数量是否大于δ，如果大于δ，则执行下一步；否则返回步骤(5)；(7)对待配准图像F中的矩形框进行仿射变换，每变换一次计算一次两个相似矩形框的互信息，并用遗传算法进行优化，当两个相似矩形框的互信息值最大时，记录此时的变换参数值，即平移的距离和旋转的角度；(8)根据上述记录的变换参数值，对待配准图像F进行仿射变换，得到仿射变换后的图像F1；(9)将仿射变换后的图像F1与参考图像R进行融合，得到配准后的图像。2.根据权利要求1所述的基于互信息和Harris角点检测的图像配准方法，其中所述步骤(3)计算图像矩形框内互信息，按如下步骤进行：(2a)计算两个矩形框的联合概率密度，以及分别计算每个矩形框的条件概率密度：其中，PF,R(DNF,DNR)表示待配准图像F的矩形框和参考图像R的矩形框的联合概率密度；PR(DNR)表示参考图像R的矩形框的条件概率密度；PF(DNF)表示待配准图像F的矩形框的条件概率密度；h是待配准图像F的矩形框和参考图像R的矩形框的联合灰度直方图；h(DNF,DNR)表示待配准图像F的矩形框中灰度值为DNF，参考图像...

【专利技术属性】
技术研发人员：马文萍，焦李成，范霞妃，公茂果，马晶晶，王爽，杨淑媛，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61