【技术实现步骤摘要】
基于局部结构二进制模式的多源图像配准
本专利技术涉及基于局部结构二进制模式的多源图像配准，属于图像处理
。
技术介绍
局部二进制（Local Binary Pattern, LBP)是一种有效的图像局部纹理特征描述 算子。该算子是由Ojala在1996年首次提出的，具有思想简单、计算简便、鉴别能力强等特 点，被广泛应用于纹理分类，人脸识别，图像检索等领域。而在图像配准中，该算子作为一种 新颖的描述符更是表现出强大的能力。但是该算子仅仅可以表示图像的纹理特征，并不能 反映结构方面的信息。这样对于结构相似而纹理差异较大的图像领域比如多源图像配准， 行人检测等，该算子将会束手无策。
技术实现思路
本专利技术对以上问题的提出，而研制基于局部结构二进制模式的多源图像配准。 本专利技术包括如下5步： 第一步：检测和定位特征点； 第二步：通过显著度过滤特征点； 第三步：确定主方向； 第四步：基于局部结构二进制算子建立描述符； 第五步：匹配特征点。 本专利技术原理及有益效果：我们首先和经典图像配准算法尺度不变算法（SIFT)进 行对比。尺度不变算法在同源图像之间的配准中能够表现较好的性能，但在不同源图像之 间效果较差，我们在匹配步骤中采用相同阈值，得到的效果图如图1和图2所示，图1为尺 度不变算法的效果图，没有产生匹配结果，图2为本专利技术方法的效果图，产生7个匹配，而且 全部正确。 【附图说明】 图1为尺度不变算法的效果图。 图2为本专利技术方法的效果图。 图3本专利技术方法采取第一组阀值的精度比较图。 ...
【技术保护点】
基于局部结构二进制模式的多源图像配准，其特征在于：包括如下几步骤：第一步：检测和定位特征点；第二步：通过显著度过滤特征点；第三步：确定主方向；第四步：基于局部结构二进制算子建立描述符；第五步：匹配特征点。
【技术特征摘要】
1. 基于局部结构二进制模式的多源图像配准，其特征在于：包括如下几步骤： 第一步：检测和定位特征点； 第二步：通过显著度过滤特征点； 第三步：确定主方向； 第四步：基于局部结构二进制算子建立描述符； 第五步：匹配特征点。2. 根据权利要求1所述的基于局部结构二进制模式的多源图像配准，其特征在于，检 测和定位特征点的处理方法为： 采用DOG算子提取特征点；通过对输入图像做不同尺度的高斯模糊，并不断地降采样， 建立高斯金字塔，接下来，将高斯金字塔每组中相邻上下两层图像相减，得到高斯差分金字 塔，然后，在差分金字塔同一组中相邻两层图像之间进行比较，即在3X3X3邻域内寻找极 值点作为候选特征点，最后在离散空间中进行插值来精确定位，得到真正的极值点位置，再 通过计算每个特征点的海森矩阵来消除不稳定的特征点。3. 根据权利要求1所述的基于局部结构二进制模式的多源图像配准，其特征在于，通 过显著度过滤特征点的处理方法为： DOG能够检测出稳定的特征点，针对多源图像纹理差异较大，结构相对稳定的性质，提 取使用局部的结构信息作为标准来剔除冗余的特征点；在图像中，结构信息往往以边缘的 形式存在，所以使用局部平均梯度来表示每个特征点的显著度，该局部平均梯度定义为：1(0表示以特征点为圆心，r为半径圆内的像素点个数，也就是W/)集合的大小；MLO和分别表示图像在X和y方向的偏导数；（?表示特征点的坐标；为了使 所统计区域包含在创建描述符矩形区域内，将半径r定为10s，s为特征点所在尺度；通过计 算特征点邻域的平均梯度，特征点周围的结构信息被表示，选择结构信息丰富的特征点进 行下一步的操作。4. 根据权利要求1所述的基于局部结构二进制模式的多源图像配准，其特征在于，确 定主方向的处理方法为： 对以特征点为圆心，6S为半径的圆形区域内的每个像素，S为特征点所在的尺度，求解 它们的结构度，结构度用结构张量&来计算，&为：其中，*表示卷积运算，I表示二维高斯函数在尺度ff的偏导数，I,和&分别表示图 像在X和y方向的偏导数；通过该矩阵，得到两个特征向量W1和％ ...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。