基于局部结构二进制模式的多源图像配准制造技术

技术编号:10828738 阅读:113 留言:0更新日期:2014-12-26 18:04
本发明专利技术公开了于局部结构二进制模式的多源图像配准,属于图像处理技术领域。本发明专利技术包括如下几步骤: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。与经典图像配准算法尺度不变算法(SIFT)进行对比,尺度不变算法在不同源图像之间效果较差,本发明专利技术在匹配步骤中采用相同阈值,产生多个匹配,而且全部正确,具有较高的配准精度。

【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。 图4本专利技术方法采取第二组阀值的精度比较图。 【具体实施方式】 下面结合附图对本专利技术做进一步说明: 本专利技术包括5步:检测和定位特征点,计算特征点显著度并剔除低显著度特征点,确定 主方向,基于局部结构二进制算子建立描述符,匹配特征点。 第一步:检测和定位特征点。 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3 X 3 X 3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。 第二步:通过显著度过滤特征点。 DOG能够检测出大量稳定的特征点,但是它们大多是对配准结果没有帮助的,反而 影响正确的匹配。冗余的特征点降低了配准的精度,同时增加了时间的消耗。针对多源图 像纹理差异较大,结构相对稳定的性质,我们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。但是直接利用边缘信息并不合适,因 为它受边缘检测算子的影响较大。所以我们使用局部平均梯度来表示每个特征点的显著 度。该局部平均梯度可以定义为:本文档来自技高网...

【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% ...

【专利技术属性】
技术研发人员:王波
申请(专利权)人:大连民族学院
类型:发明
国别省市:辽宁;21

网友询问留言 已有0条评论
  • 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。

1