[发明专利]一种基于图像子块参数的快速图像配准方法

说明书

技术领域

本发明涉及图像处理领域，特别涉及一种基于图像子块参数的快速图像配准方法。

背景技术

图像配准技术研究如何建立源图像(参考图像)和目标图像(测试图像)在空间和灰度上的映射关系问题，实质是找寻并建立两幅图像中表征同一像素物理位置点的对应关系。图像配准质量直接影响图像内容分析，是视频内容分析领域面临的核心问题之一。

图像配准算法围绕着解决三个问题展开：(1)快速而精准地确定两幅图像之间可能存在的相对位移和旋转角度参数；(2)尽可能地减小两幅图像的灰度差异对图像配准精度的影响；(3)自动避免局部图像内容不同对图像配准的干扰。

图像配准方法主要有基于灰度的图像配准方法和基于特征提取的图像配准方法两大类。基于灰度的图像配准方法是直接利用图像的灰度值确定配准的空间变换，这种方法充分地利用了图像中所包含的信息，亦称为基于图像整体内容的配准方法。核心思想是认为参考图像和测试图像之间存在相同或相似灰度的像素对应点区域，通过构建基于灰度的相似度函数，寻找一组最优的几何变换参数，使得相似度函数最大，由此进行图像配准。

人们对基于灰度的图像配准方法的认识：(1)实现简单，图像信息利用度高；(2)对图像的灰度变化比较敏感，尤其是非线性的光照变化，将大大降低算法的性能；(3)对目标的旋转、形变以及遮挡比较敏感；(4)计算复杂度高。

基于特征提取的图像配准方法首先提取图像中保持不变的特征，这类特征应同时出现在两幅图像中，并且对图像的比例缩放、旋转、平移等变换保持一致性，如线交叉点、物体边缘角点、闭区域中心等可提取的特征，形成特征集。然后在各自特征集中运用特征匹配算法，选择具有对应关系的特征对，在此基础上实现两幅图像相同区域之间的像素配准。

对基于特征点的图像配准方法的基本看法是：(1)对图像的灰度变化、图像形变、局部图像遮挡等都有较好的适应能力；(2)建立在特征信息上的匹配信息量小，可大大减少配准过程的计算量；(3)特征点的选取是一项耗时耗力的工作，太少的点、不准确的点、或者分布不均匀的点被选取都可能导致配准的误差，而且这种情况是经常发生的；(4)模糊的图像会使得特征点的提取比较困难，容易漏选特征点，产生伪特征点，从而导致配准精度不高。

传统的基于灰度的图像配准方法主要有部分像素或块图像配准两类，主要问题是缺乏一种自动的选择参考块图像和大范围有效的配准机制，因为所选择的参考块图像位置和携带的灰度图像信息是否丰富直接影响图像配准的精度和质量。比如，基于像素抽样构成的块图像，虽然加快了配准速度，由于没有充分使用原始图像信息，必然导致图像配准精度不高。另外，快速搜索应以准确捕捉图像配准区域为前提，不是建立在准确的捕捉图像配准区域上的快速图像配准搜索策略并不会带来更好的图像配准效果。

这就是说，一个好的图像配准算法应同时兼顾解决上面提到的三个问题进行设计。

发明内容

本发明提供一种基于图像子块参数的快速图像配准方法，极大地改善了传统的基于灰度的图像配准方法存在的对图像灰度变化、物体旋转、目标遮挡等因素的敏感问题，实现了快速精确的图像配准。

在本发明实施例中提供了一种基于图像子块参数的快速图像配准方法，用于至少两幅图像或两帧视频图像内容的分析，包括：

选择一个参考图像子块作为外循环，并在外循环中嵌套两个内循环模块及一个精细像素位置搜索模块；其中，两个内循环模块分别进行粗略和精细测试图像旋转角度配准搜索；两个内循环模块和精细像素位置搜索模块共同作用完成快速图像配准，并给出最佳配准图像子块参数；其中，最佳配准图像子块参数包括测试图像旋转角度和配准测试图像子块位置参数；根据最佳配准图像子块参数，计算和提取两幅图像的最大相同画面，画面即为配准图像。

进一步地，该方法还包括：

根据图像幅度和预定义参数组，自动将预设的参考图像划分为若干图像子块；统计所有参考图像子块的灰度分布，并从中选择符合预定灰度比值范围的非边缘图像子块；将按照灰度比值从小到大的顺序排列的非边缘图像子块，作为参与配准的候选参考图像子块。

进一步地，该方法中最佳图像子块配准参数计算公式是：