[发明专利]一种基于分数阶变分光流模型及对偶优化的图像配准方法

说明书

本发明提供一种基于分数阶变分光流模型及对偶优化的图像配准方法，涉及图像融合及图像分析技术领域。一种基于分数阶变分光流模型及对偶优化的图像配准方法，首先构建分数阶变分光流模型，再采用对偶优化的方法最小化所构建的分数阶变分光流模型，最后采用金字塔框架结构和扭曲对齐法处理图像配准过程中图像帧间的像素大位移问题，完成图像的精准配准。本发明提供的基于分数阶变分光流模型及对偶优化的图像配准方法不仅可以获得更高的图像配准准确度，并且可以处理帧间像素大位移的状况，使图像配准质量得到较大改进。

技术领域

本发明涉及图像融合及图像分析技术领域，尤其涉及一种基于分数阶变分光流模型及对偶优化的图像配准方法。

背景技术

图像配准是图像融合及图像分析的基础。图像配准是指从不同视角，不同时间对两个或更多副图像进行比对。图像配准方法是找到一个几何变换矩阵来实现一个图像的像素点与另一个图像的像素点的对齐。图像配准在图像分析、图像融合、图像拼接、图像运动估计以及图像识别领域都有广泛的应用。近些年，图像配准技术已经得到了快速的发展，这些技术可以被分类为基于灰度的方法和基于特征的方法。基于灰度的方法采用图像灰度强度来进行比对，而基于特征的方法使用特征图像来进行比对，如点、线、角。另一种分类方法可以分类为单模态方法和多模态方法；单模态方法从单一的传感器采集图像，而多模态方法从不同的传感器采集图像。图像配准的方法还可以按照图像变换模型，即刚性、非刚性进行分类；刚性的变换是全局的，包括旋转、比例、扭曲等变换，但是它很难处理两幅图像的局部的几何变换，而非刚性变换能够处理两幅图像间像素的不规则变化，包括径向基函数、大变形模型、物理连续模型。

然而现在仍然有很多待解决的问题存在于非刚性的图像配准中，例如大尺寸位移情况下图像配准精度低的问题。

发明内容

针对现有技术的缺陷，本发明提供一种基于分数阶变分光流模型及对偶优化的图像配准方法，实现图像的配准。

基于分数阶变分光流模型及对偶优化的图像配准方法，包括以下步骤：

步骤1、构建分数阶变分光流模型，具体方法为：

设定序列图像为I(x，y，t)，其中(x，y)表示图像的空间位置，t表示时间，I(x，y，t)同时表示图像的密度函数；

根据亮度恒定性假设，序列图像I(x，y，t)随时间变化的恒定强度函数如下公式所示：

对上述公式应用泰勒展开，并只考虑一阶项，得到如下所示公式：

定义序列图像的偏差向量为u，则偏差向量u的增量如下公式所示：

序列图像I(x，y，t)的空间域梯度如下公式所示：

序列图像I(x，y，t)的时间域导数如下公式所示：

将偏差向量u的增量、序列图像I(x，y，t)的空间域梯度及时间域导数代入到应用泰勒展开的序列图像I(x，y，t)随时间变化的恒定强度函数中，得到经典的光流约束，如下公式所示：

考虑到序列图像上像素点的异常值和运动不连续性，从左到右依次构建正则项和保真项，得到分数阶变分光流模型，如下公式所示：

其中，为正则项，为保真项，α为阶次，λ为平衡分数变分光流模型中正则项和保真项的权重系数；

步骤2、为了使构建的分数阶变分光流模型获得最优的配准精度，即获得最优的解，采用对偶优化的方法最小化步骤1构建的分数阶变分光流模型，具体方法为：