[发明专利]一种基于形状上下文和HOG特征的异源图像配准方法

说明书

本发明涉及一种基于形状上下文和HOG特征的异源图像配准方法。针对单模态图像包含的信息存在局限性的问题，提出了一种基于形状上下文和HOG特征的红外和可见光图像配准方法。在混合高斯模型前景检测的基础上，通过提出的形状上下文和HOG特征结合的方法实现轮廓特征匹配，再利用TPS转换模型将匹配延伸到整个形状，并使用正则化和缩放特性迭代重组对应关系及估计转换降低估计误差，最后采用RANSAC算法去除错误匹配点。与已有的形状上下文方法相比，此方法结合了边缘和轮廓特征信息，降低了配准误差，提高了异源图像配准率和配准的鲁棒性。

技术领域

本发明涉及一种图像配准方法，具体说是一种基于形状上下文和HOG特征的异源图像配准算法。

背景技术

多传感器信息配准融合在军事侦查、视频监控、遥感信息融合、肿瘤检测等领域都有重要应用。信息融合技术可以突出目标信息，增强对场景的理解，从而提高多传感器融合系统感知目标的准确率。但是如果没有对异源传感器的图像进行精确的配准，会降低图像融合的质量。

图像配准的过程是根据图像空间和灰度变化，找到两幅图像中同一位置点的对应关系，为图像融合提供清晰度高、质量好、定位准确的目标信息。图像特征是反映一幅图像中重要信息的表述，SIFT和SURF算法是基于点特征的配准算法，因对旋转、缩放、亮度变化具有一定的稳定性，在应用中比较常见。Belongie等人提出了基于目标的轮廓特征的形状上下文描述算子，利用形状相似性对两幅图像进行匹配。面特征也称区域特征，通过图像分割算法把图像中具有高对比度闭合区域分割出来，比如图像中的水域、湖泊、田地、森林、建筑等。与基于特征的图像配准方法相比，基于灰度的图像配准方法比较简单，不需要对图像进行预处理，直接根据整幅图像的灰度信息，建立图像之间的相似性关系。Davisos等人提出一种分别利用单高斯背景差分法检测热红外和可见光图像的运动目标，再分别通过边缘的特征级融合方式提取两种图像的轮廓，采用“或”策略，实现图像配准。Krotosky等人提出的图像配准方法，在分别对红外和可见光图像前景提取的基础上，通过一致性窗口匹配得到感兴趣区域，计算温度、视差、颜色信息梯度直方图。Liu等人为了配准红外和可见光图像，设计了一种新四边形特征，通过前向选择算法确定估计变换模型所需的特征关系，然后根据配准的质量验证所选择对应特征的正确性。Yang等人通过改进的SIFT算法进行配准，合理的降低了高斯模糊，适当的调整了阈值，并限制了子梯度描述符方向，提高了红外和可见光图像的配准精度。

当完成图像的配准后，为了估计图像配准的质量，一般采用相应的评价方法进行判断。在实际应用中，只有经过评价方法判断的配准方法才能满足需求，但是在多传感器系统的配准中，几乎没有基准数据集(Ground Truth)和评价指标，下面有几种常用的评价方法。基于几何误差计算，对图像进行相应的几何变换(平移、旋转、缩放等)，通过把计算得到的各种待评价方法的图像与几何变换的图像进行比较，更为接近的方法准确度更好；基于图像特征，Bilodeau等人提出了一种基于目标重合率的局部评价方法，但是在实际应用中，可能由于图像中没有选定的目标，导致无法对配准方法进行有效的评价；基于图像灰度，通过图像间的归一化互信息指标(NMI)作为全局指标，但在多传感器图像配准中还是会出现局部极值的问题；基于主观判断，通过不同观测者对多种配准方法得到的图像配准效果进行判断，这种方法直观方便，但不同人群的评价结果存在着一定的不稳定性。

发明内容

针对上述技术不足，本发明的目的提供一种基于形状上下文和HOG特征的异源图像配准方法。该方法可以在红外和可见光异源图像配准中，降低配准误差，提高配准率；同时提高配准鲁棒性。

本发明解决其技术问题所采用的技术方案是：一种基于形状上下文和HOG特征的异源图像配准方法，包括以下步骤：

1.利用混合高斯模型对异源图像进行前景检测，得到目标在各个异源图像序列中每一帧的形状轮廓信息；