[发明专利]融入颜色直方图与余弦相似性的优化图像配准方法

说明书

本发明公开了一种融入颜色直方图与余弦相似性的优化图像配准方法，包括：图像预处理阶段、图像特征双向匹配阶段和计算单应性矩阵并确定重合区域；其中，在图像预处理阶段，使用分块方法、颜色直方图与余弦相似度相结合方法得到相似性度量值最大的图像块对；在图像匹配阶段，对检测的图像特征存在错误匹配的问题，采用双向匹配方法剔除错误匹配对；最终，使用RANSAC算法计算单应性矩阵并确定待配准图像的重合区域，将其作为后续图像融合的输入。该方法对于大视场的图像配准的提速具有重要意义，为图像配准提供的一种新的解决途径。

技术领域

本发明涉及图像处理技术领域，具体地，涉及一种融入颜色直方图与余弦相似性的优化图像配准方法。

背景技术

图像配准方法广泛应用于增强现实、双目视觉与全景拼接等领域，其中DavidLowe等人于2004年提出的尺度不变特征变换(Scale Invariant Feature Transform,SIFT)算法是图像配准领域的里程碑算法，该算法对目标的平移变换、旋转变换、尺度缩放与一定的视角、光照变化等保持一定的不变性。根据SIFT算法的实现流程，SIFT算法分为图像特征检测和匹配两个阶段，其中为了解决SIFT算法的图像特征检测和匹配耗时长的问题，近年来国内外科研者提出了许多改进和优化算法，其中，2004年，Yan Ke等人使用主成分分析(Principle Component Analysis,PCA)算法对图像特征描述子参数进行降维，加快图像特征的匹配速度，即PCA-SIFT算法。2006年，Herbert Bay等人提出加速稳健特征(Speeded Up Robust Features,SURF)算法，该算法对SIFT算法的改进主要有两个方面，一是使用Hessian矩阵加快图像特征的检测，二是使用与Haar小波生成64维描述子参数以加快图像特征的匹配。2014年，杨飒等人提出SRP-SIFT算法，该算法原理是使用压缩感知原理(Compressed Sensing Principle,CSP)算法对图像特征描述子参数降维，从而实现了图像特征匹配时间的降低。2015年，赵爱罡等人提出RGL-CS-SIFT算法，该算法使用图像特征周围相对几何位置信息生成图像特征描述子参数，再利用压缩感知原理对描述子参数进行降维处理，以解决图像配准耗时高的问题。2017年，韩超等人提出Trajkovic-SDR-SIFT算法，该算法结合Trajkovic算法与稀疏降维原理以降低图像配准时间。2018年，胡为等人利用内部矩阵外部圆形原理将128维图像特征描述子参数降维到24维，并利用三线性插值算法和随机抽样一致性(Random Sample Consensus,RANSAC)算法进行图像粗匹配和精匹配，最终结论是图像配准的精度和速度都显著提高。2019年，迟英朋等人将指数加权平均比率算子(Ratio of Exponentially Weighted Averages,ROEWA)算法和OTSU算法融入到SIFT算法中，提升了图像特征配准的准确率。2020年，程德强等人利用Sobel算法优化SIFT算法图像特征描述子部分，再使用欧式距离算法和领域投票方法进行图像特征的匹配，该方法显著提升了图像特征配准的精度和速度。

发明内容

本发明的目的是提供一种融入颜色直方图与余弦相似性的优化图像配准方法，该方法对于大视场的图像配准的提速具有重要意义，为图像配准提供的一种新的解决途径。

为了实现上述目的，本发明提供了一种融入颜色直方图与余弦相似性的优化图像配准方法，包括：图像预处理阶段、图像特征双向匹配阶段和计算单应性矩阵并确定重合区域；其中，

在图像预处理阶段，使用分块方法、颜色直方图与余弦相似度相结合方法得到相似性度量值最大的图像块对；在图像匹配阶段，对检测的图像特征存在错误匹配的问题，采用双向匹配方法剔除错误匹配对；最终，使用RANSAC算法计算单应性矩阵并确定待配准图像的重合区域，将其作为后续图像融合的输入。