[发明专利]一种基于SIFT特征的图像配准改进算法

说明书

本发明设计了一种基于SIFT特征的图像配准改进算法，通过在低尺度图像上进行SIFT特征提取、运用RANSAC特征匹配算法，对低尺度图像变换矩阵进行求解，并由此得到原始输入图像的变换矩阵，最后得到改进后的图像配准结果，主要包括以下几个步骤：先将新时相图像和旧时相图像分别缩小a倍，再对缩小后的低尺度图像分别进行特征提取和特征匹配，得到低尺度图像的变换矩阵，利用矩阵缩放操作和低尺度的变换矩阵，得到原始图像的变换矩阵，最后进行配准。本方法有效地减少了配准算法整体的计算量，在不损失细节信息的前提下，对图像配准算法进行了加速，极大地提高了算法的效率。

技术领域

本发明涉及一种基于SIFT特征的图像配准改进算法，属于图像处理领域。

背景技术

图像配准过程中，通过SIFT特征点检测算法和RANSAC算法虽然可以达到较高的配准精度，但两个算法的整体计算量较大。如果输入图像尺寸为1920X1080，那么每张输入图像的平均配准时间会超过1s。在实际应用中，程序的整体运行时间将无法满足要求。

通过直接将输入图片的尺寸进行压缩的方式可以简单有效地减少配准算法整体的计算量，但是由于新旧时相图像的变化往往只存在于整张图像的一个局部区域，当图像缩小时，发生变化的区域也会被压缩，使之变得难以识别，加大了后续操作处理的难度。而通过将输入图像先缩小进行配准，然后将配准结果放大到原始尺寸的方式，由于其在缩放过程中图像会丢失大量的细节信息，复原后的图像会变得十分模糊。

发明内容

发明目的：针对上述现有技术存在的问题，本发明提供了一种基于SIFT特征的图像配准改进算法，主要目标是有效减少配准算法整体的计算量，在不损失细节信息的前提下，对图像配准算法进行加速，极大地提高算法的效率。

技术方案：一种基于SIFT特征的图像配准改进算法，其特征在于，包括以下步骤：

步骤1：将新旧时相图像分别缩小a倍；

步骤1.1：对于新旧时相图像之间的变换矩阵H，看作是多个变换矩阵的组合：

H＝S×T×R

式中，S表示一个缩放矩阵，T表示一个平移矩阵，R表示一个旋转矩阵。通过将不同的变换矩阵相乘，得到一个组合变换矩阵，其变换效果与单独进行缩放、平移和旋转变换一致。

步骤1.2：可以将待求取的变换矩阵H分解为如下形式：

H＝S^-1×h×S

式中，S为一个放大矩阵，S^-1则为相应的缩小矩阵；a为S矩阵放大的倍数，其值大于1。通过设定a的值，则求得矩阵h就得到了最终的变换矩阵H。

步骤2：对缩小后的图像应用SIFT特征提取和RANSAC特征匹配算法，得到低尺度图像的变换矩阵；

步骤2.1：对于原始输入的新时相图像I_n和旧时相图像I_o，二者的空间变换关系用如下公式进行表述：

I_n＝I_o×H

结合上式，得到如下形式：

I_n＝I_o×S^-1×h×S

进一步将等式两边同时右乘一个缩小矩阵S^-1，得到如下形式：

I_n×S^-1＝I_o×S^-1×h