[发明专利]一种基于变换矩阵优化特征匹配的红外图像配准方法

说明书

本发明公开了一种基于变换矩阵优化特征匹配的红外图像配准方法，检测方法包括：S1获得待配准图像序列像素点R值分布图像；S2：获得满足阈值的特征点响应图像；S3：通过所述特征点进行粗匹配，获得粗匹配结果图像；S4：计算粗变换矩阵，获得参考帧特征点在目标帧上的投影图像；通过所述投影图像，获得距离误差分布图像；剔除与均值距离误差最大的特征点对，更新变换矩阵，返回S4步骤，直到迭代结束，获得特征点精匹配图像；根据精匹配特征点计算变换矩阵，实现图像配准。本发明的配准方法能够有效剔除误匹配特征点、防止对正确匹配特征点的误剔除，有效提高图像的配准精度。

技术领域

本发明涉及红外图像处理的技术领域，特别是一种基于变换矩阵优化特征匹配的红外图像配准方法。

背景技术

红外遥感图像在采样时，由于时间不同，或多个成像载荷位置角度差异，会导致关注区域的图像信息之间产生错位，形变。红外遥感图像配准旨在将两幅或多幅遥感图像进行矫正、重合、叠加。以便获得更大画幅或更多特征，随着越来越多的领域研究需要，红外遥感图像配准已经广泛地应用于军事侦测、地质勘探、农业观测、环境监测等领域。

待配准的遥感图像序列间由于形变程度不同，所属的技术手段也不尽相同。针对较为简单的刚性位移变换，一般使用图像间互相关信息即可完成较为准确的配准要求。但实际应用中，往往非刚性、非平移的图像变换更多，比如旋转变换、仿射变换、透视变换等。此时，基于图像间互相关信息的图像配准容易失效。需要更精确的图像变换描述完成图像间的配准。

基于特征点检测匹配的图像配准是一种较为有效的途径。首先检测出待配准的图像与参考图像中的特征点，一般指图像边缘明暗变换较为明显的点。这些点构成地物轮廓、纹理等特征，在图像间具有一致性，因此可以建立起图像之间的坐标联系。然后针对检测出的特征点进行特征描述，结合特征点邻域像素信息，为每个特征点分配“指纹”，即描述子。由于地物信息的一致性，不同图像间同一地物特征与其周围像素保持高度相似，因此通过联系图像间描述子相似的特征点，完成构建参考图像与待配准图像间特征的单一映射关系；最后，通过特征点的单一映射，计算图像间变换矩阵，完成了图像的配准。

理想状态下特征点的映射是一一对应且相互一致的。但实际情况中，由于噪声的存在，或图像不同位置的特征相似，导致不属于同一处特征的两个特征点错误的配对在一起，即“误匹配”现象，这种现象极大影响了对图像变换矩阵的估算算，从而影响配准精度，甚至导致配准失败。因此，剔除误匹配特征是图像配准的关键一环。

赵辉等人根据特征点及邻域点像素值，构造差值矩阵，结合矩阵奇异值进行误匹配剔除；何志伟等人提出了一种基结合BRISK特征检测算法和Delaunay三角网算法的剔除误匹配点对方法；李硕等人结合匹配特征的长度与夹角信息，提出了一种基于Pearson相关系数的误匹配剔除办法；伞红军等人结合特征点相关性排序，提出了基于ORB-SLAM2框架改进的误匹配剔除算法等。

尽管现有技术中已有很多剔除误匹配的方法研究，但这些方法均存在剔除不干净、误剔除正确匹配特征、自动化程度不够等问题，限制了图像配准精度的提高。

发明内容

本发明的目的在于提出一种一种基于变换矩阵优化特征匹配的红外图像配准方法，其自适应性强、误匹配剔除干净，利用了特征点粗匹配中多数正确匹配对少数误匹配在变换矩阵中的修正性，估算粗配准图像，通过投影联系粗配准图像与参考图像特征点距离关系，计算距离均值，剔除距离误差最大的误匹配特征点对，重建变换矩阵，重复上述过程，进行优化迭代，实现图像的精配准。

本发明的技术方案如下：

一种基于变换矩阵优化特征匹配的红外图像配准方法，其具体步骤为：

S1获得像素点R值分布图像；

S2根据特征点响应函数获得满足特征点响应图像；

S3通过所述特征点进行粗匹配，计算粗变换矩阵，获得参考帧特征点在目标帧上的投影图像；