[发明专利]一种基于改进PIIFD的异源图像优化匹配方法及系统

说明书

本发明属于图像匹配技术领域，提供了一种基于改进PIIFD的异源图像优化匹配方法及系统。方法包括：利用曲率尺度空间算法获取参考图像及待匹配图像中图像轮廓上的角点作为特征点；计算每一特征点的主方向及对应轮廓处的曲率半径，并以所述特征点为中心沿其主方向选取一矩形区域构造PIIFD特征描述符；计算参考图像及待匹配图像中对应特征点对间PIIFD特征描述符的相似度以获得初始匹配结果；获取局部转换矩阵并对其进行迭代优化，并基于优化后的局部转换矩阵剔除所述初始匹配结果中的异常匹配点以得到最终的匹配结果。本发明不但具有尺度变化问题处理中计算成本低的优势，还有效提高了异源图像特别是非刚性异源图像匹配时的准确性。

技术领域

本发明涉及图像匹配技术领域，具体涉及一种基于改进PIIFD的异源图像优化匹配方法及系统。

背景技术

基于特征匹配的异源图像匹配方法主要包括：首先，对参考图像及待匹配图像分别进行特征提取；其次，对提取的特征进行描述，并通过匹配得到若干匹配点对；最终，对异常匹配点对进行滤除即得到所需的匹配结果。

其中，在特征提取阶段，考虑异源图像间对应区域灰度差异较大的因素，及异源图像间尺度变化的因素，多采用SI-PIIFD算法。其考虑多模态视网膜图像之间的灰度差异，通过部分灰度不变特征描述符(即PIIFD描述符)克服了异源图像之间的灰度差异。同时，通过在多个给定尺度上分别计算每一特征点的PIIFD描述符以使不同尺寸下的异源图像实现像素级匹配，进而解决异源图像间的尺度变化影响。但其在解决异源图像尺度变化的过程中，在多个尺度上分别计算每一个特征点的PIIFD描述符的方法极大地增加了整个算法的计算量，从而导致整个匹配过程耗时长、效率低。

在异常点滤除阶段，多采用一个全局变换模型表征图像对之间的变换关系进行异常匹配点对滤除。但对于非刚性异源图像而言，采用单一的全局变换模型难以准确描述图像之间的变换关系，从而导致匹配结果不理想。

发明内容

本发明目的在于提供一种基于改进PIIFD的异源图像优化匹配方法及系统，以改进现有的异源图像匹配算法在前期处理图像间尺度变化时计算成本大，在后期进行图像匹配时准确率低的技术问题。

为达成上述目的，本发明提出如下技术方案：

一种基于改进PIIFD的异源图像优化匹配方法，包括：

分别提取参考图像及待匹配图像的图像轮廓，并利用曲率尺度空间算法获取各所述图像轮廓上的角点以作为特征点c_i；

计算每一所述特征点c_i所在图像轮廓处的曲率半径并利用局部区域内的最大矩分别计算所述参考图像及所述待匹配图像中的每个特征点c_i的主方向，进而以所述特征点c_i为中心沿其主方向选取一矩形区域4Fr_i×4Fr_i构造PIIFD特征描述符；其中，K_i为特征点c_i对应的轮廓曲率，F为放大因子；

计算所述参考图像及所述待匹配图像中对应特征点对间PIIFD特征描述符的相似度以进行双向特征匹配，并获得初始匹配结果；

将所述参考图像均分为H×H个网格，以每一所述网格的中心为圆心设置半径相等的圆形区域S_i，并获取所述圆形区域S_i的每一特征点及其在所述待匹配图像中对应匹配的特征点以构成匹配点对集进而基于所述匹配点对集计算得到局部转换矩阵；其中，为圆形区域S_i内的特征点总数，为任一个匹配点对；