[发明专利]基于方法协同的多源图像配准方法

摘要

本发明提供了一种基于方法协同的多源图像配准方法，采用直接求解类方法和优化求解类方法进行协同求解。首先，利用不同的直接求解类配准方法对待配准图像进行配准处理，分别得到不同的配准参数估计矩阵；然后，构造协同评估值，用于选择得到最优的配准参数估计矩阵；最后，基于图像边缘度和梯度向量信息建立三维联合直方图，构建相似性度量函数，以得到的最优配准参数估计矩阵为初始值，采用改进的下降单纯形法进行优化求解，得到最终的配准参数矩阵，并利用配准参数矩阵完成图像配准。本发明方法协同利用了两类多源图像配准方法的优点，能够显著提升多源图像配准的精度和鲁棒性。

主权项

1.一种基于方法协同的多源图像配准方法，其特征在于步骤如下：步骤一：给定基准图像X和待配准图像Y，分别采用不同的直接求解类图像配准方法对这两幅图像进行配准处理，得到不同的配准参数估计矩阵所述的直接求解类图像配准方法包括SR‑SIFT方法、SAR‑SIFT方法、MM‑SURF方法、GDB‑ICP方法和Harris‑NCC方法；步骤二：对于不同的配准参数估计矩阵分别按照计算得到其协同评估值E，并选择使得协同评估值最小的配准参数估计矩阵为最优配准参数估计矩阵其中，NMI(X,Y′)为图像X和图像Y′的归一化互信息评价指标，按照计算，图像Y′为按照变换后得到的配准图像，H(X)为图像X的香农熵，H(Y′)为图像Y′的香农熵，H(X,Y′)为图像X和图像Y′的联合熵；RSNCC(X,Y′)为图像X和图像Y′的RSNCC指标，其计算公式为：其中，p是图像X中的像素，q'是图像Y'中与像素p相同空间位置上的像素，ΦI(p,q′)表示图像X中以像素p为中心的图像块与图像Y'中以像素q'为中心的图像块之间的归一化互相关值，Φ▽I(p,q′)表示图像X的梯度图像中以像素p为中心的图像块与图像Y'的梯度图像中以像素q'为中心的图像块之间的归一化互相关值，所述的图像块的大小为9像素×9像素，τ为调节参数，设置为τ＝1，ρ(·)是用于剔除外点的鲁棒函数，其计算公式为：其中，m为代变量，β为函数ρ(·)的调节参数，设置为β＝1；步骤三：以步骤二得到的最优配准参数估计矩阵为配准参数矩阵T的初始值，采用改进的下降单纯形法求解得到最终的配准参数矩阵T^*；其中，F(X,Y′)为相似性度量函数，其计算公式为：F(X,Y′)＝H(CX)+H(CY′)‑H(CX,CY′,D)           (3)其中，CX为图像X的边缘度图像，CY′为图像Y'的边缘度图像，D为图像X和Y'相应像素之间的梯度方向差异矩阵，H(CX)为CX的香农熵，H(CY′)为CY′的香农熵，H(CX,CY′,D)为图像CX、CY′和D的联合熵；所述的边缘度图像的计算过程为：首先，对于图像中(x,y)处的像素点，先计算其结构矩阵Qψ如下：其中，*表示卷积，Kψ为标准差为ψ的二维高斯核，Ix、Iy分别为(x,y)处像素点梯度值的x和y方向的分量，ψ取值0.1；然后，计算结构矩阵Qψ的特征值μ1和μ2，满足μ1≥μ2≥0，并按照以下公式计算得到(x,y)处像素点的边缘度C：其中，ε为阈值，其确定方式为：将图像中所有像素的结构矩阵的特征值μ1按由大到小进行排序，将排在60％位序的值设置为ε阈值；对于图像中的每一个像素，均按照以上过程计算得到其边缘度，所有像素的边缘度值即构成边缘度图像；所述的梯度方向差异矩阵的计算过程如下：首先，对于图像中(x,y)处像素点，通过求解能量函数最小值得到其梯度向量流为所述的能量函数为：其中，E(u,v)表示能量函数，▽f为(x,y)处像素点的梯度值，g(C)＝e‑C/K，K为梯度场平滑程度的正则化因子，K取1，C为(x,y)处像素点的边缘度，ux和uy分别是u在x和y方向上的导数；vx和vy分别是v在x和y方向上的导数；然后，按下式计算两幅图像中相同位置处像素点之间的梯度方向差异d：其中，表示图像X中的像素p的梯度向量流，表示图像Y'中与像素p空间位置上对应的像素q'的梯度向量流；对图像X和Y'中对应的每一对像素，均按照以上过程计算得到其梯度方向差异，所有像素点对间的梯度方向差异值即构成图像X和Y'相应像素之间的梯度方向差异矩阵；步骤四：按照Y′＝T*×Y将待配准图像Y变换到基准图像X的坐标系下，完成图像配准。