[发明专利]基于边缘特征的图像自动配准及快速超分辨率融合方法

摘要

一种基于边缘特征的图像自动配准及快速超分辨率融合方法，涉及图像处理领域，本发明的特征在于具有以下处理步骤：(1)计算机从USB等接口读入待处理的两类目标图像至缓冲区，其中一类是低分辨率多光谱图像，另一类是高分辨率灰度图像；(2)采用小波变换和最小二乘拟合模型求取两类图像的配准参数；(3)将配准的多光谱图像用线性IHS变换获取强度分量图像，然后将高分辨率灰度图像直方图匹配到强度分量；(4)用直方图匹配后的高分辨率灰度图像替换强度分量，线性IHS逆变换实现图像超分辨率融合；(5)输出超分辨多光谱率彩色图像。本发明提供的方法复杂度和执行速度低于传统方法，占用计算机系统资源少，便于在嵌入式设备上执行。

主权项

1.一种基于边缘特征的图像自动配准及快速超分辨率融合方法，是由各类摄像设备完成待处理的两类图像，一类为低分辨率多光谱彩色图像，另一类为高分辨率的灰度图像，将目标图像数字化为便于通过USB、红外等接口输入计算机处理，处理后的结果图像输出至缓冲器，可以直接在本地进行存储，或直接输出显示，或通过网络存储设备进行远程传输，其特征在于它还包扩下述步骤：1)采用小波变换结合最小二乘拟合的模型来求取M和P的配准参数实现图像的配准。其中小波变换用来提取图像的边缘特征点，再使用仿射变换建立M图像的边缘特征点与P图像的边缘特征点的对应关系，最后依据最小二乘拟合求取仿射变换参数，从而将M图像配准到P图像，其特征为：a)小波变换提取图像的边缘利用小波变换提取图像边缘的算法概括如下：首先利用二进小波变换将图像分解为J层。针对于j(1≤j≤J)分解层的高频分量，求解小波模极大W_j，并设定一个阈值T，如果W_j＞T则认为是边缘点；b)仿射变换考虑的图像配准可以认为是刚体变换，故此可以采用仿射变换来表征特征点之间的关系，仿射变换如下式：xy=a11a12a21a22x′y′+b1b2]]>         ①式中(x，y)表示参考图像的坐标，(x′，y′)表示待配准图像的坐标，a11a12a21a22]]>表示图像的旋转和缩放(b₁，b₂)表示图像在x、y方向的平移量；c)最小二乘拟合记A＝(a₁₁ a₁₂ b₁)B＝(b₂₁ b₂₂ b₂)Q=(x′)j1(x′)j2...(x′)jn(y′)j1(y′)j2...(y′)jn11...1]]>         ②M_x＝(_j1(x)，_j2(x)，…，_jn(x))M_y＝(_j1(y)，_j2(y)，…，_jn(y))由此建立最小二乘表达式如下：AQ＝Mx    ③BQ＝My    ④由上述最小二乘方程可以求解出A、B；2)图像的直方图匹配记经过配准的多光谱图像为M_R，其共有三个波段分别为M_R1，M_R2，M_R3。将图像P的直方图匹配到强度分量图像I，并记经过直方图匹配后的图像分别为P₁；3)图像的超分辨率融合图像的超分辨率融合采用线性IHS逆变换，这主要考虑线性IHS变换较常规的IHS变换运算量小、速度快。具体超分辨率融合过程为：设I图像、P图像最大值分别为M₁和M₂，记M＝max(M₁，M₂)。将I图像、P图像的像素值看作特征s，则在像素位置(m，n)处的信任函数分别记为h(s_I，m，n)、h(s_I，m，n)。令h(s_I，m，n)＝I(m，n)/M，h(s_P，m，n)＝P(m，n)/M依据模糊积分的单调性的约束条件，像素位置为(m，n)处，记s＝{s₁(m，n)，s₂(m，n)}，其中{s₁(m，n)，s₂(m，n)}定义如下：s1(m,n)=I(m,n),s2(m,n)=P(m,n)ifh(sI;m,n)≤h(sP;m,n)s1(m,n)=P(m,n),s2(m,n)=I(m,n)ifh(sI;m,n)>h(sP;m,n)]]>      ⑤因此，模糊测度g(A₁)＝g({s₁(m，n)，s₂(m，n)})＝1            ⑥g(A₂)＝g({s₂(m，n)})                         ⑦只要确定g({s₂(m，n)})就可以求出融合后的像素值，而g({s₂(m，n)})就是图像I或图像P在(m，n)处像素值的模糊密度。为了表述方便，此处记g({(s₂(m，n)})为g(m，n)。记模糊积分的结果为FI(m，n)，融合后的像素值为P′(2^j；m，n)P′(m,n)=FI(m,n)×Mifh(sI;m,n)≤h(sP;m,n)FI(m,n)×Mifh(sI;m,n)>h(sP;m,n)]]>=I(m,n)+(P(m,n)-I(m,n))×g(m,n)ifh(sI;m,n)≤h(sP;m,n)P(m,n)+(I(m,n)-P(m,n))×g(m,n)ifh(sI;m,n)>h(sP;m,n)]]>          ⑧其中g(m，n)的大小可以根据对融合图像的属性要求而定，若关于图像P的g(m，n)越来越小，则对I图像的g(m，n)越来越大，则融合图像的光谱信息越来越好，由此可见，g(m，n)在中间取值范围内可以使得融合图像的光谱和空间细节信息最好；