[发明专利]一种基于SIFT特征和角度相对距离的图像配准方法

摘要

本发明涉及一种基于SIFT(scale invariant feature transform)特征和角度相对距离的图像配准算法。技术特征在于：首先使用SIFT特征点提取算法提取参考图像和待配准图像中的特征点和特征点描述子。然后通过特征点之间的欧式距离得到图像特征点之间的粗匹配结果，并以上述粗匹配结果为输入，通过计算特征点的角度关系，通过相减得到角度差异筛选出正确匹配的特征点对。本发明能够充分利用粗匹配的特征点对集合自身存在的对应角度不变特性进行正确匹配特征点的筛选，极大提高了筛选正确匹配特征点对的能力，提高了图像配准的准确性。

主权项

1.一种基于SIFT特征和角度相对距离的图像配准方法，其特征在于步骤如下：步骤1：提取参考图像img_ref和待配准图像img_src中的尺度不变特征SIFT特征点，得到参考图像img_ref的特征向量P和待配准图像img_src的特征向量Q，其中特征向量P有M个特征点，特征向量Q有N个特征点；步骤2：利用欧式距离对参考图像img_ref和待配准图像img_src进行图像特征点粗匹配，得到特征向量P和Q之间粗匹配的特征点对集合PQ，集合中有L个匹配的特征点对，且p_i与q_i为对应的特征点；步骤3、采用角度相对距离进行特征点精匹配：步骤3.1从PQ中取出p_i、q_i,i＝1,2,…,L；步骤3.2从PQ中取出p_j,q_j,j＝1,2,…,L且j≠i；步骤3.3从PQ中取出p_k,q_k,k＝j+1，若k＝L+1,k＝1，若k＝i,k＝i+1；步骤3.4计算∠p_ip_jp_k,∠q_iq_jq_k,分别保存在矩阵M_{angle_P}和M_{angle_Q}中，这样每个矩阵均为L×(L‑1)维；步骤3.5计算矩阵M_{angle_P}和M_{angle_Q}中对应角度的差，得到矩阵M_{angle_out}，且M_{angle_out}＝M_{angle_P}‑M_{angle_Q}；步骤3.6统计M_{angle_out}每一行中角度差小于参数c_angle的个数，c_angle为角度相对距离，即统计每行中M_{angle_out}＜c_angle的个数，存入矩阵N_num中；步骤3.7取出N_num中的最大值N_max，然后找出N_num中大于N_max*T_angle的值所对应的特征点对集合PQ中的特征点p_i,q_i，放入矩阵PQ_out中；步骤4：随机从PQ_out中选出三个正确的匹配点对，采用仿射变换模型计算参考图像img_ref和待配准图像img_src之间的仿射矩阵A和平移矩阵[t_x,t_y]^T，重复本步骤的计算多次，得到其中最优的一组参数步骤5：对待配准图像img_src用步骤4得到的最优的一组参数进行仿射变换，与参考图像img_ref进行加权融合，得到配准结果图像img_des。