CN103489178A - 一种图像配准方法和系统 - Google Patents

Abstract

本发明公开了一种图像配准方法和系统，对多通道采集得到的图像分块，并将每一块图像分别进行逐级降采样；对降采样获取的每一图像块组，按照分辨率由低到高的顺序逐级递归匹配，得到原图像块的最佳匹配位置；根据各图像块的最佳匹配位置获取主辅图像的对应关系，并移动辅图像实现图像配准。本发明的这种分级递归结构的运算量小，如此，即使对尺寸大且局部纹理不明显的海洋SAR图像，也能进行稳定、高效的配准。

Description

一种图像配准方法和系统

技术领域

本发明涉及图像处理技术，尤其涉及一种图像配准方法和系统。

背景技术

合成孔径雷达（SAR，Synthetic Aperture Radar）又名微波成像雷达，是众多雷达中的一种，它使用复杂的雷达数据后处理方法来获得极窄的有效辐射波束，对产生的雷达图像意味着极高的分辨率。特点是分辨率高，能全天候工作，能有效地识别伪装和穿透掩盖物，如识别伪装的导弹地下发射井、识别云雾笼罩地区的地面目标等。

图像配准是指对取自不同时间、不同传感器、或不同视角的同一场景的两幅以上图像进行匹配的过程。单一图像存在时间和空间分辨率的局限性，而图像配准能够得到单一图像不具备的场景解释，其应用领域非常广泛，比如：遥感图像分析、全景漫游、目标识别、以及定位等。其中，遥感领域图像之间的配准可以将不同时段、由不同卫星拍摄的图片信息统一到一起，从而应用于地图绘制或灾害评估等，因此，对图像配准进行研究显得尤为重要。

目前，多通道SAR所面临的最重要的问题是：如何对各通道采集的同一场景的多幅图像进行配准，以便提高后续处理的精度。特别地，海洋SAR图像具有尺寸大、小范围的局部纹理不明显、信噪比低等特点，因此，多通道SAR海洋图像配准特别困难。

目前，工程上普遍采用的图像配准方法可以分为两类：基于相关峰值的图像配准和基于关键点的图像配准。其中，相关峰值方法操作简便，但对噪声敏感而且时间复杂度高。关键点方法虽然在灵敏度和时间复杂度方面优于相关峰值方法，但是不适用于海洋SAR图像，因为海洋SAR图像的关键点特征不明显直接导致关键点获取困难。

综上所述，如何稳定高效地对SAR海洋图像进行配准是目前亟待解决的问题。

发明内容

有鉴于此，本发明的主要目的在于提供一种图像配准方法和系统，能够提高配准效率及稳定性。

为达到上述目的，本发明的技术方案是这样实现的：

一种图像配准方法，包括：

对多通道采集得到的图像分块，并将每一块图像分别进行逐级降采样；

对降采样获取的每一图像块组，按照分辨率由低到高的顺序逐级递归匹配，得到原图像块的最佳匹配位置；

根据各图像块的最佳匹配位置获取主辅图像的对应关系，并移动辅图像实现图像配准。

所述对多通道采集得到的图像分块，并将每一块图像分别进行逐级降采样为：

将多通道采集得到的图像按照相同的分块方式进行分块；

对每一块图像，按照降采样率的大小再细分为更小的图像块；求每个小图像块内像素的平均值作为降采样后该小图像块处的像素值；如此逐级细分求平均，得到一组分辨率不同的图像块组。

所述对降采样获取的每一图像块组，按照分辨率由低到高的顺序逐级递归匹配，得到原图像块的最佳匹配位置为：

按照分辨率由低到高的顺序，采用相关峰值方法得到低分辨率图像块的最佳匹配位置；

根据所述低分辨率图像的最佳匹配位置，选择高分辨率图像块中的匹配位置搜索窗；

在所述搜索窗内采用相关峰值方法得到所述高分辨率图像块的最佳匹配位置，如此递归进行，直到得到原图像块的最佳匹配位置。

所述采用相关峰值方法得到图像块的最佳匹配位置为：

$\underset{i=0}{\overset{I-1}{\mathrm{\Σ}}}\underset{j=0}{\overset{J-1}{\mathrm{\Σ}}}X(i,j)Y(i+n_0,j+m_0)\≥\underset{i=0}{\overset{I-1}{\mathrm{\Σ}}}\underset{j=0}{\overset{J-1}{\mathrm{\Σ}}}X(i,j)Y(i+n,j+m)$ 时，最佳匹配位置为(n₀,m₀)。

根据所述低分辨率图像的最佳匹配位置，选择高分辨率图像块中的匹配位置搜索窗为：

低分辨率图像的最佳匹配位置为(n₀,m₀)，与上一级高分辨率图像的降采样率为P×Q时，选择所述高分辨率图像的搜索窗为中心在(n₀P,m₀Q)，四个端点为(n₀P-2CP,m₀Q-2CQ)，(n₀P-2CP,m₀Q+2CQ)，(n₀P+2CP,m₀Q-2CQ)，(n₀P+2CP,m₀Q+2CQ)所规定的范围，其中，C为搜索窗大小的调整因子。

一种图像配准系统，包括：分块模块、降采样模块、最佳匹配位置确定模块和配准模块；其中，

所述分块模块，用于对多通道采集得到的图像分块；

所述降采样模块，用于将所述分块后的每一块图像分别进行逐级降采样；

所述最佳匹配位置确定模块，用于对降采样模块获取的每一图像块组，按照分辨率由低到高的顺序逐级递归匹配，得到原图像块的最佳匹配位置；

所述配准模块，用于根据各图像块的最佳匹配位置获取主辅图像的对应关系，并移动辅图像实现图像配准。

所述分块模块，具体用于将多通道采集得到的图像按照相同的分块方式进行分块；

所述降采样模块，具体用于对所述分块后的每一块图像，按照降采样率的大小再细分为更小的图像块；求每个小图像块内像素的平均值作为降采样后该小图像块处的像素值；如此逐级细分求平均，得到一组分辨率不同的图像块组。

所述最佳匹配位置确定模块具体用于：

按照分辨率由低到高的顺序，采用相关峰值方法得到低分辨率图像块的最佳匹配位置；

根据所述低分辨率图像的最佳匹配位置，选择高分辨率图像块中的匹配位置搜索窗；

在所述搜索窗内采用相关峰值方法得到所述高分辨率图像块的最佳匹配位置，如此递归进行，直到得到原图像块的最佳匹配位置。

所述最佳匹配位置确定模块采用相关峰值方法得到图像块的最佳匹配位置为：

$\underset{i=0}{\overset{I-1}{\mathrm{\Σ}}}\underset{j=0}{\overset{J-1}{\mathrm{\Σ}}}X(i,j)Y(i+n_0,j+m_0)\≥\underset{i=0}{\overset{I-1}{\mathrm{\Σ}}}\underset{j=0}{\overset{J-1}{\mathrm{\Σ}}}X(i,j)Y(i+n,j+m)$ 时，最佳匹配位置为(n₀,m₀)。

所述最佳匹配位置确定模块根据所述低分辨率图像的最佳匹配位置，选择高分辨率图像块中的匹配位置搜索窗为：

低分辨率图像的最佳匹配位置为(n₀,m₀)，与上一级高分辨率图像的降采样率为P×Q时，选择所述高分辨率图像的搜索窗为中心在(n₀P,m₀Q)，四个端点为(n₀P-2CP,m₀Q-2CQ)，(n₀P-2CP,m₀Q+2CQ)，(n₀P+2CP,m₀Q-2CQ)，(n₀P+2CP,m₀Q+2CQ)所规定的范围，其中，C为搜索窗大小的调整因子。

本发明提供的图像配准方法和系统，对多通道采集得到的图像分块，并将每一块图像分别进行逐级降采样；对降采样获取的每一图像块组，按照分辨率由低到高的顺序逐级递归匹配，得到原图像块的最佳匹配位置；根据各图像块的最佳匹配位置获取主辅图像的对应关系，并移动辅图像实现图像配准。本发明的这种分级递归结构的运算量小，如此，即使对尺寸大且局部纹理不明显的海洋SAR图像，也能进行稳定、高效的配准。

附图说明

图1为本发明图像配准方法流程示意图；

图2为搜索窗的选择示意图；

图3为等效搜索窗长度与降采样率和调整因子的关系示意图；

图4为本发明与传统FFT方法的时间复杂度比值随图像大小的变化示意图；

图5为本发明图像配准系统结构示意图；

图6为本发明实施例1中图像配准的信号流程示意图；

图7为本发明实施例1的待配准海洋SAR图像对；

图8为距离位移和方位位移与压缩比的关系示意图。

具体实施方式

本发明图像配准方法的基本思想是：对多通道采集得到的图像分块，并将每一块图像分别进行逐级降采样；对降采样获取的每一图像块组，按照分辨率由低到高的顺序逐级递归匹配，得到原图像块的最佳匹配位置；根据各图像块的最佳匹配位置获取主辅图像的对应关系，并移动辅图像实现图像配准。

图1为本发明图像配准方法流程示意图，如图1所示，该方法包括：

步骤101：对多通道采集得到的图像分块，并将每一块图像分别进行逐级降采样。

例如，通过多通道SAR采集到同一场景的多幅图像，其中，将采集到的第一幅图像作为主图像，其余的作为辅图像。进行配准时，根据需要选取一幅辅图像与主图像进行配准。相应的，对采集得到的同一场景的主图像和辅图像分块，并将每一个图像块分别进行逐级降采样，得到每一个图像块对应的图像块组。

可选的，对主图像和辅图像采用相同的分块方式分块，例如，主图像和辅图像都分成M×N个图像块。对于采集到的海洋图像，其有两个方向：方位向（SAR载荷运动方向）和距离向（SAR信号照射方向），图像分块后，这些图像块组成了一个矩阵，则该矩阵也有两个方向：方位向和距离向，假设方位向指示矩阵的行，距离向指示矩阵的列，则M表示矩阵中每行包含的图像块个数，N表示矩阵中每列包含的图像块个数。

进一步地，可以按照相同的规则分别对主图像和辅图像的M×N个图像块分别进行编号，以便后续配准时使用。

分块完成后，分别对主图像和辅图像的每一个图像块按照预设的降采样率逐级降采样。所谓的降采样就是降低图像的分辨率，图像的原始分辨率和降低后的分辨率的比值即为降采样率。例如，假设一幅图像的分辨率为P×Q，降低后的分辨率为p×q，则降采样率为（P/p,Q/q）。本发明实施例中，对于海洋图像，将P表示为方位向的分辨率，Q表示为距离向的分辨率，则P/p即为方位向的降采样率，Q/q为距离向的降采样率。

为了降低时间复杂度，本发明的图像块的降采样逐级递归进行、即下一级图像块是对上一级图像块降采样得到。具体的，对每一块图像，按照降采样率的大小再细分为更小的图像块；求每个小图像块内像素的平均值作为降采样后该小图像块处的像素值；如此逐级细分求平均，得到一组分辨率不同的图像块组。例如，将原始图像块设置为第0级图像块，假设需要对图像块进行3级逐级降采样，则最终得到第0级图像块、第1级图像块、第2级图像块和第3级图像块，其中，第1级图像块是对第0级图像块降采样得到，第2级图像块是对第1级图像块降采样得到，第3级图像块是对第2级图像块降采样得到。0级图像块到第3级图像块的分辨率是依次降低的。

本发明中，一个图像块的各级降采样率可相同也可不相同；主图像和辅图像的同一编号的图像块的相同级别的降采样率必须相同，各图像块的相同级别的降采样率可相同也可不相同。

对一个图像块逐级降采样后，该原始图像块和降采样后得到的多个图像块组成了一个图像块组。进一步地，该图像块组的编号即为对应的图像块的编号。

为了后续描述方便，本发明将原始图像块设置为第0级图像块、将第k级降采样率设置为（P_k，Q_k），则进行第k级降采样后，得到的为第k级图像块。

上述降采样的算法可以采用最紧邻算法、抽取算法、平均算法等。

步骤102：对降采样获取的每一图像块组，按照分辨率由低到高的顺序逐级递归匹配，得到原图像块的最佳匹配位置。

具体的，按照分辨率由低到高的顺序，采用改进的相关峰值方法得到低分辨率图像块的最佳匹配位置；根据所述低分辨率图像的最佳匹配位置，选择高分辨率图像块中的匹配位置搜索窗；在所述搜索窗内采用改进的相关峰值方法得到所述高分辨率图像块的最佳匹配位置，如此递归进行，直到得到原图像块的最佳匹配位置。

可选的，所述采用相关峰值方法得到图像块的最佳匹配位置为：

$\underset{i=0}{\overset{I-1}{\mathrm{\Σ}}}\underset{j=0}{\overset{J-1}{\mathrm{\Σ}}}X(i,j)Y(i+n_0,j+m_0)\≥\underset{i=0}{\overset{I-1}{\mathrm{\Σ}}}\underset{j=0}{\overset{J-1}{\mathrm{\Σ}}}X(i,j)Y(i+n,j+m)$ 时，最佳匹配位置为(n₀,m₀)。

可选的，根据所述低分辨率图像的最佳匹配位置，选择高分辨率图像块中的匹配位置搜索窗为：

低分辨率图像的最佳匹配位置为(n₀,m₀)，与上一级高分辨率图像的降采样率为P×Q时，选择所述高分辨率图像的搜索窗为中心在(n₀P,m₀Q)，四个端点为(n₀P-2CP,m₀Q-2CQ)，(n₀P-2CP,m₀Q+2CQ)，(n₀P+2CP,m₀Q-2CQ)，(n₀P+2CP,m₀Q+2CQ)所规定的范围，其中，C为搜索窗大小的调整因子，目的在于根据图像的不同信噪比调整搜索窗的大小来满足精度和效率的要求。

在每一级图像中都采用改进的相关峰值方法寻找最佳匹配位置，也即在传统的相关峰值方法中，对图像像素归一化，这样辅图像用来作自相关的区域的选择对相关系数值的影响很小。找到该级的最佳匹配位置后，可以得到相应的上一级图像匹配位置的搜索窗，然后在上一级中重复改进的相关峰值方法找到其最佳匹配位置，如此逐级进行直到找到原始图像中的最佳匹配位置为最终的最佳匹配位置。

考虑到图像信噪比低的情况，为了增加稳健性，设置调整因子C来调整搜索窗的大小以适应不同信噪比的情况。

此外，如果最佳匹配位置在搜索窗的边缘，则会导致计算的不准确。因此，在匹配位置所在方向扩展搜索窗，使最佳匹配位置不再处于边缘后重新计算简化相关值进行比较。

例如，从第k-1级到第k级的降采样率为（P_k，Q_k），若第k级图像的最佳匹配位置为（n₀，m₀），则仅在第k-1级图像中的（n₀P_k-2CP_k，m₀Q_k-2CQ_k），（n₀P_k+2CP_k，m₀Q_k-2CQ_k），（n₀P_k-2CP_k，m₀Q_k+2CQ_k），（n₀P_k+2CP_k，m₀Q_k+2CQ_k）范围内计算简化相关值，找到最大相关值对应的位置即为最佳匹配位置。如果最佳匹配位置在搜索窗的边缘，则要根据前面提到的边缘限制操作扩展搜索窗。例如，若最佳匹配位置在（n₀P_k-2CP_k，m₀Q_k），则需要在（n₀P_k+2CP_k，m₀Q_k-2CQ_k），（n₀P_k+2CP_k，m₀Q_k+2CQ_k），（n₀P_k-3CP_k，m₀Q_k-2CQ_k），（n₀P_k-3CP_k，m₀Q_k+2CQ_k）范围内计算更多的相关值以作比较。

图2为所述搜索窗的选择示意图。

步骤103：根据各图像块的最佳匹配位置获取主辅图像的对应关系，并移动辅图像实现图像配准。

具体的，将各块图像的匹配位置作最小二乘拟合，移动辅图像完成其与主图像的配准。例如，主图像上第k个点的位置为x(k)、y(k)，辅图像上计算得到的对应最佳匹配位置为x₀(k)、y₀(k)。则两幅图像的对应关系表示为：x(k)=a₁x₀(k)+b₁y₀(k)+c₁,y(k)=a₂x₀(k)+b₂y₀(k)+c₂。表示成矩阵形式为

$X={\left[\begin{array}{c}{X}_0^T\\ Y_0^T\\ 1\end{array}\right]}^T{A}_1$ 和 $Y={\left[\begin{array}{c}{X}_0^T\\ Y_0^T\\ 1\end{array}\right]}^T{A}_2$

其中

X=[x(1)x(2)...x(k)...x(K)]^T

Y=[y(1)y(2)...y(k)...y(K)]^T

X₀=[x₀(1)x₀(2)...x₀(k)...x₀(K)]^T

Y₀=[y₀(1)y₀(2)...y₀(k)...y₀(K)]^T

A₁=[a₁b₁c₁]^T

A₂=[a₂b₂c₂]^T

通过最小二乘拟合，求出系数值即可得出主辅图像的对应关系，变换辅图像完成图像配准。

令 $B={\left[\begin{array}{c}{X}_0^T\\ Y_0^T\\ 1\end{array}\right]}^T$ 最小二乘公式为

A₁=(B^TB)^-1B^TX

A₂=(B^TB)^-1B^TY

图3为等效搜索窗长度与降采样率和调整因子的关系示意图；所述等效搜索窗长度为：等效于本发明的时间复杂度的原始图像搜索窗长度。本发明的时间复杂度为： $M=\frac{(4\mathrm{CP}+1)\&bull;(4\mathrm{CQ}+1)}{\mathrm{PQ}-1}\&bull;(P^{N+1}\&bull;Q^{N+1}-1)<\frac{(4\mathrm{CP}+1)\&bull;(4\mathrm{CQ}+1)\mathrm{PQ}}{\mathrm{PQ}-1}\&bull;(P^N\&bull;Q^N).$ 对应的等效窗长度为： $L\_\mathrm{equ}=\sqrt{\frac{M}{(P^N\&times;Q^N)}}=\sqrt{\frac{(4\mathrm{CP}+1)\&times;(4\mathrm{CQ}+1)\mathrm{PQ}}{\mathrm{PQ}-1}}$

由上述公式可以看出在相同的搜索窗范围下，本发明的方法比传统方法运算量小。在相同的运算量的前提下，本发明的方法比传统方法的搜索范围大。

图4为本发明与传统FFT方法的时间复杂度比值随图像大小的变化示意图；对于图像尺寸为2^N×2^N的情况，传统的二位FFT的时间复杂度是(2^N)²log₂(2^N)=N2^2N次复数运算。由于要进行2次正变换和1次逆变换，所以时间复杂度是3N2^2N次复数运算。单次复数运算需要3次实数乘法，所以，所述传统FFT方法的时间复杂度为9N×2^2N次实数相乘运算；根据时间复杂度公式

所述本发明当P=Q=2，C=1时的时间复杂度为324/（3×2^2N）次实数相乘运算。

本发明还相应地提出了一种图像配准系统，如图5所示，该系统包括：分块模块51、降采样模块52、最佳匹配位置确定模块53和配准模块54；其中，

分块模块51，用于对多通道采集得到的图像分块；

降采样模块52，用于将所述分块后的每一块图像分别进行逐级降采样；

最佳匹配位置确定模块53，用于对降采样模块52获取的每一图像块组，按照分辨率由低到高的顺序逐级递归匹配，得到原图像块的最佳匹配位置；

配准模块54，用于根据各图像块的最佳匹配位置获取主辅图像的对应关系，并移动辅图像实现图像配准。

分块模块51，具体用于将多通道采集得到的图像按照相同的分块方式进行分块；

降采样模块52，具体用于对所述分块后的每一块图像，按照降采样率的大小再细分为更小的图像块；求每个小图像块内像素的平均值作为降采样后该小图像块处的像素值；如此逐级细分求平均，得到一组分辨率不同的图像块组。

可选的，最佳匹配位置确定模块53具体用于：

按照分辨率由低到高的顺序，采用相关峰值方法得到低分辨率图像块的最佳匹配位置；

根据所述低分辨率图像的最佳匹配位置，选择高分辨率图像块中的匹配位置搜索窗；

在所述搜索窗内采用相关峰值方法得到所述高分辨率图像块的最佳匹配位置，如此递归进行，直到得到原图像块的最佳匹配位置。

可选的，最佳匹配位置确定模块53采用相关峰值方法得到图像块的最佳匹配位置为：

$\underset{i=0}{\overset{I-1}{\mathrm{\&Sigma;}}}\underset{j=0}{\overset{J-1}{\mathrm{\&Sigma;}}}X(i,j)Y(i+n_0,j+m_0)\&GreaterEqual;\underset{i=0}{\overset{I-1}{\mathrm{\&Sigma;}}}\underset{j=0}{\overset{J-1}{\mathrm{\&Sigma;}}}X(i,j)Y(i+n,j+m)$ 时，最佳匹配位置为(n₀,m₀)。

可选的，最佳匹配位置确定模块53根据所述低分辨率图像的最佳匹配位置，选择高分辨率图像块中的匹配位置搜索窗为：

低分辨率图像的最佳匹配位置为(n₀,m₀)，与上一级高分辨率图像的降采样率为P×Q时，选择所述高分辨率图像的搜索窗为中心在(n₀P,m₀Q)，四个端点为(n₀P-2CP,m₀Q-2CQ)，(n₀P-2CP,m₀Q+2CQ)，(n₀P+2CP,m₀Q-2CQ)，(n₀P+2CP,m₀Q+2CQ)所规定的范围，其中，C为搜索窗大小的调整因子。

下面结合具体实施例对本发明的技术方案作进一步详细说明。

实施例1

图6为图像配准的信号流程示意图，图7为本发明实施例1的待配准海洋SAR图像对。如图6所示，海洋SAR图像的配准可以通过以下步骤实现：

步骤一：设置参数为P=Q=2，C=1，已知主辅图像的相对移动范围分别为：距离向20到40，方位向20到40，搜索窗为4×4。把原始图像降采样为4级：第0级、第1级、第2级和第3级。

步骤二：对降采样后的图像按照低分辨率到高分辨率的顺序逐级递归匹配，直到找到原始图像的最佳匹配位置。其中，当下一级的最佳匹配位置位于上一级的搜索窗边缘时，要作搜索窗扩展处理。

具体地，首先处理搜索窗内的第3级图像配准，搜索窗范围为（1，1），（1，5），（5，1），（5，5）。得到最佳匹配位置为（4，3）。根据本发明方法，最佳匹配位置不在搜索窗边缘，因此第3级的匹配位置就是（4，3），由此得到第2级的搜索窗为（6，4），（6，4），（10，8）（10，8）。

第2级在搜索窗内计算简化相关值，得到最佳匹配位置为（8，6）。这仍然不在搜索窗边缘，因此第1级的最佳匹配位置为（15，11），其搜索窗为（28，20），（28，24），（32，20），（32，24）。

第0级在搜索窗内计算简化相关值，得到最佳匹配位置为（32，23）。这个结果在搜索窗的边缘，因此根据边缘限制操作，扩展搜索窗为（32，20），（32，24），（36，20），（36，24）。在新的搜索窗中计算得到最佳匹配位置为（34，23）。

步骤三：将上述处理后的所有图像块的最佳匹配位置作最小二乘拟合，移动辅图像实现SAR海洋图像的配准。

实验过程中，为了确认理论分析的正确性，把方位向和距离向降采样率同时从2减小到10，然后计算最佳匹配位置。不同降采样率对应的匹配位置如表1所示：

降采样率	1	2	3	4	5	6	7	8	9	10
											方位向匹配位置	34	15	11	8	3	6	3	4	4	3

距离向匹配位置

23

11

8

6

4

4

3

3

3

2

表1

表1中的降采样率指的是方位向和距离向的降采样率。例如5表示方位向和距离向的降采样率同为5。“方位向匹配位置”和“距离向匹配位置”表示的是根据改进的最大相关方法计算得到的匹配位置，例如方位向匹配位置3，表示辅图像偏移主图像的位置为3。

图8为距离位移和方位位移与压缩比（降采样率）的关系示意图。其中，上下两侧的线表示不同降采样率的匹配位置的理论值，中间的线是计算得到的真实值。实验结果验证了本发明的正确性。

可以看出，本实施例的时间复杂度相比传统算法显著减少；另外，如果采用Laplace金字塔或小波算法进行降采样，图像配准的效果会更加稳定，因为Laplace金字塔或小波算法可以得到每一级的方向，利用这个附加信息，图像配准将会更加高效。

需要说明的是，本发明所述的图像配准方法及并行计算结构主要可以应用于多通道SAR获取的海洋图像配准，为降低时间复杂度，本文采用分级递归的方式进行逐级配准：先对图像分块并逐级降采样，然后按照从低分辨率到高分辨率的顺序采用改进的简化相关峰值法逐级递归匹配，找到原始图像块的最佳匹配位置，最后对所有图像块的最佳匹配位置作最小二乘拟合，移动辅图像实现图像的配准。本发明在保证配准的稳定性前提下，提出图像配准的并行计算结构，显著提高了运算效率。所以，通过本发明，能够实现图像的稳定、高效配准。

以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。

Claims (10)

1.一种图像配准方法，其特征在于，该方法包括：

对多通道采集得到的图像分块，并将每一块图像分别进行逐级降采样；

对降采样获取的每一图像块组，按照分辨率由低到高的顺序逐级递归匹配，得到原图像块的最佳匹配位置；

根据各图像块的最佳匹配位置获取主辅图像的对应关系，并移动辅图像实现图像配准。

2.根据权利要求1所述的方法，其特征在于，所述对多通道采集得到的图像分块，并将每一块图像分别进行逐级降采样为：

将多通道采集得到的图像按照相同的分块方式进行分块；

对每一块图像，按照降采样率的大小再细分为更小的图像块；求每个小图像块内像素的平均值作为降采样后该小图像块处的像素值；如此逐级细分求平均，得到一组分辨率不同的图像块组。

3.根据权利要求1所述的方法，其特征在于，所述对降采样获取的每一图像块组，按照分辨率由低到高的顺序逐级递归匹配，得到原图像块的最佳匹配位置为：

按照分辨率由低到高的顺序，采用相关峰值方法得到低分辨率图像块的最佳匹配位置；

根据所述低分辨率图像的最佳匹配位置，选择高分辨率图像块中的匹配位置搜索窗；

在所述搜索窗内采用相关峰值方法得到所述高分辨率图像块的最佳匹配位置，如此递归进行，直到得到原图像块的最佳匹配位置。

4.根据权利要求3所述的方法，其特征在于，所述采用相关峰值方法得到图像块的最佳匹配位置为：

$\underset{i=0}{\overset{I-1}{\mathrm{\&Sigma;}}}\underset{j=0}{\overset{J-1}{\mathrm{\&Sigma;}}}X(i,j)Y(i+n_0,j+m_0)\&GreaterEqual;\underset{i=0}{\overset{I-1}{\mathrm{\&Sigma;}}}\underset{j=0}{\overset{J-1}{\mathrm{\&Sigma;}}}X(i,j)Y(i+n,j+m)$ 时，最佳匹配位置为(n₀,m₀)。

5.根据权利要求3所述的方法，其特征在于，根据所述低分辨率图像的最佳匹配位置，选择高分辨率图像块中的匹配位置搜索窗为：

低分辨率图像的最佳匹配位置为(n₀,m₀)，与上一级高分辨率图像的降采样率为P×Q时，选择所述高分辨率图像的搜索窗为中心在(n₀P,m₀Q)，四个端点为(n₀P-2CP,m₀Q-2CQ)，(n₀P-2CP,m₀Q+2CQ)，(n₀P+2CP,m₀Q-2CQ)，(n₀P+2CP,m₀Q+2CQ)所规定的范围，其中，C为搜索窗大小的调整因子。

6.一种图像配准系统，其特征在于，该系统包括：分块模块、降采样模块、最佳匹配位置确定模块和配准模块；其中，

所述分块模块，用于对多通道采集得到的图像分块；

所述降采样模块，用于将所述分块后的每一块图像分别进行逐级降采样；

所述最佳匹配位置确定模块，用于对降采样模块获取的每一图像块组，按照分辨率由低到高的顺序逐级递归匹配，得到原图像块的最佳匹配位置；

所述配准模块，用于根据各图像块的最佳匹配位置获取主辅图像的对应关系，并移动辅图像实现图像配准。

7.根据权利要求6所述的系统，其特征在于，

所述分块模块，具体用于将多通道采集得到的图像按照相同的分块方式进行分块；

所述降采样模块，具体用于对所述分块后的每一块图像，按照降采样率的大小再细分为更小的图像块；求每个小图像块内像素的平均值作为降采样后该小图像块处的像素值；如此逐级细分求平均，得到一组分辨率不同的图像块组。

8.根据权利要求6所述的系统，其特征在于，所述最佳匹配位置确定模块具体用于：

按照分辨率由低到高的顺序，采用相关峰值方法得到低分辨率图像块的最佳匹配位置；

根据所述低分辨率图像的最佳匹配位置，选择高分辨率图像块中的匹配位置搜索窗；

在所述搜索窗内采用相关峰值方法得到所述高分辨率图像块的最佳匹配位置，如此递归进行，直到得到原图像块的最佳匹配位置。

9.根据权利要求8所述的系统，其特征在于，所述最佳匹配位置确定模块采用相关峰值方法得到图像块的最佳匹配位置为：

$\underset{i=0}{\overset{I-1}{\mathrm{\&Sigma;}}}\underset{j=0}{\overset{J-1}{\mathrm{\&Sigma;}}}X(i,j)Y(i+n_0,j+m_0)\&GreaterEqual;\underset{i=0}{\overset{I-1}{\mathrm{\&Sigma;}}}\underset{j=0}{\overset{J-1}{\mathrm{\&Sigma;}}}X(i,j)Y(i+n,j+m)$ 时，最佳匹配位置为(n₀,m₀)。

10.根据权利要求8所述的系统，其特征在于，所述最佳匹配位置确定模块根据所述低分辨率图像的最佳匹配位置，选择高分辨率图像块中的匹配位置搜索窗为：

低分辨率图像的最佳匹配位置为(n₀,m₀)，与上一级高分辨率图像的降采样率为P×Q时，选择所述高分辨率图像的搜索窗为中心在(n₀P,m₀Q)，四个端点为(n₀P-2CP,m₀Q-2CQ)，(n₀P-2CP,m₀Q+2CQ)，(n₀P+2CP,m₀Q-2CQ)，(n₀P+2CP,m₀Q+2CQ)所规定的范围，其中，C为搜索窗大小的调整因子。

Images