CN104282016B - 嵌入式图像数据处理方法 - Google Patents

Abstract

本发明提供了一种嵌入式图像数据处理方法，包括：获取主图像和从图像，查找每个特征点的曼哈顿距离最近的两个邻特征点；从所述主图像和从图像中分别使用第一预设比值求得粗略配准对，使用第二预设比值求得精确配准对，其中第一预设比值小于第二预设比值；利用正确性条件对所述粗略配准对进行过滤；由所述过滤后粗略配准对和所述精确配准对得到最终配准对，利用最终配准对计算出主图像和从图像之间对应的变换关系。本发明使用局部区域使检测范围减少，缩短了匹配时间，保证图像特征点的正确性和稳定性。

Description

嵌入式图像数据处理方法

技术领域

本发明涉及图像处理，特别涉及一种嵌入式系统的图像配准方法。

背景技术

在现场监控环境中，图像配准是将不同时间、不同传感器或不同条件下获取的两幅或多幅图像在嵌入式设备中进行匹配、叠加的过程，目前它已经被广泛地应用于目标识别、导航、影像分析和环境监测等领域。近年来，很多研究人员一直致力于开发用于大气和水域监测图像分析的配准方法。其中，基于尺度不变的特征变换是较为广泛使用的图像匹配方法，该方法提取的图像特征对图像发生旋转、平移、尺度变化和亮度变化时都具有较高的鲁棒性，故常常被用在两幅图像有旋转、平移、尺度变化和亮度变化关系时的图像匹配问题。

尽管传统方法已经在许多领域被成功应用，但是由于特征变换中的的特征点数量过多，并且其特征描述符维数过高，致使特征匹配计算量大和效率不高。还有一种改进的方法是用主成分分析法降低特征描述符的维数，以便减小方法计算量和降低方法复杂度，但由于PCA要求其样本数据要呈椭圆分布，且建立的模型必须是线性的，所以对于非线性的高维数据，效果不理想。

因此，针对相关技术中所存在的上述问题，目前尚未提出有效的解决方案。

发明内容

为解决上述现有技术所存在的问题，本发明提出了一种嵌入式图像处理方法，包括：

获取主图像和从图像，查找每个特征点的曼哈顿距离最近的两个邻特征点；

从所述主图像和从图像中分别使用第一预设比值求得粗略配准对，使用第 二预设比值求得精确配准对，其中第一预设比值小于第二预设比值；

利用正确性条件对所述粗略配准对进行过滤；

由所述过滤后粗略配准对和所述精确配准对得到最终配准对，利用最终配准对计算出主图像和从图像之间对应的变换关系。

优选地，所述查找每个特征点的曼哈顿距离最近的两个邻特征点进一步包括：

采用DBBF搜索方法进行优先搜索，对于主图像中一个特征点a，所述预设比值λ定义为λ＝d_aa’/d_aa″；其中

a’为次近邻点，a″为最近邻点，a’和a″为特征点为a在从图像中的两个最近邻特征点，d_aa’和d_aa″分别为a与a’和a″之间的曼哈顿距离，其中d_aa’>d_aa″。

优选地，所述使用第一预设比值求得粗略配准对，进一步包括：

先由第一预设比值λ₁的初始值λ₁(0)求得粗略配准对H₁(0)及其个数n₁(0)，通过λ₁的迭代，得到了粗略配准对H₁以及其配准对个数n₁，所述λ₁的迭代包括以下过程：

步骤1.1：由λ₁(0)求取粗略配准对H₁(0)的个数n₁(0)；

步骤1.2：若不满足第一迭代条件，进入步骤1.3；若满足第一迭代条件，则λ₁＝λ₁-m，并重复步骤1.1；

步骤1.3：得到最终粗略配准对H₁的个数n₁；

其中，所述第一迭代条件为n₁小于预设常数，表示粗略配准对至少包括预设常数对的匹配点；且

λ₁的迭代次数不超过该预设常数。且其中λ₁的迭代步进值m为0.2。

优选地，所述利用正确性条件对所述粗略配准对进行过滤，进一步包括：

在精确配准对中随机选取两对匹配点，分别对应于主图像中的任意两点A、 B和从图像中与其对应匹配的点A’、B’，而图像中定义点C和C’是粗略配准对H₁中随机一对匹配点。d_ij表示点i和点j之间的曼哈顿距离，令

ω₁＝d_AB/d_A’B’ ω₂＝d_BC/d_B’C’

C和C’若满足以下正确性条件，也认为它们是一对正确的匹配点：

min(ω₁,ω₂)/max(ω₁,ω₂)≥0.95

根据上述正确性条件遍历粗略配准对H₁中的n₁对匹配点，过滤得到所有符合所述条件式的配准对；

将过滤后粗略配准对的匹配点加上精确配准对的n₂对匹配点后，得到最终配准对H₃以及其个数n₃；

利用最终配准对H₃，计算出主图像和从图像之间对应的变换关系。

本发明相比现有技术，具有以下优点：

保证图像特征点的正确性和稳定性，使用局部区域，使方法检测范围减少，缩短了匹配时间，从而提高了匹配效率。

附图说明

图1是根据本发明实施例的图像处理方法的流程图。

具体实施方式

下文与图示本发明原理的附图一起提供对本发明一个或者多个实施例的详细描述。结合这样的实施例描述本发明，但是本发明不限于任何实施例。本发明的范围仅由权利要求书限定，并且本发明涵盖诸多替代、修改和等同物。在下文描述中阐述诸多具体细节以便提供对本发明的透彻理解。出于示例的目的而提供这些细节，并且无这些具体细节中的一些或者所有细节也可以根据权利要求书实现本发明。

本发明提出了一种图像匹配方法，利用可变步进值迭代方式获取匹配的两 个预设比例值，经过匹配分别得到一组正确但数量较少的配准对和另一组大量的可能存在错误的配准对，然后在后一组中通过约束条件过滤出稳定性与前一组最接近的配准对，最后通过这些正确的配准对估计两幅图像之间的变换矩阵。

本发明的一方面提供了一种基于嵌入式设备的图像数据处理方法。图1是根据本发明实施例的方法的流程图。该方法具体描述如下：

在特征匹配时，传统匹配方法取主图像中的某个特征点，再从图像中找到与其曼哈顿距离最近的两个特征点，在这两个特征点中，如果最近特征点的距离除以次近特征点的距离少于某个预设比值，则接受这一对匹配点。降低这个预设值，匹配点数目会减少，但会更加稳定。但是根据实施例，比值取0.8时，可以去除90％的匹配错误，但正确匹配会丢失5％左右；该值取0.7时，可以去除96％的匹配错误，而正确匹配则会丢失8％左右。此值取0.8以上时，匹配错误数量会急剧上升；此值取0.7以下时，匹配错误数量降速减缓，正确匹配数量降速增加。为了能够找到合适的预设值，使得在该预设比值下不但可以基本去除100％的匹配错误，而且可以保留大量的正确匹配，本发明采用两个预设比值的匹配方法。

1.分阶段特征点配准对

该方法以曼哈顿距离作为两幅图像中特征点的相似性度量，并采用DBBF搜索方法进行优先搜索来查找每个特征点的两个最近邻特征点。设主图像中一个特征点为a，在从图像中它的两个最近邻特征点分别为a’和a″，a与a’和a″之间的曼哈顿距离分别为d_aa’和d_aa’，其中d_aa’>d_aa″，即a’为次近邻点，a″为最近邻点，它们之间的预设比值为λ，那么预设比值λ可定义为：

λ＝d_aa’/d_aa″ (1)

由公式(1)可以看出预设比值λ越大，点a″相对于点a’离点a就越近，即 a″就越稳定。使用两个预设阈值获取特征点配准对时，分别使用一个小的第一预设比值λ₁求得粗略配准对比值和一个大的第二预设比值λ₂求得精确配准对H₂。

首先用较小比值λ₁迭代求取粗略配准对H₁中的配准对个数n₁，由于要求这对n₁匹配点在含有大量正确配准对的同时可以存在部分匹配错误对，所以λ₁的迭代过程相对简单，先由初始值λ₁(0)求得粗略配准对H₁(0)及其个数n₁(0)，其迭代过程如下。

步骤1.1：由λ₁(0)求取粗略配准对H₁(0)的个数n₁(0)；

步骤1.2：若不满足迭代条件1，进入步骤1.3；若满足迭代条件1，则λ₁＝λ₁-m，并重复步骤1.1，

步骤1.3：得到最终粗略配准对H₁的个数n₁

其中，迭代条件1为n₁小于预设常数，此常数优选地可取5～10，即粗略配准对至少保证要有5～10对匹配点；且λ₁的迭代次数不超过5～10次。λ₁的迭代步进值m在本实施例中取0.2。

这样，通过λ₁的不断迭代，得到了粗略配准对H₁以及其配准对个数n₁。由于要求λ₂要得到相当精确的精确配准对，不能存在匹配错误，所以精确配准对H₂的搜索过程相对复杂。

由实施例得知，H₂中的配准对个数n₂在2～5之间时，这些配准对基本为精确匹配。因此，将第二预设比值λ₂的迭代过程分为两部分：

若精确配准对H₂中配准对个数n₂少于两个，则适当减小λ₂；若n₂大于5，则适当增加λ₂。为了在合适的迭代次数内找到精确配准对，每一部分又将H₂的搜索过程分为粗搜索和细搜索。以δ为界，若λ₂>δ，则进行粗搜索，否则进行细搜索。粗搜索采用大步进值，细搜索采用小步进值。实施例中可令δ＝2。先由初始值λ₂(0)求得粗略配准对H₂(0)及其个数n₂(0)。搜索过程如下：

步骤2.1：由λ₂(0)求取精确配准对H₂(0)的个数n₂(0)；

步骤2.2：若不满足迭代条件2，进入步骤2.3；若满足迭代条件2，判断λ₂是否大于δ，若λ₂大于δ，则λ₂＝λ₂-5δ，并重复步骤2.1；若λ₂不大于δ，则λ₂＝λ₂-δ，并重复步骤2.1；

步骤2.3：若不满足迭代条件3，进入步骤2.4，若满足迭代条件3，判断λ₂是否大于δ，若λ₂大于δ，则λ₂＝λ₂+5σ，并重复步骤2.1；若λ₂不大于δ，则λ₂＝λ₂+σ，并重复步骤2.1；

步骤2.4：得到最终粗略配准对H₂的个数n₂

其中，迭代条件2为n₂<2，且λ₂的迭代次数不超过5～10次；同时迭代条件3为n₂>5，且λ₂的迭代次数也不超过5～10次，即精确配准对的个数最终限制在2～5个。实施例中λ₂的迭代步进值η＝0.2，σ＝0.1。这样通过λ2的不断迭代，得到了精确配准对H₂以及其配准对个数n₂。

由于λ₂较大得到的配准对较少，这样得到的n₂个配准对可认为是精确配准对，但数量较少，而为了能够更精确地计算出主图像和从图像之间的对应变换矩阵，需要更多的正确匹配点，所以还必须要在粗略配准对中过滤出大量正确的匹配点。

2.精确特征点配准对过滤

粗略配准对选取策略如下。在精确配准对H₂中随机选取两对匹配点，分别对应于主图像中的任意两点A、B和从图像中与其对应匹配的点A’、B’，而图像中定义点C和C’是粗略配准对H₁中随机一对匹配点。d_ij表示点i和点j之间的曼哈顿距离，令

ω₁＝d_AB/d_A’B’ ω₂＝d_BC/d_B’C’

C和C’若满足以下条件，也可认为它们是一对正确的匹配点：

min(ω₁,ω₂)/max(ω₁,ω₂)≥0.95 (2)

根据条件式(2)遍历粗略配准对H₁中的n₁对匹配点，找到其中所有符合条件式(2)的配准对，然后再加上精确配准对H₂的n₂对匹配点后得到最终的正确配准对H₃以及其个数n₃。最后利用正确配准对H₃则可计算出主图像和从图像之间对应的变换关系。

由于本方法求取的匹配点稳定性比较高，由此得到的对应变换关系也就比较精确。

综上所述，本发明基于局部特征点的两个比值匹配方法，不但可以检测到大量的特征点，而且可以保证这些特征点的正确性和稳定性，继而可以求出图像间较为精确可靠的变换矩阵。而由于局部区域的使用，使方法检测范围减少，缩短了匹配时间，从而提高了匹配效率。

显然，本领域的技术人员应该理解，上述的本发明的各模块或各步骤可以用通用的计算系统来实现，它们可以集中在单个的计算系统上，或者分布在多个计算系统所组成的网络上，可选地，它们可以用计算系统可执行的程序代码来实现，从而，可以将它们存储在存储系统中由计算系统来执行。这样，本发明不限制于任何特定的硬件和软件结合。

应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。

Claims (1)

1.一种嵌入式图像数据处理方法，用于在嵌入式设备中执行图像配准，其特征在于，包括：

获取主图像和从图像，查找每个特征点的曼哈顿距离最近的两个邻特征点；

从所述主图像和从图像中分别使用第一预设比值求得粗略配准对，使用第二预设比值求得精确配准对，其中第一预设比值小于第二预设比值；

利用正确性条件对所述粗略配准对进行过滤；

由所述过滤后粗略配准对和所述精确配准对得到最终配准对，利用最终配准对计算出主图像和从图像之间对应的变换关系；

所述查找每个特征点的曼哈顿距离最近的两个邻特征点进一步包括：

采用DBBF搜索方法进行优先搜索，对于主图像中一个特征点a，所述预设比值λ定义为λ＝d_aa’/d_aa″；其中

a’为次近邻点，a″为最近邻点，a’和a″为特征点为a在从图像中的两个最近邻特征点，d_aa’和d_aa″分别为a与a’和a″之间的曼哈顿距离，其中d_aa’>d_aa″；

所述使用第一预设比值求得粗略配准对，进一步包括：

先由第一预设比值λ₁的初始值λ₁(0)求得粗略配准对H₁(0)及其个数n₁(0)，通过λ₁的迭代，得到了粗略配准对H₁以及其配准对个数n₁，所述λ₁的迭代包括以下过程：

步骤1.1：由λ₁(0)求取粗略配准对H₁(0)的个数n₁(0)；

步骤1.2：若不满足第一迭代条件，进入步骤1.3；若满足第一迭代条件，则λ₁＝λ₁-m，并重复步骤1.1；

步骤1.3：得到最终粗略配准对H₁的个数n₁；

其中，所述第一迭代条件为n₁小于预设常数，表示粗略配准对至少包括预设常数对的匹配点；且

λ₁的迭代次数不超过该预设常数，且其中λ₁的迭代步进值m为0.2；

所述使用第二预设比值求得精确配准对，进一步包括：

将第二预设比值λ₂的迭代过程分为两部分：

若精确配准对H₂中配准对个数n₂少于两个，则减小λ₂；若n₂大于5，则增加λ₂，每一部分将H₂的搜索过程分为粗搜索和细搜索；

以δ为界，若λ₂>δ，则进行粗搜索，否则进行细搜索；粗搜索采用大步进值，细搜索采用小步进值；通过λ₂的不断迭代，得到了精确配准对H₂以及其配准对个数n₂；

所述利用正确性条件对所述粗略配准对进行过滤，进一步包括：

在精确配准对中随机选取两对匹配点，分别对应于主图像中的任意两点A、B和从图像中与其对应匹配的点A’、B’，而图像中定义点C和C’是粗略配准对H₁中随机一对匹配点，d_ij表示点i和点j之间的曼哈顿距离，令

ω₁＝d_AB/d_A’B’，ω₂＝d_BC/d_B’C’

C和C’若满足以下正确性条件，也认为它们是一对正确的匹配点：

min(ω₁,ω₂)/max(ω₁,ω₂)≥0.95

根据上述正确性条件遍历粗略配准对H₁中的n₁对匹配点，过滤得到所有符合所述条件式的配准对；

将过滤后粗略配准对的匹配点加上精确配准对的n₂对匹配点后，得到最终配准对H₃以及其个数n₃；

利用最终配准对H₃，计算出主图像和从图像之间对应的变换关系。