CN104318568B - 一种图像配准的方法和系统 - Google Patents

一种图像配准的方法和系统 Download PDF

Info

Publication number
CN104318568B
CN104318568B CN201410580095.9A CN201410580095A CN104318568B CN 104318568 B CN104318568 B CN 104318568B CN 201410580095 A CN201410580095 A CN 201410580095A CN 104318568 B CN104318568 B CN 104318568B
Authority
CN
China
Prior art keywords
registration
subgraph
subject
image
edge
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201410580095.9A
Other languages
English (en)
Other versions
CN104318568A (zh
Inventor
时愈
汪国有
周随萍
袁运珠
穆鑫
李东凯
刘吉远
马千里
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
WUHAN HUAMU INFORMATION TECHNOLOGY Co Ltd
China Academy of Railway Sciences Corp Ltd CARS
Original Assignee
WUHAN HUAMU INFORMATION TECHNOLOGY Co Ltd
China Academy of Railway Sciences Corp Ltd CARS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by WUHAN HUAMU INFORMATION TECHNOLOGY Co Ltd, China Academy of Railway Sciences Corp Ltd CARS filed Critical WUHAN HUAMU INFORMATION TECHNOLOGY Co Ltd
Priority to CN201410580095.9A priority Critical patent/CN104318568B/zh
Publication of CN104318568A publication Critical patent/CN104318568A/zh
Application granted granted Critical
Publication of CN104318568B publication Critical patent/CN104318568B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明适用于图像处理领域，提供了一种图像配准的方法和系统，所述方法包括：获取待配准图像和参考图像；对所述待配准图像和参考图像进行形态学处理，将所述待配准图像分为多个大小相同的待配准子图像，将所述参考图像分为多个大小相同的参考子图像；从所述参考子图像中确定起始参考子图像，根据所述起始参考子图像设定参考模板，将所述参考模板与所述待配准子图像进行配准，根据所述配准的结果获取起始偏移量；根据所述起始偏移量配准所述起始待配准子图像，并通过二分法确定经过所述配准的起始待配准子图像是否包含局部偏移量；根据所述起始偏移量和/或局部偏移量配准所述待配准图像。本发明可快速、简便的配准图像。

Description

一种图像配准的方法和系统
技术领域
本发明属于图像处理领域，尤其涉及一种图像配准的方法和系统。
背景技术
对经过同一采集点的两个不同时间段的同一车辆进行线扫描，对线扫描图像进行配准保证车辆行车安全的重要且关键的部分。车辆图像可能存在油斑、水渍、螺栓丢失及字迹涂写等异物问题，由于异物的尺寸大小不定，造成异物的特征不易提取，因此对图像的配准精度要求比较高。线扫描相机通过动车的即时速度确定扫描频率，图像的宽度方向上没有失真，但动车的长度较长且在很短的时间内速度不是恒定的，因此由于车速和扫描频率不匹配，线扫描动车图像在高度方向上存在局部失真的问题，即在高度方向上，两幅图像的偏移不是整体的偏移，而是局部存在偏移，局部的位置不确定，且偏移行数不确定，严重影响了动车图像的异常检测。不同时刻获得的动车图像可能存在光照、噪声、拍摄角度等的影响，如何得到鲁棒、高精度、高效的匹配结果是研究的难点之一。目前，典型的图像配准算法主要包括基于模板配准的算法、基于SIFT(尺度不变特征变换)特征的配准算法、基于FFT(傅立叶变换)的相位相关法的配准算法、基于多显著特征的配准算法等，现有技术存在数据量和计算量大的问题。
发明内容
本发明实施例的目的在于提供一种图像配准方法和配准系统，以解决现有技术的数据量和计算量大的问题。
本发明实施例是这样实现的，一种图像配准的方法，所述方法包括以下步骤：
获取待配准图像和参考图像；
对所述待配准图像和参考图像进行形态学处理，将所述待配准图像分为多个大小相同的待配准子图像，将所述参考图像分为多个大小相同的参考子图像；
从所述参考子图像中确定起始参考子图像，根据所述起始参考子图像设定参考模板，将所述参考模板与所述待配准子图像进行配准，根据所述配准的结果获取起始偏移量；
根据所述起始偏移量配准所述起始待配准子图像，并通过二分法确定经过所述配准的起始待配准子图像是否包含局部偏移量，如果包含则获取所述局部偏移量；
根据所述起始偏移量和/或局部偏移量配准所述待配准图像。
本发明实施例的另一目的在于提供一种图像配准的系统，所述系统包括：
图像获取单元，用于获取待配准图像和参考图像；
形态学处理单元，用于对所述图像获取单元获取的待配准图像和参考图像进行形态学处理，将所述待配准图像分为多个大小相同的待配准子图像，将所述参考图像分为多个大小相同的参考子图像；
起始偏移量获取单元，用于从所述形态学处理单元获取的参考子图像中确定起始参考子图像，根据所述起始参考子图像设定参考模板，将所述参考模板与所述待配准子图像进行配准，根据所述配准的结果获取起始偏移量；
局部偏移量确定单元，用于根据所述起始偏移量获取单元获取的起始偏移量配准所述起始待配准子图像，并通过二分法确定经过所述配准的起始待配准子图像是否包含局部偏移量，如果包含则获取所述局部偏移量；
配准单元，用于根据所述起始偏移量获取单元获取的起始偏移量和/或局部偏移量确定单元确定的局部偏移量配准所述待配准图像。
本发明实施例，通过对参考图像和待配准图像的形态学处理，获取参考图像和待配准图像之间的起始偏移量和局部偏移量，并根据该起始偏移量和局部偏移量对待配准图像进行配准，使得图像配准的过程快速、计算简便。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的图像配准方法的流程图；
图2是本发明实施例提供的图像配准系统的结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
实施例一
如图1所示为本发明实施例提供的图像配准方法的流程图，所述方法包括以下步骤：
在步骤S101中，获取待配准图像和参考图像。
在本发明实施例中，进行图像配准的装置首先获取待配准图像和作为参考的参考图像。
在步骤S102中，对所述待配准图像和参考图像进行形态学处理，将所述待配准图像分为多个大小相同的待配准子图像，将所述参考图像分为多个大小相同的参考子图像。
在本发明实施例中，在获取了待配准图像和参考图像之后，对该待配准图像和该参考图像进行形态学处理，将所述待配准图像分为多个大小相同的待配准子图像，将所述参考图像分为多个大小相同的参考子图像。所述对所述待配准图像和参考图像进行形态学处理的步骤，包括：
1、对所述待配准图像和参考图像进行降分辨率处理。
在本发明实施例中，首先对待配准图像和参考图像进行降分辨率处理，其中，分辨率的降低倍数dRate由待配准图像或参考图像中最小部件螺栓的半径dRadiu决定。在本实施例中，dRate＝Round(dRadiu/10)，Round()为取整函数。
2、通过Canny算子分别对所述经过降分辨率处理的待配准图像和参考图像进行边缘提取，获取第一边缘图和第二边缘图，所述第一边缘图为待配准图像的边缘图，所述第二边缘图为所述参考图像的边缘图。
在本发明实施例中，被降分辨率处理后的待配准图像和参考图像，经过Canny算子的计算，对该经过降分辨率处理的待配准图像和参考图像进行边缘提取，其中，Canny算子的高低阈值由图像的整体灰度平均值meanValue决定：高阈值为meanValue*2，低阈值为meanValue/2。通过Canny算子对经过降分辨率处理的待配准图像和参考图像进行边缘提取的步骤使用现有技术，在此不作赘述。
3、分别对所述第一边缘图和所述第二边缘图进行形态学膨胀，获取第一膨胀边缘图和第二膨胀边缘图。
在本发明实施例中，分别对第一边缘图和第二边缘图进行形态学膨胀，以使边缘图符合后续的处理要求，形态学膨胀使用的结构元包括但不限于：3*3的圆盘。
4、在宽度方向分别对所述第一膨胀边缘图和所述第二膨胀边缘图进行投影，获取第一峰值和第二峰值，所述第一峰值为第一边缘图的投影直方图的峰值，所述第二峰值为第二边缘图的投影直方图的峰值。
5、获取所述第一峰值和所述第二峰值的差值，并以所述差值的大小为单位对所述待配准图像和所述参考图像进行分段，每段待配准图像为待配准子图像，每段参考图像为参考子图像。
在本发明实施例中，获取第一峰值和第二峰值之间的差值，以该差值为单位对待配准图像和参考图像进行分段，分段出的小图像即为待配准图像或参考图像的子图像，该子图像的大小与该峰值相同。
作为本发明的一个可选实施例，在所述通过Canny算子分别对所述经过降分辨率处理的待配准图像和参考图像进行边缘提取的步骤之前，对所述待配准图像和参考图像进行降分辨率处理的步骤之后，所述方法还包括以下步骤：
6、分别对所述经过降分辨率处理的待配准图像和参考图像进行平滑处理。
在本发明实施例中，为了获得更好的边缘提取效果，在通过Canny算子进行边缘提权的步骤之前，还可以对经过降分辨率处理的待配准图像和参考图像进行平滑处理。
在步骤S103中，从所述参考子图像中确定起始参考子图像，根据所述起始参考子图像设定参考模板，将所述参考模板与所述待配准子图像进行配准，根据所述配准的结果获取起始偏移量。
在本发明实施例中，从参考子图像设定一个起始参考子图像，根据起始参考子图像设定参考模板，将该参考模板在待配准子图像上进行滑动配准，根据配准的结果确定起始偏移量。所述从所述参考子图像中确定一个起始参考子图像，根据所述起始参考子图像设定参考模板，将所述参考模板与所述待配准子图像进行配准，根据所述配准的结果确定起始偏移量的步骤，包括：
1、从参考子图像中确定一个起始参考子图像。
2、根据所述起始参考子图像设定参考模板，所述参考模板为所述起始参考子图像的整体或所述起始参考子图像的部分。
在本发明实施例中，参考模板可以为该起始参考子图像的整体，也可以为该起始参考子图像的部分。
3、将所述参考模板在所述待配准子图像中进行滑动配准，根据参考模板与待配准子图像的像素值确定参考模板与待配准子图像的信息相似度。
在本发明实施例中，参考模板和待配准子图像都是二值化图像，参考模板在待配准子图像上滑动时，如果参考模板和待配准子图像在相同坐标点的像素值相同，则记该像素点的相似度为1，如果不同，则为0，所有像素点的相似度结果相加然后除以参考模板边缘点的数量，即为参考模板与待配准子图像的信息相似度。
4、获取起始待配准子图像，将所述起始待配准子图像的坐标与所述起始参考子图像的坐标的差值确定为起始偏移量，所述起始待配准子图像为所述信息相似度与所述起始参考子图像最相似的待配准子图像。
在步骤S104中，根据所述起始偏移量配准所述起始待配准子图像，并通过二分法确定经过所述配准的起始待配准子图像是否包含局部偏移量，如果包含则获取所述局部偏移量。
在本发明实施例中，计算起始参考子图像和经过配准的起始待配准图像的信息相似度S1，并将起始参考子图像和经过配准的起始待配准子图像二分，计算二分后的起始参考子图像与经过配准的起始待配准子图像的信息相似度S2，若S1≥S2，说明经过配准的起始待配准图像未出现偏移，如果S1<S2，说明在二分待配准子图像中出现偏移，令S1＝S2，继续对经过配准的起始待配准子图像二分，得到新的S2，直到S1≥S2，二分的位置则为下一个局部偏移量的起始位置，通过原始高度位置差得到局部偏移量。
在步骤S105中，根据所述起始偏移量和/或局部偏移量配准所述待配准图像。
在本发明实施例中，上述步骤中获取的起始偏移量、局部偏移量都用于配准待配准图像。所述根据所述起始偏移量和/或局部偏移量配准所述待配准图像的步骤，包括：
如果起始参考子图像与起始待配准子图像不包含局部偏移量，则根据起始偏移量配准待配准图像；或者，
如果起始参考子图像与起始待配准子图像包含局部偏移量，则根据起始偏移量与局部偏移量的和配准待配准图像。
本发明实施例，通过对参考图像和待配准图像的形态学处理，获取参考图像和待配准图像之间的起始偏移量和局部偏移量，并根据该起始偏移量和局部偏移量对待配准图像进行配准，使得图像配准的过程快速、计算简便。
实施例二
如图2所示为本发明实施例提供的图像配准系统的结构图，为了便于说明，仅示出与本发明实施例相关的部分，包括：
图像获取单元201，用于获取待配准图像和参考图像。
在本发明实施例中，图像获取单元201首先获取待配准图像和作为参考的参考图像。
形态学处理单元202，用于对所述图像获取单元201获取的待配准图像和参考图像进行形态学处理，将所述待配准图像分为多个大小相同的待配准子图像，将所述参考图像分为多个大小相同的参考子图像。
在本发明实施例中，在获取了待配准图像和参考图像之后，形态学处理单元202对该待配准图像和该参考图像进行形态学处理，将所述待配准图像分为多个大小相同的待配准子图像，将所述参考图像分为多个大小相同的参考子图像。所述形态学处理单元202，包括：
降分辨率子单元2021，用于对所述待配准图像和参考图像进行降分辨率处理。
在本发明实施例中，首先对待配准图像和参考图像进行降分辨率处理，其中，分辨率的降低倍数dRate由待配准图像或参考图像中最小部件螺栓的半径dRadiu决定。在本实施例中，dRate＝Round(dRadiu/10)，Round()为取整函数。
边缘提取子单元2022，用于通过Canny算子对经过所述降分辨率子单元2021降分辨率处理的待配准图像和参考图像进行边缘提取，获取第一边缘图和第二边缘图，所述第一边缘图为待配准图像的边缘图，所述第二边缘图为所述参考图像的边缘图。
在本发明实施例中，被降分辨率处理后的待配准图像和参考图像，经过Canny算子的计算，对该经过降分辨率处理的待配准图像和参考图像进行边缘提取，其中，Canny算子的高低阈值由图像的整体灰度平均值meanValue决定：高阈值为meanValue*2，低阈值为meanValue/2。通过Canny算子对经过降分辨率处理的待配准图像和参考图像进行边缘提取的步骤使用现有技术，在此不作赘述。
膨胀子单元2023，用于对所述边缘提取子单元2022获取的第一边缘图和所述第二边缘图进行形态学膨胀，获取第一膨胀边缘图和第二膨胀边缘图。
在本发明实施例中，分别对第一边缘图和第二边缘图进行形态学膨胀，以使边缘图符合后续的处理要求，形态学膨胀使用的结构元包括但不限于：3*3的圆盘。
投影子单元2024，用于在宽度方向对所述膨胀子单元2023获取的第一膨胀边缘图和第二膨胀边缘图进行投影，获取第一峰值和第二峰值，所述第一峰值为第一边缘图的投影直方图的峰值，所述第二峰值为第二边缘图的投影直方图的峰值。
分段子单元2025，用于获取所述投影子单元2024获取的第一峰值和所述第二峰值的差值，并以所述差值的大小为单位对所述待配准图像和所述参考图像进行分段，每段待配准图像为待配准子图像，每段参考图像为参考子图像。
在本发明实施例中，获取第一峰值和第二峰值之间的差值，以该差值为单位对待配准图像和参考图像进行分段，分段出的小图像即为待配准图像或参考图像的子图像，该子图像的大小与该峰值相同。
作为本发明的一个可选实施例，在所述边缘提取子单元2022获取第一边缘图和第二边缘图之前，降分辨率子单元2021降分辨率处理之前，所述系统还包括：
平滑处理子单元2026，用于对所述经过降分辨率处理的待配准图像和参考图像进行平滑处理。
在本发明实施例中，为了获得更好的边缘提取效果，在通过Canny算子进行边缘提权的步骤之前，还可以对经过降分辨率处理的待配准图像和参考图像进行平滑处理。
起始偏移量获取单元203，用于从所述形态学处理单元202获取的参考子图像中确定起始参考子图像，根据所述起始参考子图像设定参考模板，将所述参考模板与所述待配准子图像进行配准，根据所述配准的结果获取起始偏移量。
在本发明实施例中，从参考子图像设定一个起始参考子图像，根据起始参考子图像设定参考模板，将该参考模板在待配准子图像上进行滑动配准，根据配准的结果确定起始偏移量。所述起始偏移量获取子单元203，包括：
起始参考子图像确定子单元2031，用于从参考子图像中确定一个起始参考子图像。
参考模板确定子单元2032，用于根据所述起始参考子图像确定子单元2031确定的起始参考子图像设定参考模板，所述参考模板为所述起始参考子图像的整体或所述起始参考子图像的部分。
在本发明实施例中，参考模板确定子单元2032确定的参考模板可以为起始参考子图像的整体，也可以为起始参考子图像的部分。
信息相似度确定子单元2033，用于将所述参考模板确定子单元2032确定的参考模板在所述待配准子图像中进行滑动配准，根据参考模板与待配准子图像的像素值确定参考模板与待配准子图像的信息相似度。
在本发明实施例中，参考模板和待配准子图像都是二值化图像，参考模板在待配准子图像上滑动时，如果参考模板和待配准子图像在相同坐标点的像素值相同，则记该像素点的相似度为1，如果不同，则为0，所有像素点的相似度结果相加然后除以参考模板边缘点的数量，即为参考模板与待配准子图像的信息相似度。
起始偏移量确定子单元2034，用于获取起始待配准子图像，将所述起始待配准子图像的坐标与所述起始参考子图像的坐标的差值确定为起始偏移量，所述起始待配准子图像为所述信息相似度确定子单元2033确定信息相似度与所述起始参考子图像最相似的待配准子图像。
局部偏移量确定单元204，用于根据所述起始偏移量获取单元203获取的起始偏移量配准所述起始待配准子图像，并通过二分法确定经过所述配准的起始待配准子图像是否包含局部偏移量，如果包含则获取所述局部偏移量。
在本发明实施例中，计算起始参考子图像和经过配准的起始待配准图像的信息相似度S1，并将起始参考子图像和经过配准的起始待配准子图像二分，计算二分后的起始参考子图像与经过配准的起始待配准子图像的信息相似度S2，若S1≥S2，说明经过配准的起始待配准图像未出现偏移，如果S1<S2，说明在二分待配准子图像中出现偏移，令S1＝S2，继续对经过配准的起始待配准子图像二分，得到新的S2，直到S1≥S2，二分的位置则为下一个局部偏移量的起始位置，通过原始高度位置差得到局部偏移量。
配准单元205，用于根据所述起始偏移量获取单元203获取的起始偏移量和/或局部偏移量确定单元204确定的局部偏移量配准所述待配准图像。
在本发明实施例中，起始偏移量获取单元203获取的起始偏移量和局部偏移量确定单元204确定的局部偏移量都用于配准待配准图像。所述配准单元205，包括：
起始偏移量配准子单元2051，用于如果起始参考子图像与起始待配准子图像不包含局部偏移量，则根据起始偏移量配准待配准图像。
起始偏移量和局部偏移量配准子单元2052，用于如果起始参考子图像与起始待配准子图像包含局部偏移量，则根据起始偏移量与局部偏移量的和配准待配准图像。
本发明实施例，通过对参考图像和待配准图像的形态学处理，获取参考图像和待配准图像之间的起始偏移量和局部偏移量，并根据该起始偏移量和局部偏移量对待配准图像进行配准，使得图像配准的过程快速、计算简便。
本领域普通技术人员可以理解为上述实施例二所包括的各个单元只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
本领域普通技术人员还可以理解，实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，所述的程序可以在存储于一计算机可读取存储介质中，所述的存储介质，包括ROM/RAM、磁盘、光盘等。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种图像配准的方法，其特征在于，所述方法包括：
获取待配准图像和参考图像；
对所述待配准图像和参考图像进行形态学处理，将所述待配准图像分为多个大小相同的待配准子图像，将所述参考图像分为多个大小相同的参考子图像；
从所述参考子图像中确定起始参考子图像，根据所述起始参考子图像设定参考模板，将所述参考模板与所述待配准子图像进行配准，根据所述配准的结果获取起始偏移量；
根据所述起始偏移量配准起始待配准子图像，并通过二分法确定经过所述配准的起始待配准子图像是否包含局部偏移量，如果包含则获取所述局部偏移量；
根据所述起始偏移量和/或局部偏移量配准所述待配准图像。
2.如权利要求1所述的方法，其特征在于，所述对所述待配准图像和参考图像进行形态学处理的步骤，包括：
对所述待配准图像和参考图像进行降分辨率处理；
通过Canny算子分别对所述经过降分辨率处理的待配准图像和参考图像进行边缘提取，获取第一边缘图和第二边缘图，所述第一边缘图为待配准图像的边缘图，所述第二边缘图为所述参考图像的边缘图；
分别对所述第一边缘图和所述第二边缘图进行形态学膨胀，获取第一膨胀边缘图和第二膨胀边缘图；
在宽度方向分别对所述第一膨胀边缘图和所述第二膨胀边缘图进行投影，获取第一峰值和第二峰值，所述第一峰值为第一边缘图的投影直方图的峰值，所述第二峰值为第二边缘图的投影直方图的峰值；
获取所述第一峰值和所述第二峰值的差值，并以所述差值的大小为单位对所述待配准图像和所述参考图像进行分段，每段待配准图像为待配准子图像，每段参考图像为参考子图像。
3.如权利要求2所述的方法，其特征在于，在所述通过Canny算子分别对所述经过降分辨率处理的待配准图像和参考图像进行边缘提取的步骤之前，对所述待配准图像和参考图像进行降分辨率处理的步骤之后，所述方法还包括以下步骤：
分别对所述经过降分辨率处理的待配准图像和参考图像进行平滑处理。
4.如权利要求1所述的方法，其特征在于，所述从所述参考子图像中确定一个起始参考子图像，根据所述起始参考子图像设定参考模板，将所述参考模板与所述待配准子图像进行配准，根据所述配准的结果确定起始偏移量的步骤，包括：
从参考子图像中确定一个起始参考子图像；
根据所述起始参考子图像设定参考模板，所述参考模板为所述起始参考子图像的整体或所述起始参考子图像的部分；
将所述参考模板在所述待配准子图像中进行滑动配准，根据参考模板与待配准子图像的像素值确定参考模板与待配准子图像的信息相似度；
获取起始待配准子图像，将所述起始待配准子图像的坐标与所述起始参考子图像的坐标的差值确定为起始偏移量，所述起始待配准子图像为所述信息相似度与所述起始参考子图像最相似的待配准子图像。
5.如权利要求1所述的方法，其特征在于，所述根据所述起始偏移量和/或局部偏移量配准所述待配准图像的步骤，包括：
如果起始参考子图像与起始待配准子图像不包含局部偏移量，则根据起始偏移量配准待配准图像；或者，
如果起始参考子图像与起始待配准子图像包含局部偏移量，则根据起始偏移量与局部偏移量的和配准待配准图像。
6.一种图像配准的系统，其特征在于，所述系统包括：
图像获取单元，用于获取待配准图像和参考图像；
形态学处理单元，用于对所述图像获取单元获取的待配准图像和参考图像进行形态学处理，将所述待配准图像分为多个大小相同的待配准子图像，将所述参考图像分为多个大小相同的参考子图像；
起始偏移量获取单元，用于从所述形态学处理单元获取的参考子图像中确定起始参考子图像，根据所述起始参考子图像设定参考模板，将所述参考模板与所述待配准子图像进行配准，根据所述配准的结果获取起始偏移量；
局部偏移量确定单元，用于根据所述起始偏移量获取单元获取的起始偏移量配准起始待配准子图像，并通过二分法确定经过所述配准的起始待配准子图像是否包含局部偏移量，如果包含则获取所述局部偏移量；
配准单元，用于根据所述起始偏移量获取单元获取的起始偏移量和/或局部偏移量确定单元确定的局部偏移量配准所述待配准图像。
7.如权利要求6所述的系统，其特征在于，所述形态学处理单元，包括：
降分辨率子单元，用于对所述待配准图像和参考图像进行降分辨率处理；
边缘提取子单元，用于通过Canny算子对经过所述降分辨率子单元降分辨率处理的待配准图像和参考图像进行边缘提取，获取第一边缘图和第二边缘图，所述第一边缘图为待配准图像的边缘图，所述第二边缘图为所述参考图像的边缘图；
膨胀子单元，用于对所述边缘提取子单元获取的第一边缘图和所述第二边缘图进行形态学膨胀，获取第一膨胀边缘图和第二膨胀边缘图；
投影子单元，用于在宽度方向对所述膨胀子单元获取的第一膨胀边缘图和第二膨胀边缘图进行投影，获取第一峰值和第二峰值，所述第一峰值为第一边缘图的投影直方图的峰值，所述第二峰值为第二边缘图的投影直方图的峰值；
分段子单元，用于获取所述投影子单元获取的第一峰值和所述第二峰值的差值，并以所述差值的大小为单位对所述待配准图像和所述参考图像进行分段，每段待配准图像为待配准子图像，每段参考图像为参考子图像。
8.如权利要求7所述的系统，其特征在于，在所述边缘提取子单元获取第一边缘图和第二边缘图之前，降分辨率子单元降分辨率处理之前，所述系统还包括：
平滑处理子单元，用于对所述经过降分辨率处理的待配准图像和参考图像进行平滑处理。
9.如权利要求6所述的系统，其特征在于，所述起始偏移量获取子单元，包括：
起始参考子图像确定子单元，用于从参考子图像中确定一个起始参考子图像；
参考模板确定子单元，用于根据所述起始参考子图像确定子单元确定的起始参考子图像设定参考模板，所述参考模板为所述起始参考子图像的整体或所述起始参考子图像的部分；
信息相似度确定子单元，用于将所述参考模板确定子单元确定的参考模板在所述待配准子图像中进行滑动配准，根据参考模板与待配准子图像的像素值确定参考模板与待配准子图像的信息相似度；
起始偏移量确定子单元，用于获取起始待配准子图像，将所述起始待配准子图像的坐标与所述起始参考子图像的坐标的差值确定为起始偏移量，所述起始待配准子图像为所述信息相似度确定子单元确定信息相似度与所述起始参考子图像最相似的待配准子图像。
10.如权利要求6所述的系统，其特征在于，所述配准单元，包括：
起始偏移量配准子单元，用于如果起始参考子图像与起始待配准子图像不包含局部偏移量，则根据起始偏移量配准待配准图像；
起始偏移量和局部偏移量配准子单元，用于如果起始参考子图像与起始待配准子图像包含局部偏移量，则根据起始偏移量与局部偏移量的和配准待配准图像。
CN201410580095.9A 2014-10-24 2014-10-24 一种图像配准的方法和系统 Expired - Fee Related CN104318568B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410580095.9A CN104318568B (zh) 2014-10-24 2014-10-24 一种图像配准的方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410580095.9A CN104318568B (zh) 2014-10-24 2014-10-24 一种图像配准的方法和系统

Publications (2)

Publication Number Publication Date
CN104318568A CN104318568A (zh) 2015-01-28
CN104318568B true CN104318568B (zh) 2017-07-28

Family

ID=52373794

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410580095.9A Expired - Fee Related CN104318568B (zh) 2014-10-24 2014-10-24 一种图像配准的方法和系统

Country Status (1)

Country Link
CN (1) CN104318568B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9948859B2 (en) * 2015-08-19 2018-04-17 Optimum Semiconductor Technologies, Inc. Video image alignment for video stabilization
CN106023166B (zh) * 2016-05-12 2018-06-29 深圳市太赫兹科技创新研究院 微波图像中人体隐藏危险物体的检测方法和装置
CN109348731B (zh) * 2016-10-14 2022-05-17 深圳配天智能技术研究院有限公司 一种图像匹配的方法及装置
CN106815832B (zh) * 2016-12-20 2019-05-21 华中科技大学 一种表面贴装技术的钢网图像自动配准方法和系统
CN106990412B (zh) * 2017-05-11 2019-06-11 哈尔滨工业大学 一种干涉合成孔径激光雷达系统的图像配准方法
WO2020037570A1 (zh) * 2018-08-22 2020-02-27 深圳市真迈生物科技有限公司 图像配准方法、装置和计算机程序产品
EP3843033B1 (en) 2018-08-22 2024-05-22 GeneMind Biosciences Company Limited Method for constructing sequencing template based on image, and base recognition method and device
WO2020037573A1 (zh) 2018-08-22 2020-02-27 深圳市真迈生物科技有限公司 检测图像上的亮斑的方法、装置和计算机程序产品
CN109348114A (zh) * 2018-11-26 2019-02-15 Oppo广东移动通信有限公司 成像装置和电子设备
CN115619715A (zh) * 2022-09-16 2023-01-17 苏州斯普兰蒂科技股份有限公司 一种基于人工智能的丝网印刷制品的检测方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101924874B (zh) * 2010-08-20 2011-10-26 北京航空航天大学 一种匹配块分级的实时电子稳像方法
CN102169578B (zh) * 2011-03-16 2013-02-13 内蒙古科技大学 一种基于有限元模型的非刚性医学图像配准方法
EP2620909B1 (en) * 2012-01-24 2014-12-24 General Electric Company Method, system and computer readable medium for automatic segmentation of a medical image
CN102637295B (zh) * 2012-03-31 2014-07-23 北京智安邦科技有限公司 一种快速图像电子稳定方法及装置
CN104112278B (zh) * 2014-08-01 2017-02-15 西安电子科技大学 基于协方差的多光谱图像实时配准方法

Also Published As

Publication number Publication date
CN104318568A (zh) 2015-01-28

Similar Documents

Publication Publication Date Title
CN104318568B (zh) 一种图像配准的方法和系统
CN108242062B (zh) 基于深度特征流的目标跟踪方法、系统、终端及介质
TWI619080B (zh) 指紋重疊區域面積的計算方法及電子裝置
US9189700B2 (en) Device and method for analyzing the correlation between an image and another image or between an image and a video
CN104978709A (zh) 描述符生成方法及装置
CA2797266A1 (en) Spiculated malignant mass detection and classification in radiographic image
US8983199B2 (en) Apparatus and method for generating image feature data
JP2015528960A5 (zh)
US20160192832A1 (en) Image processing apparatus, method of processing image, and image processing program
CN109300104B (zh) 角点检测方法、装置
CN108898148B (zh) 一种数字图像角点检测方法、系统及计算机可读存储介质
CN103593849A (zh) 一种用于影像序列椭圆形人工目标点快速识别与跟踪方法
JP2017041190A (ja) 画像処理方法、画像処理装置、プログラム及び記録媒体
CN103945228A (zh) 基于时空关联性的视频帧内copy-move篡改检测方法
CN106874912A (zh) 一种基于改进lbp算子的图像目标检测方法
JP2009134587A (ja) 画像処理装置
TW201537471A (zh) 圖像描述及其圖像識別方法
CN103699876B (zh) 一种基于线阵ccd图像识别车号的方法及装置
CN113674220A (zh) 一种图像差异检测方法、检测装置和存储介质
TWI569766B (zh) A method for predicting saliva image recognition in female ovulation
JP5715784B2 (ja) 画像の輪郭点検出方法
CN107240101B (zh) 目标区域检测方法和装置、图像分割方法和装置
CN110084736A (zh) 一种基于surf和金字塔算法的水印检测方法及系统
CN109215068B (zh) 图像放大率测量方法及装置
KR101592333B1 (ko) 광학위성 영상의 타원체 검출장치 및 방법

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C41 Transfer of patent application or patent right or utility model
CB03 Change of inventor or designer information

Inventor after: Shi Yu

Inventor after: Wang Guoyou

Inventor after: Zhou Suiping

Inventor after: Yuan Yunzhu

Inventor after: Mu Xin

Inventor after: Li Dongkai

Inventor after: Liu Jiyuan

Inventor after: Ma Qianli

Inventor before: Shi Yu

Inventor before: Wang Guoyou

Inventor before: Zhou Suiping

Inventor before: Yuan Yunzhu

COR Change of bibliographic data
TA01 Transfer of patent application right

Effective date of registration: 20160323

Address after: 430000 Hubei Province, Wuhan city Hongshan District Luoyu road Luxiang joint international 1601-1608

Applicant after: WUHAN HUAMU INFORMATION TECHNOLOGY CO., LTD.

Applicant after: China Academy of Railway Sciences

Address before: 430000 Hubei Province, Wuhan city Hongshan District Luoyu road Luxiang joint international 1601-1608

Applicant before: WUHAN HUAMU INFORMATION TECHNOLOGY CO., LTD.

GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20170728

Termination date: 20181024

CF01 Termination of patent right due to non-payment of annual fee