CN104992432B - 多模图像配准方法 - Google Patents
多模图像配准方法 Download PDFInfo
- Publication number
- CN104992432B CN104992432B CN201510345316.9A CN201510345316A CN104992432B CN 104992432 B CN104992432 B CN 104992432B CN 201510345316 A CN201510345316 A CN 201510345316A CN 104992432 B CN104992432 B CN 104992432B
- Authority
- CN
- China
- Prior art keywords
- straight line
- characteristic
- point
- feature
- fisrt feature
- 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.)
- Active
Links
Landscapes
- Image Analysis (AREA)
Abstract
本发明提供一种多模图像配准方法,包括:将参考图像的特征直线与待配准图像的特征直线相匹配,获得所述参考图像的第一特征直线集以及所述待配准图像的第二特征直线集;将所述第一特征直线集中特征直线的交点作为第一基准特征点,将所述第二特征直线集中特征直线的交点作为第二基准特征点,由所述第一基准特征点得到第一特征点集,由所述第二基准特征点得到第二特征点集;根据所述第一特征点集和所述第二特征点集对所述参考图像和所述待配准图像进行匹配。本发明提供的多模图像配准方法,将特征直线与特征点相结合,获取到多模图像的稳定准确的特征点,基于该稳定准确的特征点进行图像配准,提高了多模图像的配准精确度。
Description
技术领域
本发明涉及图像处理领域,尤其涉及一种多模图像配准方法。
背景技术
图像配准就是将不同时间、不同传感器(成像设备)或者不同条件下(天候、照度、摄像位置和角度等)获取的两幅或多幅图像进行匹配、叠加的过程,图像配准广泛应用于医学图像处理、遥感图像处理、计算机视觉、图像重建、图像融合等领域。图像配准分为单模态图像配准和多模态图像配准。所谓单模态图像配准,是指对来自同一成像设备的不同时刻或者不同条件的图像进行配准。所谓多模态图像配准,是指对来自不同成像设备的图像进行配准,例如:将可见光图像与红外光图像进行配准。
在现有技术中,基于特征点的配准算法因其具有良好的准确性和鲁棒性,应用广泛,例如:尺度不变特征转换(Scale-invariant feature transform,简称SIFT)算法、加速稳健特征(Speeded Up Robust Features,简称SURF)算法等。图像中的特征点是指图像中一些十分突出、不易变化且具有一定模式特征的像素点或局部区域,例如:角点、边缘点、暗区的亮点、亮区的暗点等。基于特征点的配准算法,就是选择图像中容易提取并能在一定程度上代表图像相似性的特征点作为配准依据。
在单模图像中,由于成像设备单一,待配准图像之间通常是发生平移、旋转、尺度变化或者光照变化,所以,单模图像中特征点稳定,基于该稳定的特征点进行图像匹配,可以满足单模图像的配准精度。
但是,在多模图像中,由于成像设备不同,待配准图像之间其纹理结构差异以及像素差异都很大,检测出的特征点并不稳定,基于该不稳定的特征点进行图像匹配,将导致特征点匹配的正确率大幅下降,从而导致多模图像的配准精度严重下降。
发明内容
本发明提供一种多模图像配准方法,可以获得多模图像的稳定准确的特征点,基于该稳定准确的特征点进行图像配准,提高了多模图像配准的精确度。
本发明提供的多模图像配准方法,包括:
分别获取参考图像的特征直线以及待配准图像的特征直线;
将所述参考图像的特征直线与所述待配准图像的特征直线相匹配,获得所述参考图像的第一特征直线集以及所述待配准图像的第二特征直线集;
将所述第一特征直线集中特征直线的交点作为第一基准特征点,将所述第二特征直线集中特征直线的交点作为第二基准特征点,所述第一基准特征点与所述第二基准特征点一一对应,由第一基准特征点对所述第一特征直线集中的特征直线做垂线,在垂足两侧以预设距离选取特征直线上的特征点得到第一特征点集;由第二基准特征点对所述第二特征直线集中的特征直线做垂线,在垂足两侧以所述预设距离选取特征直线上的特征点得到第二特征点集,所述第一特征直线集中的特征直线与所述第二特征直线集中的特征直线相对应;
根据所述第一特征点集和所述第二特征点集对所述参考图像和所述待配准图像进行匹配。
本发明提供了一种多模图像配准方法,通过获取参考图像的特征直线以及待配准图像的特征直线,将参考图像的特征直线与待配准图像的特征直线相匹配,获得参考图像的第一特征直线集以及待配准图像的第二特征直线集,将第一特征直线集中特征直线的交点作为第一基准特征点,由第一基准特征点对第一特征直线集中的特征直线做垂线,在垂足两侧以预设距离选取特征直线上的特征点得到第一特征点集,相对应的,将第二特征直线集中特征直线的交点作为第二基准特征点,由第二基准特征点对第二特征直线集中的特征直线做垂线,在垂足两侧以预设距离选取特征直线上的特征点得到第二特征点集,所述第一基准特征点与所述第二基准特征点相对应,所述第一特征直线集中的特征直线与所述第二特征直线集中的特征直线相对应,根据第一特征点集和第二特征点集对参考图像和待配准图像进行匹配。本发明提供的多模图像配准方法,将特征直线与特征点相结合,由于多模图像的特征直线较为稳定,通过匹配后的特征直线获取到了参考图像与待配准图像之间一一对应的稳定的特征点,使得获取的多模图像特征点的准确性提升,通过该稳定准确的特征点进行图像配准,提高了多模图像的配准精确度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图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的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例一提供的多模图像配准方法的流程图;
图2为本发明实施例二提供的多模图像配准方法的流程图;
图3为本发明实施例三提供的多模图像配准方法的流程图;
图4为本发明实施例四提供的多模图像配准方法的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为本发明实施例一提供的多模图像配准方法的流程图。如图1所示,本实施例提供的多模图像配准方法,可以包括:
步骤101、分别获取参考图像的特征直线以及待配准图像的特征直线。
由于在多模图像配准中,参考图像和待配准图像之间的像素和纹理结构差异较大,若直接获取图像的特征点,往往定位不准确,在本步骤中,获取了参考图像的所有特征直线,以及获取了待配准图像的所有特征直线。相比于直接获取特征点,特征直线则更为稳定,特征直线上的特征点也更为稳定。因此,通过获取参考图像的特征直线和待配准图像的特征直线,使得获取到的图像特征更为稳定准确。
其中,获取参考图像的特征直线以及获取待配准图像的特征直线,可以采用现有的获取特征直线的方法,例如:Hough变换算法、Beamlet变换算法、相位编组算法等。
Hough变换的基本原理是利用点和线之间的对偶性,把图像空间中的直线检测问题转换为参数空间中的点检测问题,通过在参数空间进行简单的累加统计完成特征直线的检测。在Hough变换的基础上,还有自适应Hough变换、快速Hough变换、多分辨率Hough变换、概率Hough变换、随机Hough变换等,可以在Hough变换的基础上实现算法的有效加速。
Beamlet变换基于Beamlet基,Beamlet基是一些二进组织的线段的集合,有着丰富的尺度、位置和方向信息,Beamlet变换算法就是通过图像在所有Beamlet基上的线积分的集合获得特征直线。
相位编组算法通过计算图像中像素的梯度,将所有具有相同或相近方向角且几何位置连通的点归为一个点集,该集合就是直线的点集。
步骤103、将参考图像的特征直线与待配准图像的特征直线相匹配,获得参考图像的第一特征直线集以及待配准图像的第二特征直线集。
其中,第一特征直线集包括N条特征直线,第二特征直线集包括N条特征直线,且第一特征直线集中的特征直线与第二特征直线集中的特征直线一一对应。其中,N为大于等于2的整数。
将参考图像的特征直线与待配准图像的特征直线相匹配,可以采用现有的特征直线匹配的方法,例如:松弛迭代算法、相似函数极值算法等,本实施例对此不加以限制。
步骤105、将第一特征直线集中特征直线的交点作为第一基准特征点,将第二特征直线集中特征直线的交点作为第二基准特征点,第一基准特征点与第二基准特征点一一对应。由第一基准特征点对第一特征直线集中的特征直线做垂线,在垂足两侧以预设距离选取特征直线上的特征点得到第一特征点集;由第二基准特征点对第二特征直线集中的特征直线做垂线,在垂足两侧以预设距离选取特征直线上的特征点得到第二特征点集,第一特征直线集中的特征直线与第二特征直线集中的特征直线相对应。
其中,第一基准特征点可以为M个,第二基准特征点可以为M个,且第一基准特征点与第二基准特征点一一对应。其中,M为大于等于1的整数。
在本步骤中,在M个第一基准特征点中可以选择X个第一基准特征点,X为大于等于1小于等于M的整数,通过该X个第一基准特征点对第一特征直线集中的Y条特征直线做垂线,对应获得Y个垂足,Y为大于等于1小于等于N的整数。在Y条特征直线中每条特征直线的垂足两侧以预设距离选取特征直线上的特征点,该特征点的集合即为第一特征点集。相对应的,在M个第二基准特征点中可以选择X个第二基准特征点,通过该X个第二基准特征点对第二特征直线集中的Y条特征直线做垂线,对应获得Y个垂足,在Y条特征直线中每条特征直线的垂足两侧以预设距离选取特征直线上的特征点,该特征点的集合即为第二特征点集。其中,X个第一基准特征点与X个第二基准特征点相对应,第一特征直线集中的Y条特征直线与第二特征直线集中的Y条特征直线相对应。其中,预设距离按照需要进行设置。
通过第一基准特征点对第一特征直线集中的Y条特征直线做垂线,对于Y条特征直线的选取可以有多种实现方式。例如:该Y条特征直线可以包括形成第一基准特征点的特征直线,也可以不包括形成第一基准特征点的特征直线。
在本步骤中,首先选择参考图像中的第一基准特征点和待配准图像中的第二基准特征点,由于第一基准特征点和第二基准特征点是特征直线形成的交点,即,第一基准特征点和第二基准特征点至少在两条特征直线上,所以,第一基准特征点和第二基准特征点是准确稳定的特征点。然后,基于第一基准特征点利用点和直线的对称关系,在特征直线上获得特征点组成第一特征点集,相对应的,基于第二基准特征点利用点和直线的对称关系,在特征直线上获得特征点组成第二特征点集,由于第一基准特征点与第二基准特征点相对应,第一特征直线集中的特征直线与第二特征直线集中的特征直线相对应,因此,第一特征点集中的特征点与第二特征点集中的特征点也是一一对应的。因此,通过步骤101~步骤105,参考图像第一特征点集中的特征点与待配准图像第二特征点集中的特征点是一一对应的,而且特征点是稳定准确的。
步骤107、根据第一特征点集和第二特征点集对参考图像和待配准图像进行匹配。
由于第一特征点集中的特征点与第二特征点集中的特征点是一一对应且为稳定准确的特征点,所以,根据第一特征点集和第二特征点集对参考图像和待配准图像进行匹配,可以提升参考图像和待配准图像之间的配准精确度。
可选的,根据第一特征点集和第二特征点集对参考图像和待配准图像进行匹配,可以包括:
采用SIFT算法,根据第一特征点集和第二特征点集对参考图像和待配准图像进行匹配。
可选的,根据第一特征点集和第二特征点集对参考图像和待配准图像进行匹配,还可以包括:
采用SURF算法,根据第一特征点集和第二特征点集对参考图像和待配准图像进行匹配。
本实施例提供了一种多模图像配准方法,获取参考图像的特征直线以及待配准图像的特征直线,将参考图像的特征直线与待配准图像的特征直线相匹配,获得参考图像的第一特征直线集以及待配准图像的第二特征直线集,将第一特征直线集中特征直线的交点作为第一基准特征点,由第一基准特征点对第一特征直线集中的特征直线做垂线,在垂足两侧以预设距离选取特征直线上的特征点得到第一特征点集,相对应的,将第二特征直线集中特征直线的交点作为第二基准特征点,由第二基准特征点对第二特征直线集中的特征直线做垂线,在垂足两侧以预设距离选取特征直线上的特征点得到第二特征点集,第一基准特征点与第二基准特征点相对应,第一特征直线集中的特征直线与第二特征直线集中的特征直线相对应,根据第一特征点集和第二特征点集对参考图像和待配准图像进行匹配。本实施例提供的多模图像配准方法,将特征直线与特征点相结合,由于多模图像的特征直线较为稳定,通过匹配后的特征直线获取到了参考图像与待配准图像之间一一对应的稳定的特征点,使得获取的多模图像特征点的准确性提升,通过该稳定准确的特征点进行图像配准,提高了多模图像的配准精确度。
图2为本发明实施例二提供的多模图像配准方法的流程图,本实施例在实施例一的基础上,提供了实施例一中步骤105中获取第一基准特征点和第二基准特征点的一种具体实现方式。如图2所示,本实施例提供的多模图像配准方法,可以包括:
步骤201、分别获取参考图像的特征直线以及待配准图像的特征直线。
步骤203、将参考图像的特征直线与待配准图像的特征直线相匹配,获得参考图像的第一特征直线集以及待配准图像的第二特征直线集。
步骤205、选取第一特征直线集中的两条特征直线,判断两条特征直线是否存在交点。
若存在,则执行步骤207;若不存在,则执行步骤209。
步骤207、获取所述交点为第一基准特征点,并在第二特征直线集中选取与第一特征直线集中两条特征直线相对应的特征直线,获取第二特征直线集中两条特征直线的交点为第二基准特征点。
在本步骤中,若第一特征直线集中的两条特征直线存在交点,则该交点即为第一基准特征点,而且,在第二特征直线集中选择与第一特征直线集中这两条特征直线相对应的特征直线形成的交点作为第二基准特征点,由于第一特征直线集中的特征直线与第二特征直线集中的特征直线是匹配后的,是一一对应的,所以,可以保证第一基准特征点与第二基准特征点是一一对应的。找到第一基准特征点与第二基准特征点后,执行步骤211。
步骤209、重新选取第一特征直线集中的两条特征直线,直至两条特征直线存在交点。
若第一特征直线集中的两条特征直线不存在交点,则需要重新选择两条特征直线,继续判断这两条特征直线是否存在交点,直到两条特征直线存在交点为止,即,直到找到第一基准特征点和第二基准特征点为止。之后,执行步骤211。
可见,通过步骤205~209,第一特征直线集中任意两条特征直线形成的交点都可以作为第一基准特征点,相对应的,第二特征直线集中任意两条特征直线形成的交点都可以为第二基准特征点,而且,第一基准特征点与第二基准特征点是一一对应的。由于第一基准特征点和第二基准特征点是特征直线形成的交点,即,第一基准特征点和第二基准特征点至少在两条特征直线上,所以,第一基准特征点和第二基准特征点是准确稳定的特征点。
步骤211、由第一基准特征点对第一特征直线集中的特征直线做垂线,在垂足两侧以预设距离选取特征直线上的特征点得到第一特征点集;由第二基准特征点对第二特征直线集中的特征直线做垂线,在垂足两侧以预设距离选取特征直线上的特征点得到第二特征点集,第一特征直线集中的特征直线与第二特征直线集中的特征直线相对应。
由于第一基准特征点和第二基准特征点是至少在两条特征直线上的准确稳定的特征点,因此,基于第一基准特征点和第二基准特征点,利用点和直线的对称关系,获得的第一特征点集和第二特征点集也是稳定准确的,由于第一基准特征点与第二基准特征点相对应,第一特征直线集中的特征直线与第二特征直线集中的特征直线相对应,因此,第一特征点集中的特征点与第二特征点集中的特征点也是一一对应的。
步骤213、根据第一特征点集和第二特征点集对参考图像和待配准图像进行匹配。
本实施例提供了一种多模图像配准方法,获取参考图像的特征直线以及待配准图像的特征直线,将参考图像的特征直线与待配准图像的特征直线相匹配,获得参考图像的第一特征直线集以及待配准图像的第二特征直线集,将第一特征直线集中任意两条特征直线的交点作为第一基准特征点,由第一基准特征点对第一特征直线集中的特征直线做垂线,在垂足两侧以预设距离选取特征直线上的特征点得到第一特征点集,相对应的,将第二特征直线集中任意两条特征直线的交点作为第二基准特征点,由第二基准特征点对第二特征直线集中的特征直线做垂线,在垂足两侧以预设距离选取特征直线上的特征点得到第二特征点集,第一基准特征点与第二基准特征点相对应,第一特征直线集中的特征直线与第二特征直线集中的特征直线相对应,根据第一特征点集和第二特征点集对参考图像和待配准图像进行匹配。本实施例提供的多模图像配准方法,将特征直线与特征点相结合,由于多模图像的特征直线较为稳定,通过匹配后的特征直线获取到了参考图像与待配准图像之间一一对应的稳定的特征点,使得获取的多模图像特征点的准确性提升,通过该稳定准确的特征点进行图像配准,提高了多模图像的配准精确度。
图3为本发明实施例三提供的多模图像配准方法的流程图,本实施例在实施例一的基础上,提供了实施例一中步骤105中获取第一基准特征点和第二基准特征点的另一种具体实现方式。如图3所示,本实施例提供的多模图像配准方法,可以包括:
步骤301、分别获取参考图像的特征直线以及待配准图像的特征直线。
步骤303、将参考图像的特征直线与待配准图像的特征直线相匹配,获得参考图像的第一特征直线集以及待配准图像的第二特征直线集。
步骤305、选取第一特征直线集中的两条特征直线,判断两条特征直线是否存在交点。
若存在,则执行步骤307;若不存在,则执行步骤309。
步骤307、继续判断是否还有特征直线通过所述交点,若是,则获取所述交点为第一基准特征点,并在第二特征直线集中选取与第一特征直线集中两条特征直线相对应的特征直线,获取第二特征直线集中两条特征直线的交点为第二基准特征点。
在本步骤中,若第一特征直线集中的两条特征直线存在交点,还要继续判断是否还有特征直线通过该交点,即判断通过该交点的特征直线的数目是否大于等于3,若是,则该交点即为第一基准特征点。而且,在第二特征直线集中选择与第一特征直线集中这两条特征直线相对应的特征直线形成的交点作为第二基准特征点,由于第一特征直线集中的特征直线与第二特征直线集中的特征直线是匹配后的,是一一对应的,所以,可以保证第一基准特征点与第二基准特征点是一一对应的。找到第一基准特征点与第二基准特征点后,执行步骤311。
步骤309、重新选取第一特征直线集中的两条特征直线,直至两条特征直线存在交点且还有特征直线通过所述交点。
若第一特征直线集中的两条特征直线不存在交点,则需要重新选择两条特征直线,继续判断这两条特征直线是否存在交点,直至两条特征直线存在交点且还有特征直线通过所述交点,即,直到找到第一基准特征点和第二基准特征点为止。之后,执行步骤311。
可见,通过步骤305~309,第一特征直线集中任意三条以及三条以上的特征直线形成的交点都可以作为第一基准特征点,相对应的,第二特征直线集中任意三条以及三条以上的特征直线形成的交点都可以为第二基准特征点,而且,第一基准特征点与第二基准特征点是一一对应的。由于第一基准特征点和第二基准特征点是特征直线形成的交点,即,第一基准特征点和第二基准特征点至少在三条特征直线上,所以,第一基准特征点和第二基准特征点是准确稳定的特征点。
步骤311、由第一基准特征点对第一特征直线集中的特征直线做垂线,在垂足两侧以预设距离选取特征直线上的特征点得到第一特征点集;由第二基准特征点对第二特征直线集中的特征直线做垂线,在垂足两侧以预设距离选取特征直线上的特征点得到第二特征点集,第一特征直线集中的特征直线与第二特征直线集中的特征直线相对应。
由于第一基准特征点和第二基准特征点是至少在三条特征直线上的准确稳定的特征点,因此,基于第一基准特征点和第二基准特征点,利用点和直线的对称关系,获得的第一特征点集和第二特征点集也是稳定准确的,由于第一基准特征点与第二基准特征点相对应,第一特征直线集中的特征直线与第二特征直线集中的特征直线相对应,因此,第一特征点集中的特征点与第二特征点集中的特征点也是一一对应的。
步骤313、根据第一特征点集和第二特征点集对参考图像和待配准图像进行匹配。
本实施例提供了一种多模图像配准方法,获取参考图像的特征直线以及待配准图像的特征直线,将参考图像的特征直线与待配准图像的特征直线相匹配,获得参考图像的第一特征直线集以及待配准图像的第二特征直线集,将第一特征直线集中任意三条以及三条以上的特征直线的交点作为第一基准特征点,由第一基准特征点对第一特征直线集中的特征直线做垂线,在垂足两侧以预设距离选取特征直线上的特征点得到第一特征点集,相对应的,将第二特征直线集中任意三条以及三条以上的特征直线的交点作为第二基准特征点,由第二基准特征点对第二特征直线集中的特征直线做垂线,在垂足两侧以预设距离选取特征直线上的特征点得到第二特征点集,第一基准特征点与第二基准特征点相对应,第一特征直线集中的特征直线与第二特征直线集中的特征直线相对应,根据第一特征点集和第二特征点集对参考图像和待配准图像进行匹配。本实施例提供的多模图像配准方法,将特征直线与特征点相结合,由于多模图像的特征直线较为稳定,通过匹配后的特征直线获取到了参考图像与待配准图像之间一一对应的稳定的特征点,使得获取的多模图像特征点的准确性提升,通过该稳定准确的特征点进行图像配准,提高了多模图像的配准精确度。
图4为本发明实施例四提供的多模图像配准方法的流程图,本实施例在实施例一的基础上,提供了实施例一中步骤105中获取第一基准特征点和第二基准特征点的又一种具体实现方式。如图4所示,本实施例提供的多模图像配准方法,可以包括:
步骤401、分别获取参考图像的特征直线以及待配准图像的特征直线。
步骤403、将参考图像的特征直线与待配准图像的特征直线相匹配,获得参考图像的第一特征直线集以及待配准图像的第二特征直线集。
步骤405、获取第一特征直线集中特征直线的所有交点,并确定通过各个交点的特征直线的数目。
步骤407、获取通过特征直线数目为最大值的交点为第一基准特征点。
步骤409、在第二特征直线集中选取与通过第一基准特征点的特征直线相对应的特征直线,获取第二特征直线集中特征直线的交点为第二基准特征点。
通过步骤405~409,第一特征直线集中通过特征直线数目最大的交点作为第一基准特征点,相对应的,第二特征直线集中通过特征直线数目最大的交点作为第二基准特征点,第一基准特征点与第二基准特征点均为一个且相对应。由于第一基准特征点和第二基准特征点是通过特征直线最多的点,所以,第一基准特征点和第二基准特征点是最为准确稳定的特征点。
步骤411、由第一基准特征点对第一特征直线集中的特征直线做垂线,在垂足两侧以预设距离选取特征直线上的特征点得到第一特征点集;由第二基准特征点对第二特征直线集中的特征直线做垂线,在垂足两侧以预设距离选取特征直线上的特征点得到第二特征点集,第一特征直线集中的特征直线与第二特征直线集中的特征直线相对应。
由于第一基准特征点和第二基准特征点是最为准确稳定的特征点,因此,基于第一基准特征点和第二基准特征点,利用点和直线的对称关系,获得的第一特征点集和第二特征点集也是最为稳定准确的,由于第一基准特征点与第二基准特征点相对应,第一特征直线集中的特征直线与第二特征直线集中的特征直线相对应,因此,第一特征点集中的特征点与第二特征点集中的特征点也是一一对应的。
步骤413、根据第一特征点集和第二特征点集对参考图像和待配准图像进行匹配。
本实施例提供了一种多模图像配准方法,获取参考图像的特征直线以及待配准图像的特征直线,将参考图像的特征直线与待配准图像的特征直线相匹配,获得参考图像的第一特征直线集以及待配准图像的第二特征直线集,将第一特征直线集中通过特征直线数目最大的交点作为第一基准特征点,由第一基准特征点对第一特征直线集中的特征直线做垂线,在垂足两侧以预设距离选取特征直线上的特征点得到第一特征点集,相对应的,将第二特征直线集中通过特征直线数目最大的交点作为第二基准特征点,由第二基准特征点对第二特征直线集中的特征直线做垂线,在垂足两侧以预设距离选取特征直线上的特征点得到第二特征点集,第一基准特征点与第二基准特征点相对应,第一特征直线集中的特征直线与第二特征直线集中的特征直线相对应,根据第一特征点集和第二特征点集对参考图像和待配准图像进行匹配。本实施例提供的多模图像配准方法,将特征直线与特征点相结合,由于多模图像的特征直线较为稳定,通过匹配后的特征直线获取到了参考图像与待配准图像之间一一对应的稳定的特征点,使得获取的多模图像特征点的准确性提升,通过该稳定准确的特征点进行图像配准,提高了多模图像的配准精确度。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (6)
1.一种多模图像配准方法,其特征在于,包括:
分别获取参考图像的特征直线以及待配准图像的特征直线;
将所述参考图像的特征直线与所述待配准图像的特征直线相匹配,获得所述参考图像的第一特征直线集以及所述待配准图像的第二特征直线集;
将所述第一特征直线集中特征直线的交点作为第一基准特征点,将所述第二特征直线集中特征直线的交点作为第二基准特征点,所述第一基准特征点与所述第二基准特征点一一对应,由第一基准特征点对所述第一特征直线集中的特征直线做垂线,在垂足两侧以预设距离选取特征直线上的特征点得到第一特征点集;由第二基准特征点对所述第二特征直线集中的特征直线做垂线,在垂足两侧以所述预设距离选取特征直线上的特征点得到第二特征点集,所述第一特征直线集中的特征直线与所述第二特征直线集中的特征直线相对应;
根据所述第一特征点集和所述第二特征点集对所述参考图像和所述待配准图像进行匹配。
2.根据权利要求1所述的方法,其特征在于,所述将所述第一特征直线集中特征直线的交点作为第一基准特征点,将所述第二特征直线集中特征直线的交点作为第二基准特征点,包括:
选取所述第一特征直线集中的两条特征直线,判断所述两条特征直线是否存在交点;
若存在,则获取所述交点为所述第一基准特征点;并在所述第二特征直线集中选取与所述第一特征直线集中两条特征直线相对应的特征直线,获取所述第二特征直线集中两条特征直线的交点为所述第二基准特征点;
若不存在,则重新选取第一特征直线集中的两条特征直线,直至两条特征直线存在交点。
3.根据权利要求1所述的方法,其特征在于,所述将所述第一特征直线集中特征直线的交点作为第一基准特征点,将所述第二特征直线集中特征直线的交点作为第二基准特征点,包括:
选取所述第一特征直线集中的两条特征直线,判断所述两条特征直线是否存在交点;
若存在,则继续判断是否还有特征直线通过所述交点,若是,则获取所述交点为所述第一基准特征点;并在所述第二特征直线集中选取与所述第一特征直线集中两条特征直线相对应的特征直线,获取所述第二特征直线集中两条特征直线的交点为所述第二基准特征点;
若不存在,则重新选取第一特征直线集中的两条特征直线,直至两条特征直线存在交点且还有特征直线通过交点。
4.根据权利要求1所述的方法,其特征在于,所述将所述第一特征直线集中特征直线的交点作为第一基准特征点,将所述第二特征直线集中特征直线的交点作为第二基准特征点,包括:
获取所述第一特征直线集中特征直线的所有交点,并确定通过各个交点的特征直线的数目;
获取通过特征直线数目为最大值的交点为新的第一基准特征点;
在所述第二特征直线集中选取与通过所述新的第一基准特征点的特征直线相对应的特征直线,获取所述第二特征直线集中特征直线的交点为所述第二基准特征点。
5.根据权利要求1至4任一项所述的方法,其特征在于,所述根据所述第一特征点集和所述第二特征点集对所述参考图像和所述待配准图像进行匹配,包括:
采用尺度不变特征转换SIFT算法,根据所述第一特征点集和所述第二特征点集对所述参考图像和所述待配准图像进行匹配。
6.根据权利要求1至4任一项所述的方法,其特征在于,所述根据所述第一特征点集和所述第二特征点集对所述参考图像和所述待配准图像进行匹配,包括:
采用加速稳健特征SURF算法,根据所述第一特征点集和所述第二特征点集对所述参考图像和所述待配准图像进行匹配。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510345316.9A CN104992432B (zh) | 2015-06-19 | 2015-06-19 | 多模图像配准方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510345316.9A CN104992432B (zh) | 2015-06-19 | 2015-06-19 | 多模图像配准方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104992432A CN104992432A (zh) | 2015-10-21 |
CN104992432B true CN104992432B (zh) | 2017-10-20 |
Family
ID=54304240
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510345316.9A Active CN104992432B (zh) | 2015-06-19 | 2015-06-19 | 多模图像配准方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104992432B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106683127A (zh) * | 2017-01-05 | 2017-05-17 | 南京觅踪电子科技有限公司 | 一种基于surf算法的多模态医学图像配准方法 |
US10733744B2 (en) * | 2017-05-11 | 2020-08-04 | Kla-Tencor Corp. | Learning based approach for aligning images acquired with different modalities |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1063614A2 (en) * | 1999-06-22 | 2000-12-27 | The One Infinite Inc. | Apparatus for using a plurality of facial images from different viewpoints to generate a facial image from a new viewpoint, method thereof, application apparatus and storage medium |
EP2048599A1 (en) * | 2007-10-11 | 2009-04-15 | MVTec Software GmbH | System and method for 3D object recognition |
CN102663725A (zh) * | 2012-03-05 | 2012-09-12 | 西北工业大学 | 基于线特征和控制点的可见光和sar图像配准方法 |
CN103295232A (zh) * | 2013-05-15 | 2013-09-11 | 西安电子科技大学 | 基于直线和区域的sar图像配准方法 |
-
2015
- 2015-06-19 CN CN201510345316.9A patent/CN104992432B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1063614A2 (en) * | 1999-06-22 | 2000-12-27 | The One Infinite Inc. | Apparatus for using a plurality of facial images from different viewpoints to generate a facial image from a new viewpoint, method thereof, application apparatus and storage medium |
EP2048599A1 (en) * | 2007-10-11 | 2009-04-15 | MVTec Software GmbH | System and method for 3D object recognition |
CN101408931B (zh) * | 2007-10-11 | 2013-02-20 | Mv科技软件有限责任公司 | 用于三维目标识别的系统和方法 |
CN102663725A (zh) * | 2012-03-05 | 2012-09-12 | 西北工业大学 | 基于线特征和控制点的可见光和sar图像配准方法 |
CN103295232A (zh) * | 2013-05-15 | 2013-09-11 | 西安电子科技大学 | 基于直线和区域的sar图像配准方法 |
Non-Patent Citations (3)
Title |
---|
line segment based image registration;Yong Li 等;《Proc.SPIE 6822. Visual Communications and Image Processing 2008,68221H》;20080128;68221H-2 * |
基于线特征和控制点的可见光和SAR图像配准;李映 等;《自动化学报》;20120906;第38卷(第12期);1968-1974 * |
基于线特征的多源遥感影像配准研究;张曼祺;《中国优秀硕士学位论文全文数据库_信息科技辑》;20060815(第8期);I140-509 * |
Also Published As
Publication number | Publication date |
---|---|
CN104992432A (zh) | 2015-10-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106485275B (zh) | 一种实现盖板玻璃与液晶屏定位贴合的方法 | |
CN102289676B (zh) | 基于红外检测的变电站刀闸模式识别方法 | |
CN105184801B (zh) | 一种基于多层次策略的光学与sar影像高精度配准方法 | |
CN108537203B (zh) | 一种基于卷积神经网络的手掌关键点定位方法 | |
CN109961399B (zh) | 基于图像距离变换的最佳缝合线搜寻方法 | |
Shao et al. | Application of a fast linear feature detector to road extraction from remotely sensed imagery | |
CN104751465A (zh) | 一种基于lk光流约束的orb图像特征配准方法 | |
CN104200461B (zh) | 基于互信息图像选块和sift特征的遥感图像配准方法 | |
CN103136525B (zh) | 一种利用广义Hough变换的异型扩展目标高精度定位方法 | |
CN105654423B (zh) | 基于区域的遥感图像配准方法 | |
CN103839058A (zh) | 一种基于标准模版的文档图像的信息定位方法 | |
CN110021024A (zh) | 一种基于lbp和链码技术的图像分割方法 | |
CN103295239A (zh) | 一种基于平面基准影像的激光点云数据的自动配准方法 | |
CN102236784A (zh) | 屏幕区域检测方法及系统 | |
US8744189B2 (en) | Character region extracting apparatus and method using character stroke width calculation | |
CN104123554B (zh) | 基于mmtd的sift图像特征提取方法 | |
CN105631872B (zh) | 基于多特征点的遥感图像配准方法 | |
CN102704215A (zh) | 基于dst文件解析与机器视觉结合的绣布自动切割方法 | |
CN110298344A (zh) | 一种基于机器视觉的仪表旋钮定位与检测方法 | |
CN103234969A (zh) | 一种基于机器视觉的织物纬密度测量新方法 | |
CN102446356A (zh) | 一种获取均匀分布匹配点的遥感影像并行自适应匹配方法 | |
CN106023187A (zh) | 一种基于sift特征和角度相对距离的图像配准方法 | |
CN104637041A (zh) | 一种基于参照特征的宽幅织物图像获取与拼接方法 | |
CN108985305A (zh) | 一种激光蚀刻工业雷管编码图像定位及校正方法 | |
CN108319979A (zh) | 一种基于缩放和旋转匹配的图像定位识别检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |