CN107680112B - 图像配准方法 - Google Patents

图像配准方法 Download PDF

Info

Publication number
CN107680112B
CN107680112B CN201710959793.3A CN201710959793A CN107680112B CN 107680112 B CN107680112 B CN 107680112B CN 201710959793 A CN201710959793 A CN 201710959793A CN 107680112 B CN107680112 B CN 107680112B
Authority
CN
China
Prior art keywords
pairs
matching
different
matching pairs
selecting
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
Application number
CN201710959793.3A
Other languages
English (en)
Other versions
CN107680112A (zh
Inventor
李永
邹俊伟
吴岳辛
吴佳涛
王瑞琛
马冰
刘恒鑫
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.)
Beijing University of Posts and Telecommunications
Original Assignee
Beijing University of Posts and Telecommunications
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 Beijing University of Posts and Telecommunications filed Critical Beijing University of Posts and Telecommunications
Priority to CN201710959793.3A priority Critical patent/CN107680112B/zh
Publication of CN107680112A publication Critical patent/CN107680112A/zh
Application granted granted Critical
Publication of CN107680112B publication Critical patent/CN107680112B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • 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
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods

Landscapes

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

Abstract

本发明提供了一种图像配准方法，包括：根据所述K对匹配对中选取的不同的匹配对组合构建不同的第一平面变换矩阵，利用所述不同的第一平面变换矩阵，分别对所述待配准图像的第一边缘图像进行变换，得到不同的变换后的第一边缘图像；并根据所述不同的变换后的第一边缘图像与所述参考图像的第二边缘图像的重合像素点的不同数量，在所述K对匹配对中选取M对匹配对；根据所述M对匹配对，得到第二平面变换矩阵，利用所述第二平面变换矩阵对所述初始匹配对集合中的特征点进行变换；根据变换后的第一特征点与对应的变换后的第二特征点的第二距离确定候选匹配对；在所述候选匹配对中选定N对匹配对，并以所述N对匹配对配准图像。

Description

图像配准方法
技术领域
本发明涉及图像配准领域，尤其涉及一种图像配准方法。
背景技术
图像配准是计算机视觉领域中的一个重要问题。图像配准的目标是校准拍摄于不同视角、不同时间或不同频谱带的两幅图像。待处理图像之间往往存在偏移、旋转、比例等空间变换关系，图像配准就是将这些图像变换到同一坐标系下，以供后续使用。
现有的相关过程中，通过在图像中提取特征点，并得到两个图像特征点的描述符，再根据两图像各特征点间的描述符距离进行多光谱图像的配准，然而，图像的光谱波段往往差异较大，所获取的描述符之间也具有较大的差异性，若只是单纯的计算描述符之间的距离，会导致特征点匹配正确率和匹配精度均较低。
发明内容
本发明提供一种图像配准方法，以解决特征点匹配正确率和匹配精度均较低的问题。
根据本发明的第一方面，提供了一种图像配准方法，包括：
根据待配准图像中提取的第一特征点以及参考图像中提取的第二特征点，获取初始匹配对集合，所述初始匹配对集合中的匹配对包括一所述第一特征点与一所述第二特征点；
根据各匹配对中第一特征点的描述符与第二特征点的描述符之间的第一距离，在所述初始匹配对集合中选取K对匹配对；其中，K为大于1的整数；
根据所述K对匹配对中选取的不同的匹配对组合构建不同的第一平面变换矩阵，利用所述不同的第一平面变换矩阵，分别对所述待配准图像的第一边缘图像进行变换，得到不同的变换后的第一边缘图像；并根据所述不同的变换后的第一边缘图像与所述参考图像的第二边缘图像的重合像素点的不同数量，在所述K对匹配对中选取M对匹配对；其中，M为大于1，且小于或等于K的整数；
根据所述M对匹配对，得到第二平面变换矩阵，利用所述第二平面变换矩阵对所述初始匹配对集合中的特征点进行变换；
根据变换后的第一特征点与对应的变换后的第二特征点的第二距离确定候选匹配对；
在所述候选匹配对中选定N对匹配对，并以所述N对匹配对配准图像；其中，N为大于1的整数。
可选的，所述根据匹配对中第一特征点的描述符与第二特征点的描述符之间的第一距离，在所述初始匹配对集合中选取K对匹配对，包括：
计算得到各匹配对中第一特征点的描述符与第二特征点的描述符之间的第一距离；
根据所述第一距离的大小，对匹配对进行排序；
以第一预设比例选取排序中第一距离较小的匹配对，以得到所述K对匹配对。
可选的，所述根据所述不同的变换后的第一边缘图像与所述参考图像的第二边缘图像的重合像素点的不同数量，在所述K对匹配对中选取M对匹配对，包括：
计算得到所述不同的变换后的第一边缘图像与所述参考图像的第二边缘图像的重合像素点的个数；
根据所述重合像素点的个数对对应的不同的匹配对组合进行排序；
根据排序选择重合像素点的个数较多的多个匹配对组合中的匹配对，以得到所述M对匹配对。
可选的，所述根据变换后的第一特征点与对应的变换后的第二特征点的第二距离确定候选匹配对，包括：
计算变换后的第一特征点与对应的变换后的第二特征点的第二距离；
根据所述第二距离的大小，对匹配对进行排序；
以第二预设比例选取排序中第二距离较小的匹配对，以得到所述候选匹配对。
可选的，在所述候选匹配对中选定N对匹配对，包括：
在所述候选匹配对中去除所述M对匹配对中的匹配对和对应的重合像素点的个数小于预设值的匹配对组合中的匹配对，以得到所述N对匹配对。
可选的，所述第一平面变换矩阵为投影变换矩阵，所述根据所述K对匹配对中选取的匹配对构建不同的第一平面变换矩阵，包括：在所述K对匹配对中选取不同的四对匹配对组合，根据所述不同的四对匹配对组合，构建不同的投影变换矩阵。
可选的，所述第二平面变换矩阵为投影变换矩阵。
可选的，所述第一平面变换矩阵为仿射变换矩阵，所述根据所述K对匹配对中选取的匹配对构建不同的第一平面变换矩阵，包括：在所述K对匹配对中选取不同的三对匹配对组合，根据所述不同的三对匹配对组合，构建不同的仿射变换矩阵。
可选的，所述第二平面变换矩阵为仿射变换矩阵。
可选的，所述第一边缘图像为根据canny算子检测所述待配准图像得到的；所述第二边缘图像为根据canny算子检测所述参考图像得到的。
本发明提供的图像配准方法，通过根据所述K对匹配对中选取的不同的匹配对组合构建不同的第一平面变换矩阵，利用所述不同的第一平面变换矩阵，分别对所述待配准图像的第一边缘图像进行变换，得到不同的变换后的第一边缘图像；并根据所述不同的变换后的第一边缘图像与所述参考图像的第二边缘图像的重合像素点的不同数量，在所述K对匹配对中选取M对匹配对；本发明应用匹配对所构建的变换方式变换待配准图像，计算此时两幅图像的边缘图像的重合像素点个数，该方法能够有效的提高多光谱图像匹配精度，并降低计算成本。同时，本发明应用了整幅图像的边缘信息，相较于局部窗口中的图像信息具有更强的稳定性。可见，本发明实现了基于全局信息的机制选取了特征点匹配对，显著提高了特征点匹配的准确率，改善了配准效果。
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是本发明一图像配准方法的流程示意图一；
图2是本发明一图像配准方法的流程示意图二。
具体实施方式
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，所描述的实施例仅仅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。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
实施例1
图1是本发明一图像配准方法的流程示意图一；请参考图1，所述的方法，包括：
S11：根据待配准图像中提取的第一特征点以及参考图像中提取的第二特征点，获取初始匹配对集合，所述初始匹配对集合中的匹配对包括一所述第一特征点与一所述第二特征点。
其中，特征点，可以列举为图像的边缘、角、点、线等具有不变性的特征。描述符，可以理解为用于描述图像中特征点的内容，可以是一组向量，包括特征点位置、方向、尺度等信息。
S12：根据各匹配对中第一特征点的描述符与第二特征点的描述符之间的第一距离，在所述初始匹配对集合中选取K对匹配对；其中，K为大于1的整数。
第一距离的计算过程可以为现有相关技术中计算描述符间距离的任意方案。
S13：根据所述K对匹配对中选取的不同的匹配对组合构建不同的第一平面变换矩阵。
平面变换矩阵，可以为仿射变换矩阵，也可以为投影变换矩阵。仿射变换在几何上可以理解为两个向量空间之间的一个仿射变换或者仿射映射。投影变换可以理解为将一种地图投影点的坐标变换为另一种地图投影点的坐标的过程。
选取的不同的匹配对组合，可以理解为选取匹配对组合实施步骤S13与步骤S14，并得到该匹配对组合对应的重合像素点的数量后，再选取另一匹配对组合实施步骤S13与步骤S14，并得到该匹配对组合对应的重合像素点的数量，重复选取不同的匹配对组合，直至所有的匹配对组合都得到对应的重合像素点的数量。
S14：利用所述不同的第一平面变换矩阵，分别对所述待配准图像的第一边缘图像进行变换，得到不同的变换后的第一边缘图像。
第一边缘图像，可理解为待配准图像中检测得到的边缘图像；第二边缘图像，可理解为参考图像中检测得到的边缘图像。具体实施过程中，可以以任意边缘检测算法得到边缘图像。
S15：根据所述不同的变换后的第一边缘图像与所述参考图像的第二边缘图像的重合像素点的不同数量，在所述K对匹配对中选取M对匹配对；其中，M为大于1，且小于或等于K的整数。
S16：根据所述M对匹配对，得到第二平面变换矩阵，利用所述第二平面变换矩阵对所述初始匹配对集合中的特征点进行变换。
S17：根据变换后的第一特征点与对应的变换后的第二特征点的第二距离确定候选匹配对。
S18：在所述候选匹配对中选定N对匹配对，并以所述N对匹配对配准图像；其中，N为大于1的整数。
本发明提供的图像配准方法，通过根据所述K对匹配对中选取的不同的匹配对组合构建不同的第一平面变换矩阵，利用所述不同的第一平面变换矩阵，分别对所述待配准图像的第一边缘图像进行变换，得到不同的变换后的第一边缘图像；并根据所述不同的变换后的第一边缘图像与所述参考图像的第二边缘图像的重合像素点的不同数量，在所述K对匹配对中选取M对匹配对；本发明应用匹配对所构建的变换方式变换待配准图像，计算此时两幅图像的边缘图像的重合像素点个数，该方法能够有效的提高多光谱图像匹配精度，并降低计算成本。同时，本发明应用了整幅图像的边缘信息，相较于局部窗口中的图像信息具有更强的稳定性。可见，本发明实现了基于全局信息的机制选取了特征点匹配对，显著提高了特征点匹配的准确率，改善了配准效果。
实施例2
图2是本发明一图像配准方法的流程示意图二；请参考图2，所述的方法，包括：
S211：获取待配准图像，可以表达为It。
S212：在所述带配准图像It中提取第一特征点。
S213：构建所述第一特征点的描述符。
S214：根据canny算子检测所述待配准图像It，得到第一边缘图像，可以表述为Et。根据canny算子进行计算，为领域中常见的一种多级边缘检测算法，在其他可选实施方式中，也可采用其他算法和算子检测得到第一边缘图像Et。
S215：获取参考图像，可以表达为Ir。
S216：在所述参考图像Ir中提取第二特征点。
S217：构建所述第二特征点的描述符。
S218：根据canny算子检测所述参考图像Ir，得到第二边缘图像，可以表述为Er。根据canny算子进行计算，为领域中常见的一种多级边缘检测算法，在其他可选实施方式中，也可采用其他算法和算子检测得到第二边缘图像Er。
特征点，可以列举为图像的边缘、角、点、线等具有不变性的特征。描述符，可以理解为用于描述图像中特征点的内容，可以是一组向量，包括特征点位置、方向、尺度等信息。
第一特征点，可以理解为待配准图像It的特征点；第二特征点，可以理解为参考图像Ir的特征点；第一边缘图像Et，可以理解为待配准图像It中检测得到的边缘图像；第二边缘图像Er，可以理解为参考图像Ir中检测得到的边缘图像。
S22：根据待配准图像It中提取的第一特征点以及参考图像Ir中提取的第二特征点，获取初始匹配对集合Sinit，所述初始匹配对集合Sinit中的匹配对包括一所述第一特征点与一所述第二特征点。
具体实施过程中，可以利用扩展双边匹配算法选取所述初始匹配对集合Sinit。
S23：根据各匹配对中第一特征点的描述符与第二特征点的描述符之间的第一距离，在所述初始匹配对集合Sinit中选取K对匹配对；其中，K为大于1的整数。
第一距离的计算过程可以为现有相关技术中计算描述符间距离的任意方案。
其中一种实施方式中，步骤S23可以包括：
计算得到各匹配对中第一特征点的描述符与第二特征点的描述符之间的第一距离。
根据所述第一距离的大小，对匹配对进行排序。
以第一预设比例选取排序中第一距离较小的匹配对，以得到所述K对匹配对。
选取K对匹配对，可理解为构建了第一集合S1。具体实施过程中，第一预设里比例可选为80％，若按第一距离由小到大排序，则可选取前80％小的匹配对构建第一集合S1。
S24：根据所述K对匹配对中选取的不同的匹配对组合构建不同的第一平面变换矩阵。即根据第一集合S1中选取的不同的匹配对组合构建不同的第一平面变换矩阵。
平面变换矩阵，可以为仿射变换矩阵T1，也可以为投影变换矩阵T2。仿射变换T1在几何上可以理解为两个向量空间之间的一个仿射变换或者仿射映射。投影变换T2可以理解为将一种地图投影点的坐标变换为另一种地图投影点的坐标的过程。
选取的不同的匹配对组合，可以理解为选取匹配对组合实施步骤S24与步骤S25，并得到该匹配对组合对应的重合像素点的个数NOP(number of overlap pixel)后，再选取另一匹配对组合实施步骤S24与步骤S25，并得到该匹配对组合对应的重合像素点的个数NOP，重复选取不同的匹配对组合，直至所有的匹配对组合都得到对应的重合像素点的个数NOP。
其中一种实施方式中，所述第一平面变换矩阵为仿射变换矩阵T1，所述根据所述K对匹配对中选取的匹配对构建不同的第一平面变换矩阵，包括：在所述K对匹配对中选取不同的三对匹配对组合，根据所述不同的三对匹配对组合，构建不同的仿射变换矩阵T1。
其中一种实施方式中，所述第一平面变换矩阵为投影变换矩阵T2，所述根据所述K对匹配对中选取的匹配对构建不同的第一平面变换矩阵，包括：在所述K对匹配对中选取不同的四对匹配对组合，根据所述不同的四对匹配对组合，构建不同的投影变换矩阵T2。
S25：利用所述不同的第一平面变换矩阵，分别对所述待配准图像It的第一边缘图像Et进行变换，得到不同的变换后的第一边缘图像。
第一边缘图像Et，可理解为待配准图像It中检测得到的边缘图像Et；第二边缘图像Er，可理解为参考图像Ir中检测得到的边缘图像。具体实施过程中，可以以任意边缘检测算法得到边缘图像。
S26：根据所述不同的变换后的第一边缘图像与所述参考图像Ir的第二边缘图像Er的重合像素点的不同数量，在所述K对匹配对中选取M对匹配对；其中，M为大于1，且小于或等于K的整数。
步骤S26可以包括：
计算得到所述不同的变换后的第一边缘图像与所述参考图像Ir的第二边缘图像Er的重合像素点的个数NOP。
根据所述重合像素点的个数NOP对对应的不同的匹配对组合进行排序。
根据排序选择重合像素点的个数NOP较多的多个匹配对组合中的匹配对，以得到所述M对匹配对；得到所述M对匹配对，也可理解为构成第二集合S2。具体实施过程中，可以基于排序选择预设数量的匹配对组合，例如，选择排序中前十组匹配对组合，该十组匹配对组合中的匹配对可以构成第二集合S2。
S27：根据所述M对匹配对，得到第二平面变换矩阵，利用所述第二平面变换矩阵对所述初始匹配对集合中的特征点进行变换。
其中，若第一平面变换矩阵为仿射变换矩阵T1，则第二平面变换矩阵也可采用仿真变换矩阵。若第一平面变换矩阵为投射变换矩阵T2，则第二平面变换矩阵也可采用投射变换矩阵。
S28：根据变换后的第一特征点与对应的变换后的第二特征点的第二距离确定候选匹配对。
步骤S28，可以包括：
计算变换后的第一特征点与对应的变换后的第二特征点的第二距离。
根据所述第二距离的大小，对匹配对进行排序。
以第二预设比例选取排序中第二距离较小的匹配对，以得到所述候选匹配对。具体实施过程中，第二预设比例可以为60％。若按第二距离由小到大排序，则可选取前60％小的匹配对为候选匹配对。
S29：在所述候选匹配对中选定N对匹配对，并以所述N对匹配对配准图像；其中，N为大于1的整数。
在所述候选匹配对中去除所述M对匹配对中的匹配对，即去除第二集合S2中的匹配对和对应的重合像素点的个数NOP小于预设值的匹配对组合中的匹配对，以得到所述N对匹配对；选定N对匹配对，也可理解为构成第三集合S3。重合像素点的个数NOP小于预设值，也可理解为：因重合像素点的个数NOP数目较低而被排除的匹配对。
本发明提供的图像配准方法，通过根据所述K对匹配对中选取的不同的匹配对组合构建不同的第一平面变换矩阵，利用所述不同的第一平面变换矩阵，分别对所述待配准图像的第一边缘图像进行变换，得到不同的变换后的第一边缘图像；并根据所述不同的变换后的第一边缘图像与所述参考图像的第二边缘图像的重合像素点的不同数量，在所述K对匹配对中选取M对匹配对；本发明应用匹配对所构建的变换方式变换待配准图像，计算此时两幅图像的边缘图像的重合像素点个数，该方法能够有效的提高多光谱图像匹配精度，并降低计算成本。同时，本发明应用了整幅图像的边缘信息，相较于局部窗口中的图像信息具有更强的稳定性。可见，本发明实现了基于全局信息的机制选取了特征点匹配对，显著提高了特征点匹配的准确率，改善了配准效果。
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 (10)

1.一种图像配准方法，其特征在于，包括：
根据待配准图像中提取的第一特征点以及参考图像中提取的第二特征点，获取初始匹配对集合，所述初始匹配对集合中的匹配对包括一所述第一特征点与一所述第二特征点；
根据各匹配对中第一特征点的描述符与第二特征点的描述符之间的第一距离，在所述初始匹配对集合中选取K对匹配对；其中，K为大于1的整数；
根据所述K对匹配对中选取的不同的匹配对组合构建不同的第一平面变换矩阵，利用所述不同的第一平面变换矩阵，分别对所述待配准图像的第一边缘图像进行变换，得到不同的变换后的第一边缘图像；并根据所述不同的变换后的第一边缘图像与所述参考图像的第二边缘图像的重合像素点的不同数量，在所述K对匹配对中选取M对匹配对；其中，M为大于1，且小于或等于K的整数；
根据所述M对匹配对，得到第二平面变换矩阵，利用所述第二平面变换矩阵对所述初始匹配对集合中的特征点进行变换；
根据变换后的第一特征点以及第二距离确定候选匹配对；所述第二距离为变换后的第一特征点与对应的变换后的第二特征点之间的距离；
在所述候选匹配对中选定N对匹配对，并以所述N对匹配对配准图像；其中，N为大于1的整数。
2.根据权利要求1所述的方法，其特征在于，所述根据匹配对中第一特征点的描述符与第二特征点的描述符之间的第一距离，在所述初始匹配对集合中选取K对匹配对，包括：
计算得到各匹配对中第一特征点的描述符与第二特征点的描述符之间的第一距离；
根据所述第一距离的大小，对匹配对进行排序；
以第一预设比例选取排序中第一距离较小的匹配对，以得到所述K对匹配对。
3.根据权利要求1所述的方法，其特征在于，所述根据所述不同的变换后的第一边缘图像与所述参考图像的第二边缘图像的重合像素点的不同数量，在所述K对匹配对中选取M对匹配对，包括：
计算得到所述不同的变换后的第一边缘图像与所述参考图像的第二边缘图像的重合像素点的个数；
根据所述重合像素点的个数对对应的不同的匹配对组合进行排序；
根据排序选择重合像素点的个数较多的多个匹配对组合中的匹配对，以得到所述M对匹配对。
4.根据权利要求1所述的方法，其特征在于，所述根据变换后的第一特征点以及第二距离确定候选匹配对，包括：
计算变换后的第一特征点与对应的变换后的第二特征点的第二距离；
根据所述第二距离的大小，对匹配对进行排序；
以第二预设比例选取排序中第二距离较小的匹配对，以得到所述候选匹配对。
5.根据权利要求1所述的方法，其特征在于，在所述候选匹配对中选定N对匹配对，包括：
在所述候选匹配对中去除所述M对匹配对中对应的重合像素点的个数小于预设值的匹配对组合中的匹配对，以得到所述N对匹配对。
6.根据权利要求1至5任一项所述的方法，其特征在于，所述第一平面变换矩阵为投影变换矩阵，所述根据所述K对匹配对中选取的匹配对构建不同的第一平面变换矩阵，包括：在所述K对匹配对中选取不同的四对匹配对组合，根据所述不同的四对匹配对组合，构建不同的投影变换矩阵。
7.根据权利要求6所述的方法，其特征在于，所述第二平面变换矩阵为投影变换矩阵。
8.根据权利要求1至5任一项所述的方法，其特征在于，所述第一平面变换矩阵为仿射变换矩阵，所述根据所述K对匹配对中选取的匹配对构建不同的第一平面变换矩阵，包括：在所述K对匹配对中选取不同的三对匹配对组合，根据所述不同的三对匹配对组合，构建不同的仿射变换矩阵。
9.根据权利要求8所述的方法，其特征在于，所述第二平面变换矩阵为仿射变换矩阵。
10.根据权利要求1至5任一项所述的方法，其特征在于，所述第一边缘图像为根据canny算子检测所述待配准图像得到的；所述第二边缘图像为根据canny算子检测所述参考图像得到的。
CN201710959793.3A 2017-10-16 2017-10-16 图像配准方法 Active CN107680112B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710959793.3A CN107680112B (zh) 2017-10-16 2017-10-16 图像配准方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710959793.3A CN107680112B (zh) 2017-10-16 2017-10-16 图像配准方法

Publications (2)

Publication Number Publication Date
CN107680112A CN107680112A (zh) 2018-02-09
CN107680112B true CN107680112B (zh) 2021-01-26

Family

ID=61141301

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710959793.3A Active CN107680112B (zh) 2017-10-16 2017-10-16 图像配准方法

Country Status (1)

Country Link
CN (1) CN107680112B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109389630B (zh) * 2018-09-30 2020-10-23 北京精密机电控制设备研究所 可见光图像与红外图像特征点集确定、配准方法及装置
CN110223226B (zh) * 2019-05-07 2021-01-15 中国农业大学 全景图像拼接方法及系统
CN110363179B (zh) * 2019-07-23 2022-03-25 联想(北京)有限公司 地图获取方法、装置、电子设备以及存储介质
CN111311658B (zh) * 2020-04-02 2023-11-07 烟台艾睿光电科技有限公司 双光成像系统图像配准方法及相关装置
CN112215862B (zh) * 2020-10-12 2024-01-26 虎博网络技术(上海)有限公司 静态标识检测方法、装置、终端设备和可读存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6005978A (en) * 1996-02-07 1999-12-21 Cognex Corporation Robust search for image features across image sequences exhibiting non-uniform changes in brightness
CN103914827A (zh) * 2013-09-06 2014-07-09 贵州大学 汽车密封条轮廓缺陷的视觉检测方法
CA2948389A1 (en) * 2014-05-09 2015-11-12 Fio Corporation Discrete edge binning template matching system, method and computer readable medium
CN105654479A (zh) * 2015-12-28 2016-06-08 北京邮电大学 多光谱图像配准方法和装置
CN107169921A (zh) * 2017-04-26 2017-09-15 国网上海市电力公司 一种双光谱的图像配准系统和方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6005978A (en) * 1996-02-07 1999-12-21 Cognex Corporation Robust search for image features across image sequences exhibiting non-uniform changes in brightness
CN103914827A (zh) * 2013-09-06 2014-07-09 贵州大学 汽车密封条轮廓缺陷的视觉检测方法
CA2948389A1 (en) * 2014-05-09 2015-11-12 Fio Corporation Discrete edge binning template matching system, method and computer readable medium
CN106462775A (zh) * 2014-05-09 2017-02-22 Fio公司 离散边缘分组模板匹配系统、方法和计算机可读媒体
CN105654479A (zh) * 2015-12-28 2016-06-08 北京邮电大学 多光谱图像配准方法和装置
CN107169921A (zh) * 2017-04-26 2017-09-15 国网上海市电力公司 一种双光谱的图像配准系统和方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Incorporating global information in feature- based multimodal image registration;Yong Li 等;《Journal of Electronic Imaging 》;20140430;全文 *
图像配准技术性能评估及实现概况;刘松涛 等;《电光与控制》;20070630;全文 *

Also Published As

Publication number Publication date
CN107680112A (zh) 2018-02-09

Similar Documents

Publication Publication Date Title
CN107680112B (zh) 图像配准方法
Otero Anatomy of the SIFT Method
CN110569878B (zh) 一种基于卷积神经网络的照片背景相似度聚类方法及计算机
US11189020B2 (en) Systems and methods for keypoint detection
JP6354589B2 (ja) 物体識別装置、方法及びプログラム
US8798377B2 (en) Efficient scale-space extraction and description of interest points
CN109348731B (zh) 一种图像匹配的方法及装置
US20130195351A1 (en) Image processor, image processing method, learning device, learning method and program
JP6997369B2 (ja) プログラム、測距方法、及び測距装置
CN106296587B (zh) 轮胎模具图像的拼接方法
EP3100177A1 (en) Method for recognizing objects
CN110598795A (zh) 图像差异检测方法及装置、存储介质、终端
US9342753B2 (en) Image processing apparatus, image processing method, and computer program product
CN114187333A (zh) 一种图像对齐方法、图像对齐装置及终端设备
AU2017342154B2 (en) System and method for object recognition based estimation of planogram compliance
CN113095187A (zh) 一种基于图像特征匹配对齐的试卷批改方法
CN109657083B (zh) 纺织品图片特征库的建立方法和装置
JP2014102805A (ja) 情報処理装置、情報処理方法及びプログラム
CN110660091A (zh) 一种图像配准处理方法、装置和拍照批改作业系统
CN110070490A (zh) 图像拼接方法和装置
Zhang et al. Matching of images with projective distortion using transform invariant low-rank textures
KR101741761B1 (ko) 멀티 프레임 기반 건물 인식을 위한 특징점 분류 방법
EP2884427B1 (en) Method and system for describing an image
Szumilas et al. Invariant shape matching for detection of semi-local image structures
CN113658101B (zh) 图像中地标点检测方法、装置、终端设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant