CN108269276A - 一种基于图像配准进行场景微变检测方法 - Google Patents

一种基于图像配准进行场景微变检测方法 Download PDF

Info

Publication number
CN108269276A
CN108269276A CN201711409311.3A CN201711409311A CN108269276A CN 108269276 A CN108269276 A CN 108269276A CN 201711409311 A CN201711409311 A CN 201711409311A CN 108269276 A CN108269276 A CN 108269276A
Authority
CN
China
Prior art keywords
reference picture
present image
carried out
image
illumination
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.)
Pending
Application number
CN201711409311.3A
Other languages
English (en)
Inventor
冯伟
孙济洲
王小伟
柴勃隆
田飞鹏
孙胜利
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.)
Tianjin University
Original Assignee
Tianjin University
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 Tianjin University filed Critical Tianjin University
Priority to CN201711409311.3A priority Critical patent/CN108269276A/zh
Publication of CN108269276A publication Critical patent/CN108269276A/zh
Pending legal-status Critical Current

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
    • G06T7/37—Determination of transform parameters for the alignment of images, i.e. image registration using transform domain methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/80—Geometric correction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection

Landscapes

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

Abstract

本发明涉及一种基于图像配准进行场景微变检测方法，该方法采用如下步骤，步骤1，选取参考图像y和当前图像x；步骤2，对参考图像y和当前图像x进行光照、光流的数据初始化生成光照单应变换矩阵；步骤3，对参考图像y和当前图像x进行光照校正；步骤4，对参考图像y和当前图像x进行相机几何校正；步骤5，对参考图像y和当前图像x进行微变化检测；步骤6，令n＝n+1，判断n是否满足N，如果N＝n则进行下一步；否则返回步骤3；步骤7，将所述步骤5中获得的微变化区域通过mask图像示出，该方法实现不同光照不同位姿下的图像配准。

Description

一种基于图像配准进行场景微变检测方法
技术领域
本发明涉及图像配准和变化检测领域技术领域，具体涉及一种基于图像配准进行场景微变检测方法。
背景技术
本发明中涉及到的背景技术有：
(1)Change Detection(参见文献[1]，文献[2]):变化检测是表示从不同时期的遥感数据(包括图像、视频等)中定量分析和确定变化的特征与过程。当前技术应用到更新地图、视频监控、城市环境监测等领域，在解决光照变化和相机运动,最先进的方法集中在检测空间和光度学的显著变化和隐式或显式地对待小细微变化。
(2)Color constancy(参见文献[3])：颜色恒常性是指当照射物体表面的颜色光发生变化时，人们对该物体表面颜色的知觉仍然保持不变的知觉特性。颜色恒常性常常应用于光照变化中。大多数变化检测方法只能被使用简单的静态色彩恒常性处理,限制他们忍受频繁和严重的照明差异的能力。
(3)Geometry correction(参见文献[2])：几何校正是指消除或改正遥感影像几何误差的过程。遥感影像的变形误差，大体分为两类：静态误差和动态误差。静态误差是在成像过程中，传感器相对与地球表面呈静止状态时所具有的各种形变误差。动态误差主要是在成像过程中由于地球旋转等因素造成的图像变形误差。而变形误差又可分为内部误差和外部误差两类。典型的方法包括相似性、仿射、投影转换刚性场景。
发明内容
本发明的目的在于克服上述背景技术存在的缺陷，提供一种基于图像配准进行场景微变检测方法，该方法实现不同光照不同位姿下的图像配准和配准后两张图像间微小变化的检测，同时，该方法具有精度高、实用性强、灵活性高、适用于复杂的环境下考古工作。
本发明的技术方案:
1、一种基于图像配准进行场景微变检测方法，包括如下步骤：
步骤1，选取参考图像y和当前图像x；
步骤2，对参考图像y和当前图像x进行光照、光流的数据初始化生成光照单应变换矩阵；
步骤3，对参考图像y和当前图像x按照公式(1)进行光照校正；
其中，p为某个像素点,q是与p像素点位置接近的像素点，Lv是参考图像与当前图像在光照上的差值；
步骤4，对参考图像y和当前图像x按照公式(2)进行相机几何校正；
其中，p为某个像素点,q是与p像素点位置接近的像素点，F为参考图像与当前图像在相机几何上的差异；
步骤5，对参考图像y和当前图像x按照公式(3)进行微变化检测；
其中，Z为参考图像和当前图像的相同区域；E为参考图像和当前图像的差异区域；
步骤6，令n＝n+1，判断n是否满足N，如果N＝n则进行下一步；否则返回步骤3；
步骤7，将所述步骤5中获得的微变化区域通过mask图像示出。
与现有技术相比，本发明具有的优点：
1、本发明是根据初次拍摄的图像为参考图像，实现不同光照不同位姿下的图像配准和配准后两张图像间微小变化的检测，从而达到不同光照不同位姿下图像匹配和微小变化检测的效果。
2、本发明可以在复杂的环境中准确地获得采集图像的微小变化区域进而克服现有技术中图像采集精准性差、过程繁琐的技术难题。
附图说明
图1为本发明一种基于图像配准进行场景微变检测方法的流程图。
具体实施方式
下面通过具体实施例和附图对本发明作进一步的说明。本发明的实施例是为了更好地使本领域的技术人员更好地理解本发明，并不对本发明作任何的限制。
如图1所示，本发明一种基于图像配准进行场景微变检测方法，包括如下步骤：
步骤1(101)，选取参考图像y和当前图像x；
步骤2(102)，对参考图像y和当前图像x进行光照、光流的数据初始化生成光照单应变换矩阵；本步骤是通过对当前图像和参考图像获得参考图像到当前图像的光照单应变换矩阵，然后将当前图像处理成与参考图像光照相同的图像，目的是消除前后两次图像在光照条件下的影响，为下一步操作提供应用图像。
步骤3(103)，对参考图像y和当前图像x按照公式(1)进行光照校正；
其中，p为某个像素点,q是与p像素点位置接近的像素点，Lv是参考图像与当前图像在光照上的差值。
本步骤公式(1)中p为某个像素点,q是与p像素点位置接近的像素点，找到一个矩阵Lv满足公式(1)得到变化量后，将当前图像加上变化量矩阵，最终达到正常光照校正的效果。
步骤4(104)，对参考图像y和当前图像x按照公式(2)进行相机几何校正；
其中，p为某个像素点,q是与p像素点位置接近的像素点，F为参考图像与当前图像在相机几何上的差异。
本步骤公式(2)中F为参考图像与当前图像在相机几何上的差异，x为当前图像，y为参考图像。p为某个像素点,q是与p像素点位置接近的像素点，找到一个偏移量矩阵F使得满足公式(2)得到图像偏移量矩阵后，作用到当前图像中，最终实现相机几何校正的效果。
步骤5(105)，对参考图像y和当前图像x按照公式(3)进行微变化检测；
其中，Z为参考图像和当前图像的相同区域；E为参考图像和当前图像的差异区域；
本步骤是采用低秩分解算法进行变化检测，可以理解为假设两张图像相同区域为Z,不同区域为E，满足Z+E＝整张图，通过低秩分解微算法，控制一个变量，迭代计算出低秩性的Z和稀疏性的E通过公式(3)计算出Z和E后，便得到了两张图像下的变化区域，可用mask图像清晰的表示变化区域，最终实现微小变化的检测。
步骤6(106,107)，令n＝n+1，判断n是否满足N，如果N＝n则进行下一步；否则返回步骤3；步骤7(108)，将所述步骤5中获得的微变化区域通过mask图像示出。
本发明实际操作过程：
步骤S1：准备参考图像和当前图像两张图像，并载入到该方法中。
步骤S2：将当前图像进行光照、光流的初始化，通过对当前图像和参考图像处理，将当前状态下图像处理成参考图像相同光照下的图像，初步消除前后两次图像光照的影响。
步骤S3：将当前状态图像进行光照校正，计算出上次状态下图像到当前状态下图像的变换矩阵，将当前图像加上变化量矩阵，最终达到正常光照校正的效果。
步骤S4：将当前图像进行几何校正，计算出两张图像的偏移量，并将偏移量作用到当前图像中，最终实现相机几何校正的效果。
步骤S5：进行微小变化检测，使用低秩分解算法，利用控制变量法，迭代计算出低秩性的相同区域和稀疏性的变化区域，并将变化区域用mask图像标注出来。
应当理解的是，这里所讨论的实施方案及实例只是为了说明，对本领域技术人员来说，可以加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (1)

1.一种基于图像配准进行场景微变检测方法，其特征在于，包括如下步骤：
步骤1，选取参考图像y和当前图像x；
步骤2，对参考图像y和当前图像x进行光照、光流的数据初始化生成光照单应变换矩阵；
步骤3，对参考图像y和当前图像x按照公式(1)进行光照校正；
其中，p为某个像素点,q是与p像素点位置接近的像素点，Lv是参考图像与当前图像在光照上的差值；
步骤4，对参考图像y和当前图像x按照公式(2)进行相机几何校正；
其中，p为某个像素点,q是与p像素点位置接近的像素点，F为参考图像与当前图像在相机几何上的差异；
步骤5，对参考图像y和当前图像x按照公式(3)进行微变化检测；
其中，Z为参考图像和当前图像的相同区域；E为参考图像和当前图像的差异区域；
步骤6，令n＝n+1，判断n是否满足N，如果N＝n则进行下一步；否则返回步骤3；
步骤7，将所述步骤5中获得的微变化区域通过mask图像示出。
CN201711409311.3A 2017-12-22 2017-12-22 一种基于图像配准进行场景微变检测方法 Pending CN108269276A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711409311.3A CN108269276A (zh) 2017-12-22 2017-12-22 一种基于图像配准进行场景微变检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711409311.3A CN108269276A (zh) 2017-12-22 2017-12-22 一种基于图像配准进行场景微变检测方法

Publications (1)

Publication Number Publication Date
CN108269276A true CN108269276A (zh) 2018-07-10

Family

ID=62772292

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711409311.3A Pending CN108269276A (zh) 2017-12-22 2017-12-22 一种基于图像配准进行场景微变检测方法

Country Status (1)

Country Link
CN (1) CN108269276A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110223250A (zh) * 2019-06-02 2019-09-10 西安电子科技大学 基于单应变换的sar几何校正方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8406556B2 (en) * 2010-06-10 2013-03-26 Microsoft Corporation Light transport reconstruction from sparsely captured images
CN104050642A (zh) * 2014-06-18 2014-09-17 上海理工大学 彩色图像复原方法
CN106683128A (zh) * 2016-12-28 2017-05-17 电子科技大学 一种用于机场跑道图像的亚像素配准方法
CN106709904A (zh) * 2016-11-21 2017-05-24 天津大学 一种基于主动视觉的高值目标细微变化检测方法
CN106780297A (zh) * 2016-11-30 2017-05-31 天津大学 场景和光照变化条件下的图像高精度配准方法
CN107067423A (zh) * 2016-12-16 2017-08-18 天津大学 一种适用于开放赋存环境的文物本体微变监测的方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8406556B2 (en) * 2010-06-10 2013-03-26 Microsoft Corporation Light transport reconstruction from sparsely captured images
CN104050642A (zh) * 2014-06-18 2014-09-17 上海理工大学 彩色图像复原方法
CN106709904A (zh) * 2016-11-21 2017-05-24 天津大学 一种基于主动视觉的高值目标细微变化检测方法
CN106780297A (zh) * 2016-11-30 2017-05-31 天津大学 场景和光照变化条件下的图像高精度配准方法
CN107067423A (zh) * 2016-12-16 2017-08-18 天津大学 一种适用于开放赋存环境的文物本体微变监测的方法
CN106683128A (zh) * 2016-12-28 2017-05-17 电子科技大学 一种用于机场跑道图像的亚像素配准方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
W. FENG 等: "6D Dynamic Camera Relocalization from Single Reference Image", 《2016 IEEE CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION (CVPR)》 *
W. FENG 等: "Fine-Grained Change Detection of Misaligned Scenes with Varied Illuminations", 《2015 IEEE INTERNATIONAL CONFERENCE ON COMPUTER VISION (ICCV)》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110223250A (zh) * 2019-06-02 2019-09-10 西安电子科技大学 基于单应变换的sar几何校正方法
CN110223250B (zh) * 2019-06-02 2021-11-30 西安电子科技大学 基于单应变换的sar几何校正方法

Similar Documents

Publication Publication Date Title
CN108053450B (zh) 一种基于多约束的高精度双目相机标定方法
CN107077743B (zh) 用于阵列相机的动态校准的系统和方法
CN106991690B (zh) 一种基于运动目标时序信息的视频序列同步方法
CN112200203B (zh) 斜视场下弱相关散斑图像的匹配方法
CN106408612A (zh) 机器视觉系统校准
WO2015039067A1 (en) Method for combining multiple image fields
CN105160684B (zh) 一种用于遥感影像几何校正的在线自动匹配方法
CN106408616B (zh) 一种ct成像中投影图背景不一致的校正方法
CN109961485A (zh) 一种基于单目视觉进行目标定位的方法
Dufour et al. Integrated digital image correlation for the evaluation and correction of optical distortions
Kim et al. Color and depth image correspondence for Kinect v2
CN109360230A (zh) 一种基于2d相机与3d相机的图像配准方法及系统
Von Gioi et al. Towards high-precision lens distortion correction
CN109035326A (zh) 基于亚像素图像识别的高精度定位技术
JP2022119712A (ja) ステッチ画像のアライメント評価方法及び画像処理装置
CN116205993A (zh) 一种用于3d aoi的双远心镜头高精度标定方法
CN106152978A (zh) 一种基于图像分析的非接触性面积测量方法
CN108269276A (zh) 一种基于图像配准进行场景微变检测方法
CN111080716A (zh) 基于彩色编码相移条纹的相机标定靶标及标定点提取方法
CN108205210A (zh) 基于傅里叶梅林及特征匹配的lcd缺陷检测系统及方法
CN117333367A (zh) 基于图像局部特征的图像拼接方法、系统、介质及装置
CN113674181A (zh) 一种多曝光图像的对齐融合方法及设备
CN115631245A (zh) 一种校正方法、终端设备及存储介质
Reznicek et al. Influence of raw image preprocessing and other selected processes on accuracy of close-range photogrammetric systems according to VDI 2634
US10705217B2 (en) Controlling multiple imaging sensors

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20180710