專利名稱：基于邊緣檢測的多光譜圖像快速匹配方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，具體說是一種圖像匹配的方法。
背景技術(shù)：
圖像匹配是指通過一定的匹配算法在兩幅或多幅圖像之間識別同名點，其實質(zhì) 是在基元相似性的條件下，運用匹配準則的最佳搜索問題。圖像匹配主要可分為以灰度 為基礎(chǔ)的匹配和以特征為基礎(chǔ)的匹配。以灰度為基礎(chǔ)的匹配方法有互相關(guān)配準方法、傅 立葉方法和最大互信息方法等等。以特征為基礎(chǔ)的匹配方法是通過提取圖像的特征，包 括特征點、目標邊緣、地形特征線(如脊谷線、河流、道路、房角)等，利用這些特征 計算空間變換參數(shù)。這些匹配方法并不是適用于所有圖像匹配問題，它們往往在某種情 況下匹配效果好，而換另外一種情況匹配效果卻很差。
對于多光譜圖像匹配問題，以灰度為基礎(chǔ)的匹配方法往往很難取得很好的匹配 效果，這是因為對于不同光譜，成像的原理不同所造成不同光譜圖像之間的灰度并不一 定具有相關(guān)性。
再比如以可見光和紅外為例，通過分析和研究表明，它們主要有如下的區(qū)別 1)紅外圖像與可見光圖像的成像原理不同。前者依據(jù)物體的溫度不同或輻射率不同進行 成像，而后者依據(jù)物體反射率的不同進行成像；2)紅外圖像與可見光圖像的空間分辨率 不同。由于紅外波段輻射波長較可見光的長，因而紅外圖像的空間分辨率要比可見光的 低；3)紅外圖像與可見光圖像對同一場景的灰度差異較大?？梢姽鈭D像的灰度與紅外 圖像的灰度相比層次分明，而紅外圖像的內(nèi)部灰度變換較為緩慢，層次不鮮明；4)紅外 圖像與可見光圖像的紋理特征不同?？梢姽鈭D像能反映出景物表面的紋理細節(jié)信息，而 紅外圖像對景物表面的紋理信息不能很好的反映。根據(jù)以上的區(qū)別可以發(fā)現(xiàn)，對于不同 光譜的圖像匹配問題，通過像素的相關(guān)性和紋理特征實現(xiàn)匹配是行不通的。
然而，無論是可見光圖像、紅外圖像還是其他光譜圖像，它們都具備一個共同 的特征——邊緣。目前利用邊緣特征對圖像進行匹配的方法主要是利用同軸鏡頭獲取相 同視場角下同一場景的多光譜圖像，然后對其進行簡單的疊加處理。這種方法的缺點 是1、匹配效果差，雖然是利用了同軸鏡頭，但通常情況下視場角不可能完全一致，加 上不同探測器的分辨率不同，導致這種匹配方法的效果很差；2、對探測器鏡頭的要求 高，這種匹配方法通常使用的探測器鏡頭都是固定的，若更換鏡頭，就不能實現(xiàn)匹配； 3、魯棒性差，只能用于特定的某些光譜圖像的匹配；4、容錯性差，這種方法對多光譜 圖像的圖像質(zhì)量要求高，圖像稍有明顯形變，就會出現(xiàn)無法匹配的現(xiàn)象
發(fā)明內(nèi)容
本發(fā)明的任務(wù)是要解決現(xiàn)有技術(shù)難題，提供一種基于邊緣檢測的，可以對不同視場角獲取的同一場景的多光譜圖像進行快速匹配的方法，本方法具有較強的魯棒性和 容錯性。
技術(shù)手段本發(fā)明公開了一種基于邊緣檢測的多光譜圖像快速匹配方法，方法包括以下步驟A、獲取任意視場角下同一場景的多光譜圖像的灰度圖；B、對A步驟獲得的各灰度圖進行濾波去噪，獲得平滑的灰度圖像；C、對B步驟獲得的平滑的灰度圖進行邊緣提??；D、用預(yù)設(shè)的矩形窗口過濾掉C步驟得到的圖像的部分邊緣點，獲得邊緣離散灰度點 陣圖；E、設(shè)定要求解的匹配參數(shù)，并利用粒子群優(yōu)化方法對匹配參數(shù)進行優(yōu)化求解，獲得 最佳匹配參數(shù)。
在B步驟中對灰度圖像濾波去噪之前先對灰度圖像進行圖像增強處理。
其中C步驟包括步驟Cl:利用一階差分模板與B步驟獲得的平滑的灰度圖卷積，獲得圖像的梯度幅 值和方向；步驟C2:對步驟Cl獲得的梯度幅值做非極大值抑制，并將獲得的邊緣的灰度值 設(shè)置為灰度值的一個極值，其余各點均設(shè)為與邊緣灰度值表示顏色相反的另一個灰度極 值；步驟C3:利用雙閾值法對步驟C2獲得結(jié)果進行檢測和修補，獲得完整的邊緣圖像。
在步驟Cl中所用的一階差分模板為Sobel算子。
其中D步驟包括步驟Dl 利用預(yù)設(shè)的矩形窗口對C步驟得到的圖像的每一個像素點以行或列的掃描 方式進行掃描識別；步驟D2:當矩形窗口的中心點位于圖像邊緣的任意一像素點時，中心點的灰度值保 持不變，窗口內(nèi)的其余各像素點的灰度值均設(shè)為與邊緣灰度值表示顏色相反的另一個灰 度極值；當矩形窗口的中心點位于非圖像邊緣的任意一像素點時，矩形窗口內(nèi)的各像素 點的灰度值不變。
矩形窗口為正方形窗口，且大小根據(jù)圖像邊緣的像素點的密集度設(shè)置。正方形 窗口的邊長為3、5、7、9或11個像素點。
其中E步驟包括步驟El:選取D步驟得到的圖像中邊緣像素點較密集的一幅圖像為基準，并隨機產(chǎn) 生多組匹配參數(shù)；步驟E2:選擇步驟El隨機產(chǎn)生的其中的一組匹配參數(shù)，并按照該匹配參數(shù)改變邊緣 較稀疏的圖像的各個像素點的坐標，并用更改后的圖像與基準圖像進行匹配；步驟E3:以步驟E2得到的任意一個新坐標點為中心，對其鄰域進行掃描，并根據(jù)該 鄰域內(nèi)的基準圖像的點出現(xiàn)的位置求出該點的匹配度評分；步驟E4:重復執(zhí)行步驟E3，直至求出所有新坐標點的匹配度評分，并根據(jù)各點的匹 配度評分求出匹配效果評價參數(shù)；步驟E5:重復執(zhí)行步驟E2、步驟E3和步驟E4，求解所有由步驟El隨機產(chǎn)生的匹 配參數(shù)的匹配效果評價參數(shù)；步驟E6:利用粒子群優(yōu)化方法對匹配參數(shù)進行優(yōu)化求解，獲得最佳匹配效果。步驟 E6還包括步驟E6a:設(shè)定粒子數(shù)和迭代次數(shù)，隨機產(chǎn)生多個初始粒子，即El步驟中隨機產(chǎn)生 的多組匹配參數(shù)，并隨機產(chǎn)生初始速度；步驟E6b:根據(jù)當前位置，計算出粒子的適應(yīng)度，并設(shè)置當前位置為個體最好位置；步驟E6c:對每個粒子按設(shè)定的迭代次數(shù)循環(huán)計算的其位置、適應(yīng)度和當前粒子的 最好位置；步驟E6d:循環(huán)結(jié)束后，輸出全局最好位置。
本多光譜圖像快速匹配方法用于可見光圖像和紅外圖像的快速匹配，或者用于 紅外圖像和紫外圖像的快速匹配，或者用于可見光圖像和紫外圖像的快速匹配，或者用 于可見光圖像、紅外圖像和紫外圖像三者的快速匹配。
有益效果本發(fā)明有以下優(yōu)點1、對獲取多光譜圖像時的視場角沒有限制，視場角可以相同 也可以不同；2、匹配結(jié)果不受探測器鏡的影響，對圖像分辨率的大小沒有特殊的要求； 3、采用窗口過濾技術(shù)，過濾部分邊緣點，能實現(xiàn)快速的圖像匹配；4、匹配效果評價函 數(shù)可以容納匹配誤差，使得圖像匹配方法具有很強的容錯性能；5、采用啟發(fā)式的搜索算 法——粒子群優(yōu)化算法來優(yōu)化求解匹配參數(shù)，它具有很好的全局收斂性能，能快速找到 恰當?shù)钠ヅ鋮?shù)；6、具有很強的魯棒性，既適用于多光譜圖像匹配，也適用于同光譜圖 像匹配，本方法的提出主要是用于可見光圖像和紅外圖像的匹配。


圖1為本圖像快速匹配方法的流程圖；圖2為圖像邊緣過濾示意圖，(a)圖為過濾方法示意圖，(b)圖為過濾后的 效果示意圖；圖3為粒子群優(yōu)化方法的流程圖。
具體實施方式
參見圖1為本發(fā)明公開的多光譜圖像快速匹配方法的一個基本實施例的流程 圖，所述方法包括下列步驟A、獲取任意視場角下同一場景的多光譜圖像的灰度圖；B、對A步驟獲得的各灰度圖進行濾波去噪，獲得平滑的灰度圖像；C、對B步驟獲得的平滑的灰度圖進行邊緣提??；D、用預(yù)設(shè)的矩形窗口過濾掉C步驟得到的圖像的部分邊緣點，獲得邊緣離散灰度點 陣圖；E、設(shè)定要求解的匹配參數(shù)，并利用粒子群優(yōu)化方法對匹配參數(shù)進行優(yōu)化求解，獲得 最佳匹配效果。
下面對各個步驟進行更進一步的詳細說明。
步驟A:獲取任意視場角下同一場景的多光譜圖像的灰度圖。任意視場角說明 本方法對獲取的圖像的分辨率、拍攝角度全無要求，只要是同一場景下的圖像均可以使 用本方法。獲取灰度圖的方法通常有兩種，一是通過轉(zhuǎn)換公式，二是查找映射表，兩種 都是共知技術(shù)，不再贅述。
步驟B:對A步驟獲得的各灰度圖進行濾波去噪，獲得平滑的灰度圖像。由于 外部環(huán)境干擾和電子設(shè)備的影響，獲取的多光譜圖像會存在噪聲，如高斯噪聲、椒鹽噪 聲、熱噪聲和Ι/f噪聲等等，因此，必須對獲取的多光譜灰度圖進行去噪，通常采用高斯 濾波進行去噪。
在濾波之前通常還含有一個對圖像進行增強的過程，強調(diào)某些感興趣的特征， 抑制不感興趣的特征，擴大圖像中不同物體特征之間的差別，改善圖像質(zhì)量、豐富信息 量，加強圖像判讀和識別效果。
步驟C 對B步驟獲得的平滑的灰度圖進行邊緣提取。圖像的邊緣是指圖像局 部區(qū)域亮度變化顯著的部分，該區(qū)域的灰度剖面一般可以看作是一個階躍，既從一個灰 度值在很小的緩沖區(qū)域內(nèi)急劇變化到另一個灰度相差較大的灰度值。提取邊緣包括三個 步驟步驟Cl:利用一階差分模板與B步驟獲得的平滑的灰度圖卷積，獲得圖像的梯度 幅值和方向。一階差分模板有很多，從抗噪聲性能考慮，Sobel算子最為合適。
步驟C2 對步驟Cl獲得的梯度幅值做非極大值抑制，并將獲得的邊緣的灰度 值設(shè)置為灰度值的一個極值，其余各點均設(shè)為與邊緣灰度值表示顏色相反的另一個灰度 極值。要確定邊緣僅僅得到全局的梯度是不夠的，因此為確定邊緣，必須保留局部梯度 最大的點，稱為抑制非極大值。對于任意像素和其八個相鄰像素可劃分為四個方向，互 為對角的像素方向相同，中心像素的梯度方向為四個方向之一。每一個中心像素P與沿 著梯度線的兩個象素相比，如果中心像素P的梯度幅值不比沿該點梯度方向的兩個相鄰 象素的梯度幅值大，則該中心像素P不是圖像的邊緣點，其灰度值設(shè)為灰度值的一個極 值；反之則該中心像素P是圖像的邊緣點，其灰度值設(shè)為灰度值的另一個極值。例如將 邊緣點的灰度值設(shè)為255 (白色)，其余點的灰度值設(shè)為0 (黑色)。
步驟C3:利用雙閾值法對步驟C2獲得結(jié)果進行檢測和修補，獲得完整的邊緣 圖像。
步驟D:用預(yù)設(shè)的矩形窗口過濾掉C步驟得到的圖像的部分邊緣點，獲得邊緣 離散灰度點陣圖。通過步驟C得到多光譜圖像的邊緣圖像，其邊緣點數(shù)目較多，若直接 用于圖像匹配，工作量將會很大，不利于實現(xiàn)快速匹配。另外，即使同一場景下，多光 譜圖像的邊緣也不是完全重合，若全部邊緣用于匹配計算，那么會使得匹配方法的容錯 性能降低。因此，在不降低匹配性能的前提下，減少部分邊緣點，有利于提高方法的效 率和性能。如圖2所示，獲得邊緣離散灰度點陣圖包括下列兩個步驟步驟Dl 利用預(yù)設(shè)的矩形窗口對C步驟得到的圖像的每一個像素點以行或列的掃描 方式進行掃描識別。如圖2 (a)所示，矩形窗口一般為正方形，其邊長為奇數(shù)個像素點，正方形窗口以行掃描的方式逐行掃描。正方形窗口越大，過濾掉的邊緣點就越多， 得到的邊緣離散點也就越少，后續(xù)的匹配算法也就越快。但是正方形窗口也不能太大， 太大就會影響匹配效果，所以，正方形窗口的邊長一般取3、5、7、9或11個像素點，對 于邊緣比較密集的多光譜圖像，比如可見光圖像，矩形窗口可以取大一些，而對于邊緣 比較稀疏的多光譜圖像，比如紅外圖像，矩形窗口就應(yīng)該取得小一些。
步驟D2:當矩形窗口的中心點位于圖像邊緣的任意一點時，中心點的灰度值保 持不變，窗口內(nèi)的其余各點的灰度值均設(shè)為與邊緣灰度值表示顏色相反的另一個灰度極 值；當矩形窗口的中心點位于非圖像邊緣的任意一點時，矩形窗口內(nèi)的各點的灰度值不 變。根據(jù)前面所述的本實施例的灰度值設(shè)置規(guī)則，本步驟結(jié)束之后獲得的圖像效果為圖 2 (b)所示。
步驟E:設(shè)定并記錄要求解的匹配參數(shù)和匹配效果評價參數(shù)。對于多光譜圖 像，如果它們的視場角不同，那么它們的分辨率和像素數(shù)目也會有所差別。也就說，它 們在尺度上會存在一定的放縮比例。此外，即使多光譜圖像的視場角相同，但是由于儀 器的調(diào)整問題，雖然在拍攝同一場景，但是多光譜圖像還是存在一定的偏移，需要平移 其中一幅光譜圖像才能使它們配準。具體包括下列幾個步驟步驟El:選取D步驟得到的邊緣較密集的一幅圖像(稱為光譜1圖像)為基準，并 隨機產(chǎn)生M組匹配參數(shù)。
步驟E2:選擇步驟El隨機產(chǎn)生的其中的一組匹配參數(shù)，并按照該匹配參數(shù)改變 邊緣較稀疏的圖像(稱為光譜2圖像)的各個像素點的坐標，并用更改后的圖像與基準圖 像(光譜1圖像)進行匹配。匹配參數(shù)有三個，即放大倍數(shù)S、X方向的平移量 和￥ 方向上的平移量yQ，光譜2圖像某邊緣離散點坐標為乂，經(jīng)變換后得到Λ 其變換公式如下其中，放大倍數(shù)〃為正浮點數(shù)，&和為為整數(shù)。對于任意一組選定的匹配參數(shù)&， χ,,力)，將光譜2圖像的每一個邊緣離散點坐標轉(zhuǎn)換為新的坐標點。
步驟Ε3:以步驟Ε2得到的任意一個新坐標點為中心，對其鄰域進行掃描，并根 據(jù)該鄰域內(nèi)的基準圖像的點出現(xiàn)的位置求出該點的匹配度評分。對于變換后的光譜2圖 像的某個新的坐標點，若在其3X3鄰域坐標中至少有一個是光譜1圖像的邊緣離散點， 那么該點的匹配度評分為1 ；若在其4X4鄰域坐標中才有一個是光譜1圖像的邊緣離散 點，那么該點的匹配度評分為0.8;若在其5X5鄰域坐標中才有一個是光譜1圖像的邊緣 離散點，那么該點的匹配度評分為0.6。掃描鄰域的大小可以根據(jù)用戶對容錯性的要求來 自行設(shè)置，一般掃描到5X5鄰域就可以。
步驟Ε4:重復執(zhí)行步驟Ε3，直至求出所有新坐標點的匹配度評分，并根據(jù)各點 的匹配度評分求出匹配效果評價參數(shù)份。給定匹配參數(shù)并且獲取了所有新坐標點的匹配 度評分后，還需要有能夠?qū)D像整體匹配效果進行評價的參數(shù)，以便確定當達到最好匹 配效果時的匹配參數(shù)。這個評價標準就是匹配效果評價參數(shù)份。在求份時，首先要初始化份=0，然后將各點的匹配度評分相加即可。份值越大，表示匹配效果越好，反之就越差。
步驟E5 重復執(zhí)行步驟E2、步驟E3和步驟E4，求解所有由步驟El隨機產(chǎn)生 的M組匹配參數(shù)的匹配效果評價參數(shù)份。
步驟E6:利用粒子群優(yōu)化方法對匹配參數(shù)進行優(yōu)化求解，獲得最佳匹配效果。 粒子群優(yōu)化算法的基本原理如下設(shè)在#維搜索空間中，有Λ/個粒子組成的初始種群, 其中第i個粒子的空間位置
權(quán)利要求
1.1、一種基于邊緣檢測的多光譜圖像快速匹配方法，其特征在于所述圖像快速匹 配方法包括以下步驟A、獲取任意視場角下同一場景的多光譜圖像的灰度圖；B、對A步驟獲得的各灰度圖進行濾波去噪，獲得平滑的灰度圖像；C、對B步驟獲得的平滑的灰度圖進行邊緣提??；D、用預(yù)設(shè)的矩形窗口過濾掉C步驟得到的圖像的部分邊緣點，獲得邊緣離散灰度點 陣圖；E、設(shè)定要求解的匹配參數(shù)，并利用粒子群優(yōu)化方法對匹配參數(shù)進行優(yōu)化求解，獲得 最佳匹配參數(shù)。
2.2、根據(jù)權(quán)利要求1所述的基于邊緣檢測的圖像快速匹配方法，其特征在于在所 述B步驟中對灰度圖像濾波去噪之前先對灰度圖像進行圖像增強處理。
3.3、根據(jù)權(quán)利要求1所述的基于邊緣檢測的多光譜圖像快速匹配方法，其特征在 于所述C步驟包括步驟Cl:利用一階差分模板與B步驟獲得的平滑的灰度圖卷積，獲得圖像的梯度幅 值和方向；步驟C2:對步驟Cl獲得的梯度幅值做非極大值抑制，并將獲得的邊緣的灰度值 設(shè)置為灰度值的一個極值，其余各點均設(shè)為與邊緣灰度值表示顏色相反的另一個灰度極 值；步驟C3:利用雙閾值法對步驟C2獲得結(jié)果進行檢測和修補，獲得完整的邊緣圖像。
4.4、根據(jù)權(quán)利要求3所述的基于邊緣檢測的多光譜圖像快速匹配方法，其特征在 于所述步驟Cl中所用的一階差分模板為Sobel算子。
5.5、根據(jù)權(quán)利要求1所述的基于邊緣檢測的多光譜圖像快速匹配方法，其特征在 于所述D步驟包括步驟Dl 利用預(yù)設(shè)的矩形窗口對C步驟得到的圖像的每一個像素點以行或列的掃描 方式進行掃描識別；步驟D2:當矩形窗口的中心點位于圖像邊緣的任意一像素點時，中心點的灰度值保 持不變，窗口內(nèi)的其余各像素點的灰度值均設(shè)為與邊緣灰度值表示顏色相反的另一個灰 度極值；當矩形窗口的中心點位于非圖像邊緣的任意一像素點時，矩形窗口內(nèi)的各像素 點的灰度值不變。
6.6、根據(jù)權(quán)利要求5所述的基于邊緣檢測的多光譜圖像快速匹配方法，其特征在 于所述矩形窗口為正方形窗口，且大小根據(jù)圖像邊緣的像素點的密集度設(shè)置。
7.7、根據(jù)權(quán)利要求6所述的基于邊緣檢測的多光譜圖像快速匹配方法，其特征在 于所述正方形窗口的邊長為3、5、7、9或11個像素點。
8.8、根據(jù)權(quán)利要求1所述的基于邊緣檢測的多光譜圖像快速匹配方法，其特征在 于所述E步驟包括步驟El:選取D步驟得到的圖像中邊緣像素點較密集的一幅圖像為基準，并隨機產(chǎn) 生多組匹配參數(shù)；步驟E2:選擇步驟El隨機產(chǎn)生的其中的一組匹配參數(shù)，并按照該匹配參數(shù)改變邊緣較稀疏的圖像的各個像素點的坐標，并用更改后的圖像與基準圖像進行匹配；步驟E3:以步驟E2得到的任意一個新坐標點為中心，對其鄰域進行掃描，并根據(jù)該 鄰域內(nèi)的基準圖像的點出現(xiàn)的位置求出該點的匹配度評分；步驟E4:重復執(zhí)行步驟E3，直至求出所有新坐標點的匹配度評分，并根據(jù)各點的匹 配度評分求出匹配效果評價參數(shù)；步驟E5:重復執(zhí)行步驟E2、步驟E3和步驟E4，求解所有由步驟El隨機產(chǎn)生的匹 配參數(shù)的匹配效果評價參數(shù)；步驟E6:利用粒子群優(yōu)化方法對匹配參數(shù)進行優(yōu)化求解，獲得最佳匹配效果。
9.9、根據(jù)權(quán)利要求8所述的基于邊緣檢測的多光譜圖像快速匹配方法，其特征在 于所述步驟E6包括步驟E6a:設(shè)定粒子數(shù)和迭代次數(shù)，隨機產(chǎn)生多個初始粒子，即El步驟中隨機產(chǎn)生 的多組匹配參數(shù)，并隨機產(chǎn)生初始速度；步驟E6b:根據(jù)當前位置，計算出粒子的適應(yīng)度，并設(shè)置當前位置為個體最好位置；步驟E6c:對每個粒子按設(shè)定的迭代次數(shù)循環(huán)計算的其位置、適應(yīng)度和當前粒子的 最好位置；步驟E6d:循環(huán)結(jié)束后，輸出全局最好位置。
10.根據(jù)權(quán)利要求1至9中任一權(quán)利要求所述的基于邊緣檢測的多光譜圖像快速匹配 方法，其特征在于所述多光譜圖像快速匹配方法用于可見光圖像和紅外圖像的快速匹 配，或者用于紅外圖像和紫外圖像的快速匹配，或者用于可見光圖像和紫外圖像的快速 匹配，或者用于可見光圖像、紅外圖像和紫外圖像三者的快速匹配。
全文摘要
本發(fā)明公開了一種基于邊緣檢測的多光譜圖像快速匹配方法，包括下列幾個步驟A、在任意視場角下，獲取同一場景的多光譜灰度圖；B、對多光譜灰度圖進行圖像增強和濾波去噪；C、對去噪后的多光譜圖像進行邊緣提?。籇、用固定大小的方形窗口對多光譜圖像的邊緣進行過濾，獲得邊緣的離散點陣圖；E、設(shè)定求解的匹配參數(shù)，并利用粒子群優(yōu)化方法對匹配參數(shù)進行優(yōu)化計算，獲取最佳的匹配參數(shù)。本發(fā)明所公開的匹配方法對獲取多光譜圖像時的視場角和探測器鏡頭沒有任何要求，而且具有匹配速度快，魯棒性強和容錯性強的特點。
文檔編號G06K9/54GK102024155SQ20101057479
公開日2011年4月20日 申請日期2010年12月6日 優(yōu)先權(quán)日2010年12月6日
發(fā)明者吳曉松, 薛曉勇 申請人:廣州科易光電技術(shù)有限公司