本發明屬于圖像處理技術領域，涉及到圖像配準方法。

背景技術：

圖像配準是針對不同攝像機在不同時間、不同視角下拍攝的兩張或多張同一場景的圖像進行對齊處理的過程，覆蓋了從圖像融合到圖像拼接的許多實際應用領域以及醫學圖像處理、計算機視覺、模式識別等科研領域。目前，圖像配準方法大致可以分為三類：基于灰度信息的配準方法、基于變換域的配準方法和基于特征的配準方法。基于特征的配準方法，圖像配準的魯棒性和穩定性較高，特征點數量豐富，應用范圍較廣，因此受到廣泛關注和研究，如SIFT，SURF，ORB，BRIEF。

Lowe首次提出了尺度不變特征變換的基本思想，并于2004年進行了完善，進而提出了SIFT配準算法。SIFT算法獲得的特征描述符具有完全的旋轉不變性、完全的尺度不變性、基本完全的光照不變性以及部分的仿射不變性。在一般情況下，SIFT算法能夠得到較好的配準結果，但當圖像中存在著大量的相似結構時，通過SIFT算法得到的匹配結果中會出現大量的誤匹配。因此，SIFT提取特征點后，如何剔除誤匹配點對是當前圖像配準算法研究的重點和難點。

最近幾年又出現了許多新思路、新方法或改進算法，對一些經典方法和新出現的方法作了概述，并將去除誤匹配方法分為以下幾類：

1.目前常用的方法是利用對極幾何約束去除誤匹配，如隨機取樣一致性算法(RANSAC)。然而，RANSAC算法迭代次數較多，運行耗時，而且受初始點集的影響很大，而且在去除誤匹配的同時又使得大量正確匹配點對被誤刪。

2.基于特征點的中值濾波算法，然后采用兩次改進的RANSAC算法刪除誤配,提高正確匹配角點的數量,最后對仿射變換模型參數進行非線性優化以進一步降低圖像的配準誤差.但該算法不能徹底消除匹配特征點的誤差，且耗時。

缺點：SIFT算法配準是以特征點結構的最優相似程度為依據的，而在特征點集中存在大量的具有相似結構的特征點，這些特征點之間可能并沒有對應關系，因此導致了誤匹配的發生，而忽略真正的正確匹配點對。RANSAC方法受初始點集的影響很大，而且在去除誤匹配的同時又使得大量正確匹配點對被誤刪。

技術實現要素：

為了克服現有的圖像配準方法的匹配準確性較差的不足，本發明提供一種有效去除誤匹配且同時避免正確匹配點、準確性較高的基于SIFT和驗證機制的圖像配準方法。

本發明解決其技術問題所采用的技術方案是：

一種基于SIFT和驗證機制的圖像配準方法，所述配準方法包括以下步驟：

1)利用SIFT算法從參考圖像和待匹配圖像中提取特征點；

2)從圖像中提取角點集，得到初步的對應角點集合，過程如下：

2.1)利用Harris角點算法提取角點，計算原始圖像中每個像素點對應的角點響應函數CRF，響應函數CRF所對應的極大值點就是圖像的角點位置；

2.2)在角點集中任意選取4點集X＝{a,b,c,d}，確定了兩個獨立的比值，每一個比值是有三個共線的點計算得到的，ab和cd在一個中間點相交與e，以下式(1)和(2)得到兩個比值:

對于給出的n個點的集合Q，兩個仿射不變的比值r₁和r₂，在O(n²+k)時間內有效地提取所有的根據兩個不變量所確定的4點集，k代表所記錄的4點集的個數，如下：對于Q中的每一對q₁,q₂，計算兩個交點：

e₁＝q₁+r₁(q₂-q₁) (3)

e₂＝q₁+r₂(q₂-q₁) (4)

任意兩對點對的中間交點是一致的，一個根據r₁產生，一個根據r₂產生，可能對應于一個4點集，它是B的仿射變換的副本；因為點e₁和e₂在同一坐標系，利用鄰域搜索結構來搜索重合點還是較快的；

首先，根據上述所描述的，對于給出的B，計算在這個平面上的兩個仿射不變量；然后從點集Q中，提取了所有的通過仿射變換與B相近的點集；雖然這種方式產生了所需要的4點集的超集，對于剛性變換得到的誤匹配對是有限的；

為了移除不一致的4點集，尋找它們在圖像中原始的位置，驗證對應點集是否滿足基準點集B的在剛性變化下的約束；

2.3)驗證機制，過程如下：

對于S1中的4點集{a,b,c,d}分別構成了兩個三角形Δabc,Δabd，設a(x₁,y₁),b(x₂,y₂),c(x₃,y₃)，S為這三個點組成的三角形的面積，則S通過下式計算

那么對于S2中的對應的{a',b',c',d'}，對應的兩個三角形Δa'b'c',Δa'b'd'，分別求出它們的面積，若滿足下式：

就認為兩個4點集是匹配的，否則，認為這是一對誤匹配對，根據確定的正確角點對a和a'、b和b'，將a和a'作為后續匹配的基準點，而向量作為基準方向；

3)匹配點對的角度約束，過程如下：

首先，利用SIFT算法得到初始匹配的特征點集，即第一幅圖像中的特征點集X和第二幅圖像的特征點集Y，對于X中的任一特征點X_i，SIFT采用關鍵點特征向量的歐氏距離作為兩幅圖像中關鍵點的相似性判定度量；取參考圖像中的某個關鍵點，并找出其與待匹配圖像中歐式距離最近的前兩個關鍵點，在這兩個關鍵點中，如果最近的距離除以次近的距離少于某個比例閾值，加入如下判斷機制：

在參考圖像中的待匹配的點X_i與基準點連線，并計算它與基準方向的夾角θ₁，同時對待匹配圖像做同樣的處理，得到它與基準方向的夾角為θ₂，計算θ₂與θ₁的差的絕對值θ_ddangle，若滿足下面的式子(7)，就認為它們為一對匹配點；

θ_ddangle＝|θ₁-θ₂|≤μ_{angleThreshold} (7)

其中，μ_{angleThreshold}是角度之差的閾值，因為考慮到每一幅圖像間的仿射存在的差異可能不同，不能統一的確定一個閾值，通過大量實驗，得出μ_{angleThreshold}在[0,20]之間匹配的效果最好。

本發明的技術構思為：本發明提出的基于SIFT和驗證機制的圖像配準方法。首先，通過改進后的SIFT算法從參考圖像和待匹配圖像中提取特征。其次，利用Harris算法提取出可以作為匹配過程中基準點的角點，以兩個角點的連接線作為基準方向。然后，對于SIFT算法匹配出來的特征點對，分別與各自圖像中的基準點連線，并計算其與基準方向之間的夾角，通過計算夾角之間的差值來判斷是否滿足所設定的閾值條件，若符合，則視其為匹配點對，反之，則為誤匹配

本發明的有益效果為：克服了現有SIFT算法所存在的不足，在其基礎上利用特征點之間的空間位置信息，根據仿射變換的不變性，利用角度約束，增添驗證機制模塊，對配準算法進行優化；有效去除誤匹配且同時避免正確匹配點、準確性較高。

附圖說明

圖1是基于SIFT和驗證機制的圖像配準算法的流程圖。

圖2是提取的角點集示意圖，其中，(a)為參考圖像，(b)為待匹配圖像。

圖3是匹配方法的消除誤匹配點對的示意圖，包含與其他算法的比較，(a)為RANSAC算法的匹配結果的局部示意圖，圖中對誤匹配點對進行了標記；(b)為利用基于SIFT和驗證機制的圖像配準算法消除誤匹配點對的結果圖。

圖4是匹配算法的匹配結果圖，其中，(a)為尺度改變及視角變換下的匹配效果圖，(b)為光照變化下的匹配結果圖。

具體實施方式

下面結合附圖對本發明作進一步描述。

參照圖1～圖4，一種基于SIFT和驗證機制的圖像配準方法，所述配準方法包括以下步驟：

1)利用SIFT算法從參考圖像和待匹配圖像中提取特征點集T1,T2；

2)從圖像中提取角點集，得到初步的對應角點集合P，Q，過程如下：

2.1)利用Harris角點算法提取角點，計算原始圖像中每個像素點對應的角點響應函數CRF，響應函數CRF所對應的極大值點就是圖像的角點位置；

2.2)在角點集中任意選取4點集X＝{a,b,c,d}，確定了兩個獨立的比值，每一個比值是有三個共線的點計算得到的，ab和cd在一個中間點相交與e，注意可能經常選具有交叉點的點對，以下式(1)和(2)得到兩個比值:

對于給出的n個點的集合Q，兩個仿射不變的比值r₁和r₂，可以在O(n²+k)時間內有效地提取所有的根據兩個不變量所確定的4點集，k代表所記錄的4點集的個數，如下：對于Q中的每一對q₁,q₂，計算兩個交點：

e₁＝q₁+r₁(q₂-q₁) (3)

e₂＝q₁+r₂(q₂-q₁) (4)

任意兩對點對的中間交點是一致的，一個根據r₁產生，一個根據r₂產生，可能對應于一個4點集，它是B的仿射變換的副本。因為點e₁和e₂在同一坐標系，利用鄰域搜索結構來搜索重合點還是較快的；

首先，根據上述所描述的，對于給出的B，計算在這個平面上的兩個仿射不變量；然后，從點集Q中，提取了所有的通過仿射變換與B相近的點集；雖然這種方式產生了所需要的4點集的超集，對于剛性變換得到的誤匹配對是有限的；

為了移除不一致的4點集，尋找它們在圖像中原始的位置，驗證對應點集是否滿足基準點集B的在剛性變化下的約束；

2.3)驗證機制，過程如下：

對于S1中的4點集{a,b,c,d}分別構成了兩個三角形Δabc,Δabd，設a(x₁,y₁),b(x₂,y₂),c(x₃,y₃)，S為這三個點組成的三角形的面積，則S通過下式計算

那么對于S2中的對應的{a',b',c',d'}，對應的兩個三角形Δa'b'c',Δa'b'd'，分別求出它們的面積，若滿足下式：

就認為兩個4點集是匹配的，否則，認為這是一對誤匹配對，該方法可有效地刪除不一致點對；根據確定的正確角點對a和a'、b和b'，將a和a'作為后續匹配的基準點，而向量作為基準方向；

3)匹配點對的角度約束，過程如下：

首先利用SIFT算法得到初始匹配的特征點集，即第一幅圖像中的特征點集X和第二幅圖像的特征點集Y；對于X中的任一特征點X_i，SIFT采用關鍵點特征向量的歐氏距離來作為兩幅圖像中關鍵點的相似性判定度量；取參考圖像中的某個關鍵點，并找出其與待匹配圖像中歐式距離最近的前兩個關鍵點，在這兩個關鍵點中，如果最近的距離除以次近的距離少于預設比例閾值，加入一個判斷機制：

在參考圖像中的待匹配的點X_i與基準點連線，并計算它與基準方向的夾角θ₁，同時對待匹配圖像做同樣的處理，得到它與基準方向的夾角為θ₂，計算θ₂與θ₁的差的絕對值θ_ddangle，若滿足下面的式子(7)，就認為它們為一對匹配點。

θ_ddangle＝|θ₁-θ₂|≤μ_{angleThreshold} (7)

其中，μ_angleThresho_ld是角度之差的閾值。因為考慮到每一幅圖像間的仿射存在的差異可能不同，不能統一的確定一個閾值，通過大量實驗，得出μ_{angleThreshold}在[0,20]之間匹配的效果最好。本實施例的基于SIFT和驗證機制的圖像配準方法，包括以下步驟：

1)利用SIFT算法從參考圖像和待匹配圖像中提取特征點；

2)利用Harris角點算法提取角點作為基準點，用驗證機制確保正確的角點對，如圖2所示，連接兩個角點，作為基準方向；

3)對于SIFT算法匹配出來的特征點對，分別與各自圖像中的基準點連線，并計算其與基準方向之間的夾角，計算夾角之間的差值是否滿足所設定的閾值條件，若符合，則視其為匹配點對，如圖3所示。