基于相位特征与边缘特征的红外与可见光图像配准方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN116030106A(43)申请公布日2023.04.28(21)申请号202310111506.9(22)申请日2023.02.14(71)申请人南京航空航天大学地址210016江苏省南京市秦淮区御道街29号申请人南京航空航天大学秦淮创新研究院(72)发明人曹钧彦赵伟(74)专利代理机构南京瑞弘专利商标事务所(普通合伙)32249专利代理师吴玥(51)Int.Cl.G06T7/33(2017.01)G06T7/13(2017.01)权利要求书2页说明书6页附图1页(54)发明名称基于相位特征与边缘特征的红外与可见光图像配准方法(57)摘要本发明公开一种基于相位特征与边缘特征的红外与可见光图像配准方法。获取同一场景下的红外和可见光图像，对图像尺度预处理，获取相位一致性信息；分别获取红外与可见光图像的最大矩图和最小矩图，获取对应的叠加矩图，并对叠加矩图构建尺度空间，最后通过非极大值抑制方法筛选特征点；根据红外与可见光图像的相位一致性信息中的多角度多尺度卷积序列，在每个尺度计算最大方向索引，构建多尺度最大索引图，结合相位一致性边缘构建特征点的特征描述符；通过特征描述符之间的欧式距离匹配特征点，得到红外与可见光图像之间最优的变换矩阵。克服了红外与可见光图像差异过大导致的传统方法配准失败问题，实现精度高和鲁棒性好的红外与可见光图像配准。CN116030106ACN116030106A权利要求书1/2页1.基于相位特征与边缘特征的红外与可见光图像配准方法，其特征在于，包括以下步骤：步骤一：获取同一场景下的红外图像和可见光图像，对所述红外图像和所述可见光图像进行尺度预处理，然后采用滤波器分别对所述红外图像和所述可见光图像进行卷积计算，获得所述红外图像和所述可见光图像的相位一致性信息；步骤二：根据所述红外图像和所述可见光图像的相位一致性信息，分别获取所述红外图像和所述可见光图像的最大矩图和最小矩图，然后将所述最大矩图、最小矩图加权叠加，得到所述红外图像和所述可见光图像的叠加矩图，并对所述叠加矩图构建尺度空间，在不同尺度图像上分块均匀提取特征点，最后通过非极大值抑制方法筛选特征点；步骤三：根据红外和可见光图像的相位一致性信息中的多角度多尺度卷积序列，构建多尺度最大索引图，并根据红外和可见光图像的多尺度最大索引图和相位一致性边缘图构建特征点的特征描述符；步骤四：通过特征描述符之间的欧式距离匹配特征点，再筛选误匹配点，最后得到红外和可见光图像之间最优的变换矩阵。2.根据权利要求1所述的基于相位特征与边缘特征的红外与可见光图像配准方法，其特征在于，步骤一的实现过程为：(1.1)对所述红外图像和所述可见光图像进行降采样处理，使得所述红外图像和所述可见光图像的分辨率相同；(1.2)采用二维Log‑Gabor滤波器对降采样处理之后的所述红外图像和所述可见光图像进行卷积计算，分别获取降采样处理之后的所述红外图像和所述可见光图像中每个像素的不同方向、尺度二维Log‑Gabor滤波器的响应值和相位一致性信息。3.根据权利要求2所述的基于相位特征与边缘特征的红外与可见光图像配准方法，其特征在于，步骤二中提取特征点的过程包括以下步骤：(2.1)计算响应值的最大矩和最小矩，构成与降采样处理之后的红外图像和可见光图像分辨率大小相同的最大矩图和最小矩图，将最大矩图和最小矩图加权叠加，经过归一化分别得到所述红外图像和所述可见光图像的叠加矩图；(2.2)对所述红外图像和所述可见光图像的叠加矩图分别构建尺度空间获取尺度图像，将每个尺度图像划分为互不重叠、大小相等的图像块，在每个图像块中通过Harris角点检测算法提取角点，若提取的角点个数低于n，则降低Harris检测算法提取角点的阈值再重新提取角点，其中n为预设常数，最后利用非极大值抑制方法筛选特征点，得到所述红外图像和所述可见光图像的特征点。4.根据权利要求3所述的基于相位特征与边缘特征的红外与可见光图像配准方法，其特征在于，步骤三中特征描述符的构建包括：(3.1)设定相位一致性信息中的多角度多尺度卷积序列具有Ns个尺度和No个方向，在每个尺度中构建最大索引图，计算方法为：其中，As,o(x,y)是二维Log‑Gabor滤波器在尺度为s、方向为o时，红外和可见光图像的像素点(x,y)处的响应值，kNs(x,y)是像素点(x,y)在尺度s下的最大索引图，组2CN116030106A权利要求书2/2页成了多尺度最大索引图；(3.2)构建相位特征，在所述多尺度最大索引图中，将以特征点为中心的选定矩形区域划分为6×6个子区域，每个子区域由16×16个像素组成；在每个子区域中，对所述多尺度最大索引图进行直方图统计，最后将Ns个尺度的结果加权累加，具体计算过程为：其中，V