一种基于形状上下文和HOG特征的异源图像配准方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110796691A(43)申请公布日2020.02.14(21)申请号201810876523.0(22)申请日2018.08.03(71)申请人中国科学院沈阳自动化研究所地址110016辽宁省沈阳市沈河区南塔街114号(72)发明人田建东荣庆轩黄微(74)专利代理机构沈阳科苑专利商标代理有限公司21002代理人许宗富(51)Int.Cl.G06T7/33(2017.01)权利要求书3页说明书11页附图2页(54)发明名称一种基于形状上下文和HOG特征的异源图像配准方法(57)摘要本发明涉及一种基于形状上下文和HOG特征的异源图像配准方法。针对单模态图像包含的信息存在局限性的问题，提出了一种基于形状上下文和HOG特征的红外和可见光图像配准方法。在混合高斯模型前景检测的基础上，通过提出的形状上下文和HOG特征结合的方法实现轮廓特征匹配，再利用TPS转换模型将匹配延伸到整个形状，并使用正则化和缩放特性迭代重组对应关系及估计转换降低估计误差，最后采用RANSAC算法去除错误匹配点。与已有的形状上下文方法相比，此方法结合了边缘和轮廓特征信息，降低了配准误差，提高了异源图像配准率和配准的鲁棒性。CN110796691ACN110796691A权利要求书1/3页1.一种基于形状上下文和HOG特征的异源图像配准方法，其特征在于包括以下步骤：利用混合高斯模型对异源图像进行前景检测，得到目标在各个异源图像序列中每一帧的形状轮廓信息；结合形状上下文算子和HOG梯度描述算子计算联合匹配代价，确定异源图像的两个目标形状轮廓点集的对应关系；采用TPS形变模型转换将对应关系扩展到两个形状上的任意点，得到目标形状的映射关系；对TPS形变模型进行正则化和缩放特性处理，获得两个形状的精确映射位置关系；最后利用RANSAC随机抽样一致性算法去除误匹配点对，迭代得到异源图像的精确配准。2.根据权利要求1所述的一种基于形状上下文和HOG特征的异源图像配准方法，其特征在于：所述异源图像为视觉传感器采集的可见光图像与红外热像仪采集的红外图像。3.根据权利要求1所述的一种基于形状上下文和HOG特征的异源图像配准方法，其特征在于：所述利用混合高斯模型对异源图像进行前景检测包括：1.1模型建立：t时刻任意一个像素点的高斯概率分布其中，K表示高斯分布的个数，这里K＝3，p(Gi)表示权值，Gi表示当前像素点的第i个高斯分布，ωi、μi、∑i和分别表示当前像素点的第i个高斯分布中的权值、均值向量和方差矩阵，g(x，μi，∑i)表示当前像素点的第i个概率密度的高斯分布函数；1.2模型参数更新：对于一幅新的图像中的像素点，当满足|Xt-μi，t-1|＜Dσi，t-1，该像素点为背景像素，需要更新模型参数ωi，t、μi，t、σi，t，如果不满足，则为前景像素；参数更新方式如下：ωi，t＝(1-α)ωi，t-1+αμi，t＝(1-ρ)μi，t-1+ρXt222μi，tσi，t＝(1-ρ)σi，t-1+ρ(Xt-σi，t)其中，Xt为t时刻彩色像素点的值，μi，t-1为第i个高斯分布在t-1时刻的均值，D为自定义参数，这里D＝2.5；α和ρ分别权值更新率和参数更新率，ωi，t为t时刻第i个高斯分布中的权值，μi，t为t时刻第i个高斯分布中的均值向量，σi，t为第i个高斯分布在t时刻的标准差；1.3背景模型更新：对权值ωi，t进行归一化，再按照ωi，t-1/σi，t从大到小的顺序排列；当权值ωi，t之和满足公式时，将该像素点前b个高斯分布模型判断为背景，其他模型判断为前景；T为权值阈值；N为使前b个高斯分布模型权重ωi，t之和大于T的最小的b的值；得到目标前景图像。4.根据权利要求1所述的一种基于形状上下文和HOG特征的异源图像配准方法，其特征在于：所述结合形状上下文算子和HOG梯度描述算子计算联合匹配代价，确定异源图像的两个目标形状轮廓点集的对应关系，包括：2.1对可见光图像、红外图像的目标轮廓点，利用形状上下文描述子分别计算归一化后的K-bin直方图；22.1.1通过边缘检测算子均匀取样获取的轮廓点集P＝{p1，…，pi，…，pn}，pi∈R；2CN110796691A权利要求书2/3页2.1.2采用对数极坐标空间表示离散化处理描述目标形状，得到图像轮廓在对数极坐标下的归一化后的K-bin直方图；将空间坐标系中的位置点(x，y)转换到对数极坐标系，将对数极坐标系空间划分成若干个区域，计算其余n-1个轮廓点相对于任意采样点pi的相对坐标组成的直方图hi(k)表示如下：hi(k)＝#{q≠pi：(q-pi)∈bin(k)}其中，q表示轮廓点集中的其余n-1个轮廓点，bin(k)表示对数极坐标系分成的若干个区域；2