基于图像特征和互信息的图像配准方法

摘要

本发明公开一种基于图像特征和互信息的图像配准方法，主要用于提高现有基于互信息配准方法的精确度。其实现步骤为：(1)输入两幅图像，一幅为参考图像r，另一幅为浮动图像f；(2)利用SIFT方法分别提取两幅图像的特征点集合P1和P2，并计算P1和P2之间的互信息NMI₁；(3)分别提取两幅图像的轮廓特征，并计算两个轮廓特征之间的互信息NMI₂；(4)以NMI₁和NMI₂的加权和为目标函数，用Powell算法进行优化，当互信息NMI₁和NMI₂的加权和最大时，获得配准参数；(5)显示配准后的图像。本发明具有配准结果准确率高、鲁棒性好的优点，可用于图像融合、变化检测等技术领域中。

主权项

一种基于图像特征和互信息的图像配准方法，包括如下步骤：(1)输入两幅图像，一幅为参考图像r，另一幅为浮动图像f；(2)利用SIFT方法分别提取两幅图像的特征点集合P1和P2，并按照以下公式计算P1和P2之间的互信息NMI₁；$\mathrm{MMI}=\underset{i=1}{\overset{n1}{\Sigma }}\underset{j=1}{\overset{n2}{\Sigma }}{p}_{\mathrm{ij}}\log \frac{p_{\mathrm{ij}}}{\underset{k=1}{\overset{n1}{\Sigma }}{p}_{\mathrm{jk}}\underset{l=1}{\overset{n2}{\Sigma }}{p}_{\mathrm{il}}}$其中，n1和n2分别表示特征点集P1和P2中特征点的数目，p_ij是两个点特征集的联合概率分布；(3)分别提取两幅图像的轮廓特征，并按照步骤(2)中的公式计算两个轮廓特征之间的互信息NMI₂；(4)以NMI₁和NMI₂的加权和为目标函数，用Powell算法进行优化，当互信息NMI₁和NMI₂的加权和最大时，获得配准参数；(5)显示配准后的图像。