基于对象间粗大边缘和拟合的异源图像匹配的方法

摘要

本发明公开了一种基于对象间粗大边缘和拟合的异源图像匹配的方法，根据可见光、红外和雷达等异源图像中对象间的粗大边缘具有可匹配的共性特点，提出了基于对象间粗大边缘的异源图像匹配的方法，现有基于边缘的匹配方法容易受到边缘局部突变点、毛刺、变形和残缺影响，采用基于道格拉斯-普克拟合的方法以去除这些影响，对保留的边缘点构建二维几何特征不变量，以此进行相似性的度量和边缘点的匹配。本发明实现了可见光、红外与雷达异源图像的匹配。

主权项

基于对象间粗大边缘和拟合的异源图像匹配的方法，其特征在于，包括以下步骤：(1)为了能得到图像中比较完整的长边缘，对图像进行融合颜色和纹理特征的图像聚类分割；(2)利用边缘检测算法对聚类后的图像进行边缘检测，并采用边界跟踪算法对边缘检测的结果进行断点连接和边缘跟踪，得到原图像的边缘点序列；(3)采用基于道格拉斯‑普克多边形拟合的算法对边缘曲线进行拟合，以克服噪声和变形的影响；(4)对拟合的边缘点构建二维几何特征不变量描述子，用于相似性的度量并利用该描述子进行边缘点的匹配，在所述步骤(1)中，对图像进行融合颜色和纹理特征的图像聚类分割过程包括以下步骤：(11)建立图像的3D直方图，通过无监督的峰值查找算法，得到其局部极值点，对应的颜色量化值作为图像的近似主色成分；(12)以熵图像作为图像纹理特征的度量，得到纹理图像；(13)根据(11)、(12)两步的结果构建4维特征空间，综合图像的颜色和纹理特征描述，并在该特征空间对图像像素点进行K均值聚类，从而得到整幅图像的聚类分割；针对3D直方图的无监督的峰值查找算法，包括以下步骤：(111)对3D直方图中的每个颜色标记点，在其26邻域内比较对应的像素个数，得到26邻域内的局部极大值点集P1；(112)从P1中剔除频率值较小的极值点，即对P1中的点，如果原图中与该点颜色值近似的像素数小于某一阈值，则予以剔除，从而得到一个新的点集P2，其中对应点的颜色量化值即作为图像的近似主色成分；在所述步骤(4)中，对拟合的边缘点构建二维几何特征不变量描述子过程中，特征点p2的距离特征量表示为： dist ( P 2 ) = max { | P 2 P 1 → | , | P 2 P 3 → | } min { | P 2 P 1 → | , | P 2 P 3 → | } 其中，p1、p3表示与特征点p2相邻的两个特征点；特征点P2的角度特征量表示为： α ( P 2 ) = arccos ( x 1 - x 2 ) ( x 3 - x 2 ) + ( y 1 - y 2 ) ( y 3 - y 2 ) | P 2 P 1 → | | P 2 P 3 → | 其中，(x1，y1)、(x2，y2)、(x3，y3)分别表示特征点p1、p2、p3的坐标；在所述步骤(4)中，根据描述子进行边缘点的匹配过程中，对第一幅图像中的每个边缘点，遍历另一幅图像中的所有边缘点，比较两个点间的描述子差异，如果两个特征量差值均在一定范围内，则认为是正确的匹配对。