本發(fā)明屬于數(shù)字圖像處理技術(shù)領(lǐng)域，適用于圖像配準(zhǔn)效果的定量評估。

背景技術(shù)：

在圖像處理領(lǐng)域，對于圖像處理結(jié)果的評判往往是以人的主觀評價為主導(dǎo)，受觀察者主觀因素影響較大，有時需要用客觀的量化指標(biāo)來配合主觀評價。

對配準(zhǔn)效果的定量評估，是圖像配準(zhǔn)領(lǐng)域的一個重要內(nèi)容。真實的圖像配準(zhǔn)常常由于沒有準(zhǔn)確的衡量標(biāo)準(zhǔn)，導(dǎo)致算法的有效性無法得到可觀評估，從而影響后續(xù)的圖像處理分析及效果。

配準(zhǔn)精度是圖像配準(zhǔn)的一項重要指標(biāo)，通常以像素為單位，反映了配準(zhǔn)圖像之間形變的一致性，直接影響后續(xù)的圖像融合、拼接，以及目標(biāo)識別等處理效果。由于存在平移、縮放、旋轉(zhuǎn)等形變，配準(zhǔn)后的圖像與參考圖像之間往往不能實現(xiàn)完全精確配準(zhǔn)，而是存在一定的誤差，精度誤差越小則表明配準(zhǔn)結(jié)果中的像素位置估計與參考圖像越一致，配準(zhǔn)效果越好；反之亦然。

技術(shù)實現(xiàn)要素：

本發(fā)明的發(fā)明目的在于提出了一種基于特征點映射的圖像配準(zhǔn)精度評估方法，該方法通過計算配準(zhǔn)后圖像的特征點與參考圖像特征點之間的距離誤差，客觀評判圖像配準(zhǔn)效果。

本發(fā)明的發(fā)明目的通過以下技術(shù)方案實現(xiàn)：

一種基于特征點映射的圖像配準(zhǔn)精度評估方法，包含以下步驟：

步驟1)自動提取參考圖像和待配準(zhǔn)圖像的若干特征點；

步驟2)選擇合適的幾何空間變換模型計算出變換矩陣，完成參考圖像和待配準(zhǔn)圖像的配準(zhǔn)；

步驟3)利用步驟2)所用的變換矩陣將配準(zhǔn)后圖像的特征點映射到參考圖像上；

步驟4)統(tǒng)計映射到參考圖像上的特征點與從參考圖像上提取的特征點之間的距離誤差；

步驟5)設(shè)定誤差閾值，通過k-means聚類方法將特征點之間的距離誤差分為兩個聚類，(1)若兩個聚類中心的距離誤差都超過誤差閾值，則認(rèn)為配準(zhǔn)失??；(2)若兩個聚類中心的距離誤差都小于誤差閾值，則認(rèn)為所有特征點配準(zhǔn)成功，取兩個聚類中心的距離誤差的平均值作為圖像配準(zhǔn)誤差；(3)若一個聚類中心的距離誤差大于誤差閾值，而另一個聚類中心的距離誤差小于誤差閾值，則認(rèn)為距離誤差較大的特征點屬于誤匹配特征點，取較小的距離誤差作為圖像配準(zhǔn)誤差。

本發(fā)明的有益效果在于：本發(fā)明提供的方法能夠有效評估圖像配準(zhǔn)的精度，幫助研究者有針對性的降低數(shù)據(jù)誤差，改進(jìn)算法性能，提高圖像配準(zhǔn)精度，以獲取高分辨率圖像；同時，由于該方法采用基于自動特征提取的配準(zhǔn)算法，避免了人工選點的干擾和局限，從驗證層面來說也有助于提高算法的運算效率，達(dá)到了提高識別率和精確度的目的，在許多實際應(yīng)用中具有重要意義。

附圖說明

圖1為基于特征點映射的圖像配準(zhǔn)精度評估方法的流程示意圖。

具體實施方式

下面結(jié)合附圖和實施例對本發(fā)明作進(jìn)一步的詳細(xì)說明。

如圖1所示，本實施例所示一種基于特征點映射的圖像配準(zhǔn)精度評估方法由計算機程序?qū)崿F(xiàn)，主要內(nèi)容如下：

步驟1)完成參考圖像和待配準(zhǔn)圖像的特征點自動提取；

步驟2)根據(jù)成像條件選取合適的幾何空間變換模型計算出變換矩陣，完成待配準(zhǔn)圖像與參考圖像的空間配準(zhǔn)；

步驟3)利用步驟2)中的變換矩陣將配準(zhǔn)后的圖像的特征點映射至參考圖像中；

步驟4)統(tǒng)計映射到參考圖像上的特征點與步驟1)中參考圖像上提取的特征點之間的距離誤差(單位：像素)；

步驟5)設(shè)置誤差閾值t1，誤差閾值t1的選取與參考圖像和待配準(zhǔn)圖像的分辨率、圖像配準(zhǔn)精度要求有關(guān)，可根據(jù)實際情況設(shè)定，通常配準(zhǔn)精度誤差為1～2個像素。利用k-means聚類方法，將所有特征點之間的距離誤差分為兩個聚類，并分別對兩個聚類的聚類中心的距離誤差ε1、ε2進(jìn)行分析判斷：(1)若兩個聚類中心的距離誤差ε1、ε2都超過誤差閾值t1，則認(rèn)為匹配失??；(2)若兩個聚類中心的距離誤差ε1、ε2都小于誤差閾值t1，則認(rèn)為所有特征點匹配成功，配準(zhǔn)誤差取二者平均值(3)若一個聚類中心的距離誤差ε1大于誤差閾值t1，而另一個聚類中心的距離誤差ε2小于誤差閾值t1，則認(rèn)為距離誤差較大的特征點ε1屬于誤匹配特征點，不予以考慮，取較小的距離誤差作為圖像配準(zhǔn)誤差，即ε＝ε2。

可以理解的是，對本領(lǐng)域普通技術(shù)人員來說，可以根據(jù)本發(fā)明的技術(shù)方案及其發(fā)明構(gòu)思加以等同替換或改變，而所有這些改變或替換都應(yīng)屬于本發(fā)明所附的權(quán)利要求的保護范圍。

技術(shù)特征：

技術(shù)總結(jié)
本發(fā)明公開了一種基于特征點映射的圖像配準(zhǔn)精度評估方法，包含以下步驟：1)自動提取參考圖像和待配準(zhǔn)圖像的若干特征點；2)選擇合適的幾何空間變換模型計算出變換矩陣，完成參考圖像和待配準(zhǔn)圖像的配準(zhǔn)；3)將配準(zhǔn)后圖像的特征點映射到參考圖像上；4)統(tǒng)計映射到參考圖像上的特征點與從參考圖像上提取的特征點之間的距離誤差；5)通過K?means聚類方法對特征點之間的距離誤差進(jìn)行分析，計算圖像的配準(zhǔn)誤差。本發(fā)明提供的方法能夠有效評估圖像配準(zhǔn)的精度，幫助研究者有針對性的降低數(shù)據(jù)誤差，改進(jìn)算法性能，提高圖像配準(zhǔn)精度，以獲取高分辨率圖像。

技術(shù)研發(fā)人員：王雪;于福江;徐國靖
受保護的技術(shù)使用者：中國航空無線電電子研究所
技術(shù)研發(fā)日：2017.04.19
技術(shù)公布日：2017.10.10