1.一种偏振图像配准方法,其特征在于,包括以下步骤:
11)偏振图像的获取,获取偏振参考图像I1和偏振待配准图像I2;
12)偏振图像的特征提取,使用Hessian‑Affine仿射不变检测算子对偏振参考图像I1和偏振待配准图像I2提取特征点,并得到两个对应的仿射不变的椭圆区域;建立椭圆区域与固定大小圆形的映射关系,将椭圆区域正规化为圆形区域,特征点的坐标,以及以这个特征点为中心的圆形区域定义为初选特征;
13)初选特征匹配,利用改进的归一化互相关匹配方法对初选特征进行匹配;所述初选特征匹配包括以下步骤:
131)将圆形区域外切得到矩形区域;
132)利用矩形区域计算参考图像I1和待配准图像I2所有特征点间的互相关值,其计算公式如下:
其中,参考图像I1中第i个特征点pi和待配准图像I2中第qj个特征点对应的窗口像素的灰度值分别是I1(x,y)和I2(x,y), 和 代表两幅图像在对应窗口中的所有像素点的平均值;
133)根据双向匹配策略完成匹配,双向匹配策略为在两幅图像中的两个特征点需满足彼此互相关值最大才能成为匹配对;
14)变换参数模型的获得,利用随机抽样一致性方法剔除错误匹配对,获得最佳匹配点对和变换模型M';
15)调整变换模型的平移参数,利用上采样矩阵乘法修正变换模型的参数;
16)配准结果的获得,将偏振待配准图像I2按修改后的变换模型做变换,并通过双线性插值进行重采样,获得配准结果。
2.根据权利要求1所述的一种偏振图像配准方法,其特征在于,所述的偏振图像的特征提取具体包括以下步骤:
21)利用Hessian矩阵H(L)在图像的尺度空间上提取特征点,其表达式如下所示:其中:z表示图像中的点,Lxy和Lyx是使用高斯尺度值σ对图像进行高斯平滑后分别在x和y方向混合微分的结果,Lxx和Lyy表示在x和y方向上的二阶微分;
22)利用Laplacian算子计算图像特征点的特征尺度;
23)利用特征点处二阶矩阵的特征值和特征向量估算特征点的仿射椭圆区域,其特征值决定椭圆的长短半轴大小,椭圆的方向由特征向量决定;
图像局部区域的结构特征由特征点邻域的二阶矩μ表示,并且该区域的二阶矩近似成一个椭圆区域,则在此椭圆区域基础上生成具有仿射不变特征描述子,仿射空间内给定点x的二阶矩定义为:
其中,∑I和∑D分别为用来计算积分与差分高斯核的协方差矩阵, 为梯度算子;
24)将椭圆仿射区域归一化为圆形区域;在迭代的过程中不断调整特征点的尺度、位置和形状,通过归一化的方法将仿射形变转化为旋转变换;
设两幅图间对应的特征点为xL和xR,他们之间满足仿射变换,xR=AxL,ML和MR分别表示特征点xL和xR邻域的二阶矩;
仿射变换可定义为:
其中,R是一个正交矩阵,表示任意的旋转变换,点xL和xR的邻域内的点分别通过变换和 进行归一化变为圆形区域,而且归一化后区域间仅仅存在一个旋转变换x'L=Rx'R;
25)在归一化的圆形区域中重新检测新的特征点,并利用Laplacian算子重新计算其尺度信息;
26)若新特征点的局部区域的二阶矩阵的特征值相等,则检测结束,否则利用新特征点及其特征尺度代替原来的特征点和尺度,返回步骤23)继续处理。
3.根据权利要求1所述的一种偏振图像配准方法,其特征在于,所述变换参数模型的获得包括以下步骤:
31)设得到特征点匹配对集合为C={c1,c2,...cs},随机抽样n对匹配对集合S,求得初始化模型为M;
32)集合C中除随机抽取的n对匹配对外,计算余下的所有特征对分别在模型M下的均方根误差;若小于设定阈值t,则该特征对被加入内点集Ct;
33)如果最终求得的内点集的大小N大于设定的阈值Nt,则认为模型M为正确的模型,并根据内点集Ct重新计算出新模型M';然后重新随机抽取新的S,重复31)步骤至33)步骤;
34)在完成预设定的抽样次数后,选取抽样后得到的最大集合S={s1,s2,...sm},并返回对应的新模型M',则匹配对集合为S={s1,s2,...sm},设第i对匹配对中两个特征点对应的正规化矩形区域为Ri和R'i。
4.根据权利要求1所述的一种偏振图像配准方法,其特征在于,所述调整变换模型的平移参数包括以下步骤:
41)利用上采样矩阵乘法可以求出矩形区域Ri和R'i之间的亚像素平移量(txi,tyi),然后求出s对匹配对的矩形区域之间的平移量,最后求出s对亚像素平移量的平均值
42)把变换模型M'的平移参数修改为