CN113643341B - 一种基于分辨率自适应的异尺度目标图像配准方法 - Google Patents
一种基于分辨率自适应的异尺度目标图像配准方法 Download PDFInfo
- Publication number
- CN113643341B CN113643341B CN202111184265.8A CN202111184265A CN113643341B CN 113643341 B CN113643341 B CN 113643341B CN 202111184265 A CN202111184265 A CN 202111184265A CN 113643341 B CN113643341 B CN 113643341B
- Authority
- CN
- China
- Prior art keywords
- image
- finite rank
- registration
- rank operator
- operator
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 239000000126 substance Substances 0.000 claims description 6
- 230000006978 adaptation Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 239000002131 composite material Substances 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Editing Of Facsimile Originals (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种基于分辨率自适应的异尺度目标图像配准方法,属于图像处理领域;对一张像素点个数为mn的图像,将其像素点提取出来,看作mn阶有限秩算子A;在将图像放大后,若原图像像素点的个数并不能完全填充放大后的图像,即需要对放大后的图像的像素点进行填充,基于拉格朗日插值法的图像放缩:对有限秩算子A按行进行插值得到有限秩算子B,对有限秩算子B按列插值最终得到有限秩算子C,将得到的有限秩算子C反馈给放大后的图像,即得到拉格朗日插值法放缩图像;使用SIFT图像配准方法进行特征点配准等。将拉格朗日插值法与SIFT图像配准以及比例放缩进行结合用于视频图像中相同汽车异尺度情况的配准放缩处理,使图像配准的像素差显著减小。
Description
技术领域
本发明属于图像数据处理技术领域,具体涉及一种基于分辨率自适应的异尺度目标图像配准方法。
背景技术
现实生活中对前后两张大小不同的视频车辆截图主要通过寻找前后两个车辆上的相同特征点进行比例计算,将计算后的比例用来对图片进行放大或者缩小。而这种问题主要存在由对应特征点计算得到的比例不一定能够将图片放缩到合适的大小,要么普遍放大了,要么普遍缩小了。
例如:在路口监控探头拍摄的视频文件中得到逐帧的汽车运动图片,显然不同帧的同一汽车较近的一帧图像会稍大一点,较远的一帧图像会稍小一点,我们希望将前后两帧中较大的图像自适应的缩小到和较小图像一样的尺寸,或者将较小图片自适应的放大到和较大图像一样的尺寸。由于考虑到不同时间帧下同一辆汽车大小不一致,因此需要建立图像变换算法把远近不同的目标图像拉伸到合适大小。
现有的基于SIFT图像配准的图像放缩方法:
使用SIFT图像配准获得图像的特征点;利用所有的特征点两两连线得到两两特征点之间的距离,对距离求平均数得到一个平均比例;利用上述方法得到的比例对图片进行放缩。但是,该方法的图片放缩效果很不理想,图片放缩后的像素值精度较低。
因此,现阶段需设计一种基于分辨率自适应的异尺度目标图像配准方法,来解决以上问题。
发明内容
本发明目的在于提供一种基于分辨率自适应的异尺度目标图像配准方法,用于解决上述现有技术中存在的技术问题,如:使用SIFT图像配准获得图像的特征点;利用所有的特征点两两连线得到两两特征点之间的距离,对距离求平均数得到一个平均比例;利用上述方法得到的比例对图片进行放缩。但是,该方法的图片放缩效果很不理想,图片放缩后的像素值精度较低。
为实现上述目的,本发明的技术方案是:
一种基于分辨率自适应的异尺度目标图像配准方法,包括以下步骤:
S1、获取图像数据:获取两张图像,若两张图像大小不一致,则进行近大远小放缩;其中,对于一张像素点个数为的图像,将其像素点提取出来,并看作阶有限秩算子;在将图像放大后,若原图像像素点的个数并不能完全填充放大后的图像,即需要对放大后的图像的像素点进行填充,进入步骤S2;
S2、基于拉格朗日插值法的图像放缩:假设放大后的图像需要个像素点,先对有限秩算子按行进行插值得到有限秩算子,然后对有限秩算子按列插值最终得到有限秩算子,将得到的有限秩算子反馈给放大后的图像,即得到拉格朗日插值法放缩图像;
S3、SIFT配准:将步骤S2中的拉格朗日插值法放缩图像,使用SIFT图像配准方法进行特征点配准,将得到的特征点进行两两配对计算比例,之后求取平均值,接着按照平均比例再对图像进行一次基于拉格朗日插值法的图像放缩,即得到异尺度的目标放缩图片。
其中,
其中,
与现有技术相比,本发明所具有的有益效果为:
本发明的创新点在于,将拉格朗日插值法与SIFT图像配准以及比例放缩进行结合用于视频图像中相同汽车异尺度情况的配准放缩处理,使得图像配准的像素差显著减小,解决了将较小或者较大图片放缩不到位的问题。
附图说明
图1为本申请实施例的流程示意图。
图2为本申请实施例的在一个视频图像序列中的第9、10帧捕捉到了一辆灰色小车的前后两帧图像采用不同放缩的效果示意图。
图3为本申请实施例的同一个视频图像序列中的第30、31帧捕捉到了一辆黑色轿车的前后两帧图像采用不同放缩的效果示意图。
图4为本申请实施例的同一个视频图像序列中的第40、41帧捕捉到了一辆黑色轿车的前后两帧图像采用不同放缩的效果示意图。
具体实施方式
下面结合本发明的附图1-附图4,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例:
如图1所示,因此提出一种基于分辨率自适应的异尺度目标图像配准方法,包括以下步骤:
S1、获取图像数据:获取两张图像,若两张图像大小不一致,则进行近大远小放缩;其中,对于一张像素点个数为的图像,将其像素点提取出来,并看作阶有限秩算子;在将图像放大后,若原图像像素点的个数并不能完全填充放大后的图像,即需要对放大后的图像的像素点进行填充,进入步骤S2;
S2、基于拉格朗日插值法的图像放缩:假设放大后的图像需要个像素点,先对有限秩算子按行进行插值得到有限秩算子,然后对有限秩算子按列插值最终得到有限秩算子,将得到的有限秩算子反馈给放大后的图像,即得到拉格朗日插值法放缩图像;
S3、SIFT配准:将步骤S2中的拉格朗日插值法放缩图像,使用SIFT图像配准方法进行特征点配准,将得到的特征点进行两两配对计算比例,之后求取平均值,接着按照平均比例再对图像进行一次基于拉格朗日插值法的图像放缩,即得到异尺度的目标放缩图片。
其中,
其中,
具体的,在一个视频图像序列中的第9、10帧捕捉到了一辆灰色小车的前后两帧图像,较远的一帧中该车辆占据了248*243像素,较近的一帧中车辆占据了397*469像素,要把二者的像素值放缩到近似一样大。
结果如图2所示,采用本申请方案的方法进行图像配准几乎不存在像素差;而采用SIFT图像配准存在-118左右的长像素差、142左右的宽像素差,具体表现为挡风玻璃存在21左右的长像素差、-60左右的宽像素差,保险杠存在-51左右的长像素差、-5左右的宽像素差,车灯存在27左右的长像素差、39左右的宽像素差,车头存在左右的-86长像素差、-10左右的宽像素差。
在同一个视频图像序列中的第30、31帧捕捉到了一辆黑色轿车的前后两帧图像,分别占据了254*254像素、466*590像素,将其像素值放缩到近似一样大。
结果如图3所示,采用本申请方案的方法进行图像配准几乎不存在像素差;而采用SIFT图像配准存在-22左右的长像素差、3左右的宽像素差,具体表现为挡风玻璃存在161左右的长像素差、67左右的宽像素差,保险杠存在173左右的长像素差、-8左右的宽像素差,车灯存在61左右的长像素差、76左右的宽像素差,车头存在左右的42长像素差、65左右的宽像素差。
在同一个视频图像序列中的第40、41帧捕捉到了一辆黑色轿车的前后两帧图像,分别占据了245*230像素、398*422像素,将其像素值放缩到近似一样大。
结果如图4所示,采用本申请方案的方法进行图像配准几乎不存在像素差;而采用SIFT图像配准存在-90左右的长像素差、20左右的宽像素差,具体表现为挡风玻璃存在-60左右的长像素差、77左右的宽像素差,保险杠存在54左右的长像素差、54左右的宽像素差,车灯存在27左右的长像素差、124左右的宽像素差,车头存在左右的-39长像素差、20左右的宽像素差。
因此,将拉格朗日插值法与SIFT图像配准以及比例放缩进行结合用于视频图像中相同汽车异尺度情况的配准放缩处理,使得图像配准的像素差显著减小,解决了将较小或者较大图片放缩不到位的问题。
以上是本发明的较佳实施例,凡依本发明技术方案所作的改变,所产生的功能作用未超出本发明技术方案的范围时,均属于本发明的保护范围。
Claims (3)
1.一种基于分辨率自适应的异尺度目标图像配准方法,其特征在于,包括以下步骤:
S1、获取图像数据:获取两张图像,若两张图像大小不一致,则进行近大远小放缩;其中,对于一张像素点个数为的图像,将其像素点提取出来,并看作阶有限秩算子;在将图像放大后,若原图像像素点的个数并不能完全填充放大后的图像,即需要对放大后的图像的像素点进行填充,进入步骤S2;
S2、基于拉格朗日插值法的图像放缩:假设放大后的图像需要个像素点,先对有限秩算子按行进行插值得到有限秩算子,然后对有限秩算子按列插值最终得到有限秩算子,将得到的有限秩算子反馈给放大后的图像,即得到拉格朗日插值法放缩图像;
S3、SIFT配准:将步骤S2中的拉格朗日插值法放缩图像,使用SIFT图像配准方法进行特征点配准,将得到的特征点进行两两配对计算比例,之后求取平均值,接着按照平均比例再对图像进行一次基于拉格朗日插值法的图像放缩,即得到异尺度的目标放缩图片。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111184265.8A CN113643341B (zh) | 2021-10-12 | 2021-10-12 | 一种基于分辨率自适应的异尺度目标图像配准方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111184265.8A CN113643341B (zh) | 2021-10-12 | 2021-10-12 | 一种基于分辨率自适应的异尺度目标图像配准方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113643341A CN113643341A (zh) | 2021-11-12 |
CN113643341B true CN113643341B (zh) | 2021-12-28 |
Family
ID=78426349
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111184265.8A Active CN113643341B (zh) | 2021-10-12 | 2021-10-12 | 一种基于分辨率自适应的异尺度目标图像配准方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113643341B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102651127A (zh) * | 2012-04-01 | 2012-08-29 | 深圳市万兴软件有限公司 | 一种超分辨率重建的图像处理方法及*** |
KR20140089277A (ko) * | 2012-12-31 | 2014-07-14 | 기초과학연구원 | Sift 특징점에 기반한 손가락 정맥 인증 방법 |
CN106920214A (zh) * | 2016-07-01 | 2017-07-04 | 北京航空航天大学 | 空间目标图像超分辨率重建方法 |
CN107451954A (zh) * | 2017-05-23 | 2017-12-08 | 南京邮电大学 | 基于图像低秩性质的迭代像素插值方法 |
CN107993258A (zh) * | 2017-11-23 | 2018-05-04 | 浙江大华技术股份有限公司 | 一种图像配准方法及装置 |
CN109146940A (zh) * | 2018-08-10 | 2019-01-04 | 山西财经大学 | 一种基于权重相位相关峰值拟合的高精度图像配准方法 |
CN110390640A (zh) * | 2019-07-29 | 2019-10-29 | 齐鲁工业大学 | 基于模板的泊松融合图像拼接方法、***、设备及介质 |
CN110827332A (zh) * | 2019-10-09 | 2020-02-21 | 哈尔滨工程大学 | 一种基于卷积神经网络的sar图像的配准方法 |
CN112686935A (zh) * | 2021-01-12 | 2021-04-20 | 武汉大学 | 基于特征融合的机载测深雷达与多光谱卫星影像配准方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102479380B (zh) * | 2010-11-25 | 2014-01-15 | 北京大学 | 一种提高图像分辨率的图像插值方法及装置 |
KR101904203B1 (ko) * | 2012-06-20 | 2018-10-05 | 삼성전자주식회사 | 시프트 알고리즘을 이용하여 대용량 소스 이미지의 특징점 정보를 추출하는 장치 및 방법 |
CN105809626A (zh) * | 2016-03-08 | 2016-07-27 | 长春理工大学 | 一种自适应光线补偿的视频图像拼接方法 |
CN107330860A (zh) * | 2017-07-03 | 2017-11-07 | 山东财经大学 | 一种基于ct图像边缘的有理插值缩放方法 |
CN108416732A (zh) * | 2018-02-02 | 2018-08-17 | 重庆邮电大学 | 一种基于图像配准与多分辨率融合的全景图像拼接方法 |
WO2019201336A1 (en) * | 2018-04-19 | 2019-10-24 | Shanghaitech University | Light field based reflection removal |
-
2021
- 2021-10-12 CN CN202111184265.8A patent/CN113643341B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102651127A (zh) * | 2012-04-01 | 2012-08-29 | 深圳市万兴软件有限公司 | 一种超分辨率重建的图像处理方法及*** |
KR20140089277A (ko) * | 2012-12-31 | 2014-07-14 | 기초과학연구원 | Sift 특징점에 기반한 손가락 정맥 인증 방법 |
CN106920214A (zh) * | 2016-07-01 | 2017-07-04 | 北京航空航天大学 | 空间目标图像超分辨率重建方法 |
CN107451954A (zh) * | 2017-05-23 | 2017-12-08 | 南京邮电大学 | 基于图像低秩性质的迭代像素插值方法 |
CN107993258A (zh) * | 2017-11-23 | 2018-05-04 | 浙江大华技术股份有限公司 | 一种图像配准方法及装置 |
CN109146940A (zh) * | 2018-08-10 | 2019-01-04 | 山西财经大学 | 一种基于权重相位相关峰值拟合的高精度图像配准方法 |
CN110390640A (zh) * | 2019-07-29 | 2019-10-29 | 齐鲁工业大学 | 基于模板的泊松融合图像拼接方法、***、设备及介质 |
CN110827332A (zh) * | 2019-10-09 | 2020-02-21 | 哈尔滨工程大学 | 一种基于卷积神经网络的sar图像的配准方法 |
CN112686935A (zh) * | 2021-01-12 | 2021-04-20 | 武汉大学 | 基于特征融合的机载测深雷达与多光谱卫星影像配准方法 |
Non-Patent Citations (4)
Title |
---|
Deformable Medical Image Registration: A Survey;Aristeidis Sotiras等;《IEEE TRANSACTIONS ON MEDICAL IMAGING》;20130731;第32卷(第7期);第1153-1190页 * |
Face Verification using Scale Invariant Feature Transform with Template Security;Shubhangi Sapkal等;《2017 IEEE International Conference on Fuzzy Systems(FUZZ-IEEE)》;20170824;第1-5页 * |
低秩矩阵恢复在医学图像配准中的应用;崔宁波;《中国优秀硕士学位论文全文数据库 信息科技辑》;20151015(第10期);第I138-510页 * |
权重归一化拉格朗日插值及其空间降尺度应用;胡沛然和陈少辉;《遥感信息》;20191220;第34卷(第6期);第63-71页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113643341A (zh) | 2021-11-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108765343B (zh) | 图像处理的方法、装置、终端及计算机可读存储介质 | |
US8000559B2 (en) | Method of correcting image distortion and apparatus for processing image using the method | |
US9308862B2 (en) | Drive assistance device | |
JP2021533507A (ja) | 画像繋ぎ合わせ方法及び装置、車載画像処理装置、電子機器、記憶媒体 | |
CN103914810B (zh) | 用于动态后视镜的图像超分辨率 | |
US8570443B2 (en) | Image processing circuit and method thereof | |
TWI599989B (zh) | 用於交通工具之影像處理方法及影像系統 | |
US20210099646A1 (en) | Method and Apparatus for Detecting Subject, Electronic Device, and Computer Readable Storage Medium | |
JP5706594B2 (ja) | 画像処理装置 | |
US9269130B2 (en) | Image correction method using approximately non-linear regression approach and related image correction circuit | |
CN113643341B (zh) | 一种基于分辨率自适应的异尺度目标图像配准方法 | |
CN103632131B (zh) | 用于提取对象的设备和方法 | |
CN106558021B (zh) | 基于超分辨率技术的视频增强方法 | |
CN116757935A (zh) | 一种鱼眼相机的图像融合拼接方法、***及电子设备 | |
Bajpai et al. | High quality real-time panorama on mobile devices | |
CN114219840A (zh) | 图像配准融合方法、装置及计算机存储介质 | |
Choi et al. | Cnn-based pre-processing and multi-frame-based view transformation for fisheye camera-based avm system | |
CN112949423A (zh) | 物体识别方法、物体识别装置及机器人 | |
JP4883030B2 (ja) | 画像処理装置、画像処理方法、及び画像処理プログラム | |
CN112927142B (zh) | 一种基于时域插值的高速高分辨率视频生成方法和装置 | |
CN112053291B (zh) | 基于深度学习的弱光视频降噪方法及装置 | |
CN111062975B (zh) | 一种基于感知哈希算法加快视频帧实时目标检测的方法 | |
KR101969235B1 (ko) | 어안렌즈와 영상 정보 개선을 통한 가혹한 환경에서의 후방 차량 감지 방법 | |
CN110717859B (zh) | 一种基于双路视频的超分辨重建方法 | |
CN117391945A (zh) | 图像处理方法、装置、***、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |