图像配准技术研究与应用

存档编号 赣南师范学院学士学位论文图像配准技术研究与应用教学学院 物理与电子信息学院 届 别 专 业 学 号 姓 名 指导教师 完成日期 本科生毕业论文(设计)作者声明本毕业论文（设计）是在导师的指导下由本人独立撰写完成的，没有剽窃、抄袭、造假等违反道德、学术规范和其他侵权行为。对本论文（设计）的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。因本毕业论文（设计）引起的法律结果完全由本人承担。毕业论文（设计）成果归学院所有。特此声明。作者专业 ：作者学号 ：作者签名 ： _年 _ 月_日本科生毕业论文(设计)图像配准技术研究与应用Image Registration Technology Research And Application_年 _ 月_日本科生毕业论文( 设计1摘 要图像配准是指根据一些相似性测度来确定图像之间的转换参数,是将不同传感器、不同视角、不同时间获取的同一场景的两幅或多幅图像,变换到同一坐标系下,在像素层上得到最佳匹配的过程。它是图像融合、目标识别、目标变化检测、计算机视觉等问题中的一个重要前期步骤,在军事、遥感、医学等领域也有着广泛地应用。配准的效果将直接影响到其后续图像处理工作的效果,而不同的配准方法有自己的优缺点。目前，应用较多的是基于灰度的图像配准、基于变换域的图像配准和基于特征的图像配准。基于灰度信息的图像配准方法一般不需要对图像进行复杂的预先处理，而是利用图像本身具有的灰度的一些统计信息来度量图像的相似程度，其主要特点是易于实现。基于变换域的配准方法比较适用于图像幅度发生较小的平移、旋转和缩放的情况，该方法的运算速度快，具有一定的抗噪能力。基于特征的配准方法首先要对待配准图像进行预处理，也就是图像分割和特征提取的过程，再利用提取得到的特征完成两幅图像特征之间的匹配，通过特征的匹配关系建立图像之间的配准映射关系。由于图像中有多种可以利用的特征，因而产生了多种基于特征的方法。这几种配准都较易于实现，在生活中得到了广泛的应用，所以本文将通过分析介绍基于灰度信息法、变换域法和基于特征法等图像配准方法和原理，并对其进行了归纳和总结。关键字：图像配准；灰度；互信息；变换域；特征法AbstractImage registration is to point to according to some similarity measure to determine the transformation parameters between images, is will get different sensors, different perspectives, different time of the same scene, two or more images transform to under the same coordinate system, in the process of pixel level to get the best match. It is the image fusion, target identification, target change detection, computer vision problems such as an important early step in, in the fields such as military, remote sensing, medicine is also widely used. Registration will directly affect the effect of the subsequent image processing work, the effect of the different registration method has its own advantages and disadvantages. At present, the application of more is based on the gray scale image 本科生毕业论文( 设计2registration, image registration based on transform domain, and based on the characteristics of image registration.Image registration method based on gray level information generally does not need to complex image processing in advance, but the use of the image itself has some of gray statistics to measure the image similarity degree, its main characteristic is easy to implement. Registration method based on transform domain is applied to image in case of minor translation, rotation and scaling, the method of computing speed is fast, has a certain ability to resist noise. Registration method based on the characteristics of the first to treat the registration image preprocessing, image segmentation and feature extraction, the process of reusing the feature extracting complete the match between the two image characteristics, through the characteristics of the matching relation between registration mapping relationship between image is established. Because there are many kinds of can make use of the characteristics of the image, thus produced a variety of methods based on feature.These registration are relatively easy to implement, has been widely used in our daily life, so this article will introduce based on the analysis method, the transform domain method based on gray level information and image registration method based on characteristic method and principle, and carries on the induction and summary.Key Words: Image registration; Gray; Mutual information; Transform domain. Characteristics of the method本科生毕业论文( 设计1目 录摘 要 .1关键字 .1Abstract .1Key Words .21 绪论 .11.1 课题研究现状和意义 .11.2 论文的主要内容和结构安排 .12 图像配准理论 .22.1 图像配准基本介绍 .22.2 图像配准的相关概念 .22.3 图像配准的基本过程 .32.4 图像配准方法的分类 .43 基于灰度图像配准方法 .63.1 基本介绍 .63.2 互相关法 .63.3 序贯相似度检测匹配法 .73.4 交互信息法 .74 基于变换域的图像配准方法 .94.1 基本介绍 .94.2 原理与过程 .95 基于特征的图像配准方法 .115.1 基本介绍 .115.2 基于特征的基本步骤 .115.3 特征提取 .125.4 变换模型 .135.5 坐标变换与插值 .156 总 结 .17参考文献 .18致 谢 .19本科生毕业论文( 设计11 绪论1.1 课题研究现状和意义图像配准最早提出是在七十年代美国的飞行器辅助导航系统、武器投射系统等应用研究中。八十年代以后，其他很多领域都涉及配准技术的研究，如自动导航，模式识别，医学诊断，计算机视觉等。各个领域的配准技术都是自身应用背景结合实际情况量身订制的技术。但是不同领域的配准技术在理论方法上又具有很大的相似性，某一领域的配准技术很容易迁移到其他相关领域。70 年代初，P.E.Anuta 1提出了使用 FFT 进行相关图像检测与计算的图像配准技术，从而提高配准过程的速度性能。D.L.Barnea 2等提出利用模板子图像差值相似性测度的图像配准技术，它比使用 FFT 计算互相关相似性测度进行图像检测计算的图像配准方法具有更高的性能。M.Svedlow 3等对图像配准的相似性测度和预处理方法进行了比较分析；。Flussr 4针对变形图像间的匹配又提出一个自适应映射方法，自动地对两幅遥感图像进行分割，使得分割后两幅图像中相应子块间的相似度很大，从这些子块的空间位置关系来对原来的两幅图像进行匹配。在国内，图像配准技术起步相对较晚，但后来获得了很大的发展。国内很多学者在图像配准方面进行了研究。李智 5等提出了基于轮廓相似性测度的图像配准方法，它适用于轮廓特征较丰富图像的配准，郭海涛 6等提出了一种将遗传算法用于图像配准的算法，熊兴华 7等提出了将遗传算法和最小二乘算法相结合的，并应用于图像的子像素的配准方法。从国内外发展现状可看出，图像配准技术已经取得了很多研究成果，在图像的匹配度方面研究出了多种配准方法。但由于图像配准的输入数据来源的多样性，以及不同的应用对图像配准的要求各不相同。同时，由于影响图像配准的因素很多，并且配准问题具有复杂性，图像配准的技术还需进一步发展。1.2 论文的主要内容和结构安排本文通过分析介绍基于灰度信息法、变换域法和基于特征法等图像配准方法和原理，对目前主要的图像配准方法进行了归纳和总结。以下为本论文结构安排：第一章交代了课题研究背景及意义等，第二章介绍了图像配准的原理配准过程及不同配准方法分类，第三章介绍了基于灰度的图像配准方法相关理论，第四章介绍了基于变化域的图像配准方法相关理论 ，第五章介绍了基于特征的图像配准方法相关理论。本科生毕业论文( 设计22 图像配准理论2.1 图像配准基本介绍图像配准(Image registration)就是将不同时间、不同传感器（成像设备）或不同条件下（天候、照度、摄像位置和角度等）获取的两幅或多幅图像进行匹配、叠加的过程。图像配准广泛用于多模态图像分析，是医学图像处理，遥感图像处理，目标识别，图像重建，机器人视觉等领域中的关键技术之一。图像配准就是将这些图像变换到同一坐标系下，以便融合使用。假设给定尺寸的二维矩阵图像 I1(x,y)和 I2(x,y),分别表示相对应位置(x,y )上的灰度值。图像配准的关键问题就是图像之间的空间和几何变换。I 1(x,y)作为参考图像，而I2(x,y)作为待配准图像。令 f 表示一个二维空间的坐标变换，设变换后图像为 If(x,y)，则参考图像 I1(x,y)与变换配准后的图像 If(x,y)之间的关系为(2.1)1(,)fIyf根据配准的定义，配准目的应该是令变换后的图像 If(x,y)与待配准图 I2(x,y)的对齐度最大。而此时变换 f 是一个二维空间域坐标的几何变换，即为(2.2)(,)(,)xyfx2.2 图像配准的相关概念2.2.1 配准基准通常，根据配准基准的特性，图像配准可分为基于外部基准的配准和基于内部基准的配准 8。外部基准是指强加于待配准对象的各种人造标记，这些标记必须在各种配准模式中都清晰可见并且能准确检测到。内部基准则指由图像本身得到的位置相对固定，图像特征明晰的各种配准标识。2.2.2 映射变换域配准区域设f 1和f 2表示两幅待配准的图像，I 1(x)=I1(x,y)和I 2(x )= I2(x , y )分别表示两幅图像的密度函数，其中x =(x, y)和x =(x ,y )分别表示在图像D1 和D2 中的像素坐标。图像匹配就是要找到一个把图像f 1映射到图像I的变换 M(x)=(U(x,y), V(x,y),使得变换后的图像I 3(M(x)和I 2(x )具有几何对应性。这种映射变换有刚体变换、仿射变换、投影变换以及非线性变换等。配准时的变换区域根据实际需要又分为局部配准和全本科生毕业论文( 设计3局配准。局部变换一般很少直接使用，因为它会破坏图像的局部连续性。2.2.3 配准的交互性与优化根据人是否参与配准过程，配准又可分为全自动式，交互式和半自动式三种。全自动式中使用者仅给相应算法提供图像数据以及图像获取的一些可能信息。交互式中使用者必须亲自进行配准，软件仅给目前变换提供一个可视的或数字的感官印象以及初始变换的一个可能参数。半自动式有两种方式，一种是使用者须初始化算法，如分割数据，另一种是指导算法，例如拒绝或接受配准假设。配准变换的参数可以是直接计算得出，也可以搜索计算。直接计算的最优化方法一般由实例决定，所能研究的工作也仅限于如何使用非常少的信息把此计算法应用于实际。搜索计算的最优化方法大多都可以用待优化的变换参数的一个标准数学函数来表达配准实例，此函数力图使图像在某一变换中两幅图像可达到最大相似。这些函数通常在单模配准中能简单一些，因为此时图像的相似性更易直接定义。我们可以通过使用一个标准的、合适的最优化方法使相似函数达到最优。2.3 图像配准的基本过程对在不同时间或不同条件下获取的两幅图像 A(x)和 B(x)进行配准。首先需要定义一个相似性测度，并且寻找一个空间变换关系，使得经过该空间变换后，两幅图像的相似性达到最大（或者差异性最小） 。就是使图像 A 上的每一个点在图像 B 上都有唯一的点与之对应，并且这两点对应同一位置。表示如公式（2.3）所示（2.3）()(),)STAxBT式中 S 是相似性测度，T 是空间变换矩阵。（2.4）*argm()S如公式（2.4）所示，配准的过程可归结为寻求最佳空间变换 T 从而使 S 达到最佳。由于空间变换矩阵包含多个参数，因此，配准就是一个多参数最优化问题。一般配准的基本步骤如下 9。 (1)图像分割与特征提取，进行图像配准的第一步就是要进行图像分割而后找到并且提取出图像的特征空间。图像分割是按照一定的准则来检测图像区域一致性的，达到将一幅图像分割为若干个不同区域的过程，从而可以对图像进行更高层次的分析和理解。(2)变换，即将一幅图像中的坐标点变换到另一幅图像的坐标系中。常用的空间变换有刚体变换，仿射变换，投影变换和非线性变换。刚体变换使得一幅图像中任意两点间的距离变换到另一幅图像中后仍保持不变。仿射变换使得一幅图像中的直本科生毕业论文( 设计4线经过变换后仍保持直线，并且平行线仍保持平行；投影变换将直线映射为直线，但不再保持平行性质，主要用于二维投影图像与三维体积图像的配准。非线性变换也称作弯曲变换，它把直线变换为曲线，这种变换一般用多项式函数来表示。(3)寻优，即在选择一种相似性测度后采用优化算法使该测度达到最优值。经过坐标变换后，两幅图像中相关点的几何关系已经一一对应，接下来就需要选择一种相似性测