（测试计量技术及仪器专业论文）图像配准算法及其在印刷质量检测中的应用.pdf

上海大学硕士学位论文 摘要 人类从外界获得的信息约7 5 来自视觉系统，而大约4 0 的视觉系统应用中 需要用到图像配准技术。图像配准( 主要是几何意义上的) 是将不同时间、不同 传感器、不同视角及不同拍摄条件下获取的两幅或多幅图像进行匹配。 在印届4 质量在线检测系统中，待测印刷品图像与标准图像只发生一维平移且 图象获取过程存在噪声、局部缺陷和灰度变换。作为在线检测系统的基础，图像 一维配准有着非常重要的意义，它是在线检测系统的第一步，配准的速度如何直 接影响着在线检测系统的性能。 + 针对这些特点，本文首先提出了一维配准算法的正确配准概率估计模型。在 此基础上，提出了计算简单的三种互相关配准算法且用m m x 技术对其进行了优 化，针对不同类型的图像和系统不同速度的要求可以选择不同的快速算法。一维 配准快速算法的速度高达0 1 1 毫秒，且对噪声、局部缺陷和灰度变化适应能力较 强。文中运用大量的图像和数据对所用方法的效果进行了显示，通过这些数据证 明了方法的有效性和正确性。 在印刷质量离线检测系统中，针对待测印刷品图像与标准图像存在平移、旋 转且图象分辩率大的特点，本文提出了一种由“粗”到“细”的图像配准策略以 满足亚象素级精度要求。 图像粗配准采用独特的基于多分辩率的极坐标系下的图像相关性的相似度准 则，使得三维配准参数从平移和旋转三个参数变成只有平移两个参数。该方法设 计简单、巧妙，以一维f f t 来计算平移和旋转三个粗略配准参数，大大加快了配 准速度。通过“粗”配参数给出“细”配参数的变化范围，再以图像的互相关为 配准的代价函数，以双线性插值为其插值算法，以搜索算法p o w e l l 法为其最优化 算法，求取最优配准参数。实验表明：该方法具有配准精度高、速度快、抗噪能 力好等特点。 本文最后探讨了进一步的研究目标和方向。 关键词图像配准；图像相关性；正确配准概率；m m x ；极坐标；一维f f t ； p o w e l l 算法 - 二堕箜! 壁堡主堂垡笙塞 。一 a b s t r a c t s e v e n t y 。f i v ep e r c e n to fi n f o r m a t i o np e o p l eg e tf r o mo u t s i d ed e p e n d so nv i s i o n s y s t e m ，a n d4 0p e r c e n to fi t sa p p l i c a t i o nn e e d si m a g er e g i s t r a t i o n t e c h n o l o g y i m a g e r e g i s t r a t i o n ( g e o m e t r i c a l l y ) i sm a t c h i n gt w oo rm o r ei m a g e s ，f o re x a m p l e ，a td i f f e r e m t i m e ，f r o md i f f e r e n ts e n s o r so rf r o md i f f e r e n tv i e w p o i n t s i np r i n t i n gq u a l i t yo n l i n ei n s p e c t i o ns y s t e m ，r e f e r e n c ei m a g ea n d t e s ti m a g ew i t h n o i s e ，l o c a ld e f e c ta n di n t e n s i t yc h a n g eh a so n l yo n et r a n s l a t i o n a lm o v e m e n t a st h e b a s i ci s s u eo fo n l i n ei n s p e c t i o n ，i m a g e1 - dr e g i s t r a t i o nh a s v e r yi m p o r t a n tm e a n i n g ，i t i st h ef i r s t s t e p o fo n l i n ei n s p e c t i o n ，a n di t s s p e e di n f l u e n c e dt h ee f f e c to fo n l i n e i n s p e c t i o ns y s t e md i r e c t l y f o ri t s c h a r a c t e r i s t i c s ，w e f i r s t p r e s e n t e d 1 - d r e g i s t r a t i o na l g o r i t h m sr i g h t r e g i s t r a t i o np r o b a b i l i t y m o d e l t h e nw e p r e s e n t e d t h r e es m a l l e r c o m p u t a t i o n a l c o m p l e x i t i e sc o 。c o r r e l a t i o nr e g i s t r a t i o na l g o r i t h m sa n do p t i m i z e d b ym m xt e c h n o l o g y y o uc a nc h o o s ed i f f e r e n tc o - c o r r e l a t i o nr e g i s t r a t i o na l g o r i t h m sa c c o r d i n gt od i f f e r e n t t y p e so fi m a g e sa n dd i f f e r e n tn e e d sf o rs p e e d 1 - dh i g h - s p e e dr e g i s t r a t i o na l g o r i t h m ，s s p e e di sa b o u to 11m s a n dh a sg o o d a b i l i t yo fr e s i s t i n gn o i s e ，l o c a ld e f e c ta n di n t e n s i t y c h a n g e m a n yi m a g e sa n db i ga m o u n to fd a t ah a v eb e e nu s e dt op r o v et h ev a l i d i t ya n d a c c u r a c yo f o u rm e t h o d si nt h i sp a p e r i n p r i n t i n gq u a l i t y o t t l i n e i n s p e c t i o ns y s t e m ，g i v e nt h ec h a r a c t e r i s t i co fb i g r e s o l u t i o n i m a g ew i t ht r a n s l a t i o n a la n dr o t a t i o n a lm o v e m e n t s ，w ep r e s e n t e dan e w r e g i s t r a t i o ns t r a t e g yw h i c hi n c l u d eac o a r s er e g i s t r a t i o na n da c c u r a t e r e g i s t r a t i o nt o m e e tt h en e e do f s u b - p i x e lp r e c i s i o n i nt h ec o a r s e r e g i s t r a t i o n w ep r e s e n t e d as p e c i a lm u l t i r e s o l u t i o n b a s e d p o l a r c o o r d i n a t e i m a g e c o r r e l a t i o nm a t c hm e a s u r ew h i c hr e d u c e dt h e t h r e e p a r a m e t e r s t r a n s l a t i o n a a n dr o t a t i o n a l m o v e m e n t s ，t ot w op a r a m e t e r sw i t ho n l yt r a n s l a t i o n a l m o v e m e n t s i t sa s i m p l ea n ds k i l la l g o r i t h mc o m p u t i n gt h et h r e ec o a r s ep a r a m e t e r sb y l - df f tw h i c h g r e a t l yi m p r o v e t h er e g i s t r a t i o ns p e e d w e g e tt h ep a r a m e t e r sr a n g ef o r t h ea c c u r a t e b y t h ec o a r s e r e g i s t r a t i o n t h e nw ea d o p ti m a g ec o r r e l a t i o na sc o s tf u n c t i o n ， i i 上海大学硕士学位论文 b i l i n e a ra s i n t e r p o l a t i o n ，as e a r c ha l g o r i t h m p o w e l la so u ro p t i m i z a t i o na l g o r i t h mt o s e a r c ht h eb e s tr e g i s t r a t i o np a r a m e t e r s t h e o r i e sa n de x p e r i m e n t si n d i c a t e dt h a tt h i s m e t h o dh a v et h ea d v a n t a g e so f h i g hp r e c i s i o n ，h i g hs p e e da n dg o o da b i l i t yo fr e s i s t i n g n o i s e a t l a s t ，w ed i s c u s st h ef u r t h e r r e s e a r c hg o a la n dd i r e c t i o n k e y w o r d s ：i m a g er e g i s t r a t i o n ，i m a g ec o r r e l a t i o n ，础出r e g i s t r a t i o np r o b a b i l i t y , m m x ，p o l a rc o o r d i n a t e ，1 - df f t ，p o w e l la l g o r i t h m i i i 原创性声明 本人声明：所呈交的论文是本人在导师指导下进行的研究工作。 除了文中特别加以标注和致谢的地方外，论文中不包含其他人已发表 或撰写过的研究成果。参与同一工作的其他同志对本研究所做的任何 贡献均已在论文中作了明确的说明并表示了谢意。 签名：童刚日期z ! g 垒。兰 本论文使用授权说明 本人完全了解上海大学有关保留、使用学位论文的规定，即：学 校有权保留论文及送交论文复印件，允许论文被查阅和借阅：学校可 以公布论文的全部或部分内容。 ( 保密的论文在解密后应遵守此规定) 净筝 上海大学硕士学位论文 第一章序言 1 1图像配准简介 图像是用各种观测系统以各种形式和手段观测客观世界而获得的，可以直接 或间接作用于人眼并进而产生视知觉的实体。科学研究和统计表明，人类从外界 获得的信息有约7 5 来自视觉系统。一般从客观景物得到的图像是2 一d 的，可以 用一个2 - d 数组f ( x ，y ) 来表示。常见图像是连续的，即f ( x ，y ) ，x ，y 的值可以是任 意实数。为了能用计算机加工利用图像，需要把连续的图像在坐标空间x y 和性 质空间f 都离散化，这种离散化了的图像即数字图像。数字图像中每一个基本单 元叫做图像元素，简称象素。 图像处理就是对图像信息加工处理，以满足人的视觉、心理和实际应用的要 求。图像处理可以应用光学方法，也可以应用电子学方法。从2 0 世纪6 0 年代开 始，随着计算机技术的发展，数字图像处理获得了飞速的发展。数字处理技术为 图像处理开辟了全新的和十分广阔的道路，使得根据人们的需求对图像进行各种 各样的加工或从图像中提取各种不同的信息更为方便快捷。自产生之日至今，图 像处理技术已被应用到包括工业、农林、气象、海洋、地质、环保、通讯、法律、 生物医学、军事等各个领域，在人类社会的生产生活中发挥着越来越广泛和显著 的作用。 图像配准是图像处理的基本任务之一，用于将不同时间、不同传感器、不同 视角及不同拍摄条件下获取的两幅或多幅图像进行( 主要是几何意义上的) 匹配。 几何意义上的图像配准示意图如图1 1 1 所示，图( a ) 为标准图像，图( b ) 为相对标准 图像在x 方向上有平移量的实测图像，称之为x 方向平移图像，图( c ) 为相对标准 图像在y 方向上有平移量的实测图像，称之为y 方向平移图像。将在某一方向上 存在一平移量的两幅图像进行匹配，求解出相对平移量，就称之为图像一维配准。 本文第三章将详细介绍图像一维配准算法及其优化。图( d ) 为相对标准图像在x 和 y 方向上有平移量且存在一旋转角度的实测图像，称之为平移、旋转图像。将存 在平移和旋转的两幅图像进行匹配，求解出平移和旋转参数，就称之为图像三维 配准。本文第四章将详细介绍图像三维配准算法。 第1 页共7 9 页 上海大学硕士学位论文 ( a ) 标准图像( b ) x 方向平移图像 ( c ) y 方向平移图像( d ) 平移、旋转图像 图1 1 - 1 几何意义上的图像配准示意图 在对图像配配准研究过程中，大量技术被应用于针对不同数据和问题的图像配 准工作，产生了多种不同形式的图像配准技术。 近年来在对配准技术的研究涵盖了多个应用领域，在计算机视觉及模式识别、 医学图像分析、遥感数据处理、语音理解、机器人学、计算机辅助设计与制造、 天文学等学科中配准技术均占有举足轻重的地位，其中前三个应用领域中针对图 像的配准技术的研究开展的较多，图像配准已成为其中很多研究课题的必备环节。 图像配准在不同应用领域所起到的作用有所区别，在几个主要应用领域( 计 算机视觉及模式识别、医学图像分析、遥感数据处理) 中的实际用途可粗略归纳 为以下几方面： 1 多模态配准 问题分类：同一场景上由不同传感方式获得的图像的配准。 典型应用：多传感器图像的信息融合。 方法特点：通常需要建立传感器模型和变换模型；由于灰度属性或对比度 第2 页共7 9 页 上海大学硕士学位论文 可能有很大的差异，有时需要灰度的预配准；利用物体形状和 一些基准标志可以简化问题。 应用实例1 ：医学图像领域：c t ，m 刚，p e t ，s p e c t 图像结构信息融合。 应用实例2 ：遥感图像领域：多波段图像信息融合，如：微波、雷达、红 外和可见光波段等；场景分类，如分类建筑物、道路、车辆、 植被等。 2 模板匹配 问题分类：在图像中为参考模板样式寻找最佳匹配。 典型应用：在图像中识别和定位模板样式，例如：地图、物体、目标等。 方法特征：基于模板，预先选定特征，己知物体属性，高等级特征匹配。 应用实例1 ：遥感数据处理：定位和识别定义好的或已知特征的场景如飞 机场、高速路、车站、停车场等。 应用实例2 ：模式识别：字符识别，标志确认，小型分析等。 应用实例3 ：印刷质量检测系统的图像定位：使印刷品和标准品的图像数 据在空间上一一对应。 3 观察点配准 问题分类：对从不同观察点获得的图像进行配准。 典型应用：深度或形状重建。 方法特征：形变多为透视变换；常应用视觉几何和表面属性等的假设条件； 典型的方案是特征相差：必须考虑阻挡问题。 应用实例1 ：计算机视觉：从视角差异中构建三维深度和形状信息。 应用实例2 ：计算机视觉：目标物运动跟踪，序列图像分析。 4 时间序列配准 问题分类：对同一场景上不同时间或不同条件下获得的图像的配准。 典型应用：检测和监视变化或增长。 方法特征：需要容忍图像中部分内容的差异和形变对配准造成的影响；有 时需要建立传感器噪声和视点变换的模型。 应用实例1 ：医学图像处理：数字剪影血管造影( d s a ) ，注射造影剂前后的 图像配准。肿瘤检测，白内障检测。 第3 页共7 9 页 上海大学硕士学位论文 应用实例2 ：遥感数据处理：自然资源监控，核扩散监控，市区增长监控。 图像配准的基本问题是找出一种图像转换方法，用以纠正图像的形变。造成 图像形变的原因多种多样，例如对于遥感图像而言，传感器噪声、由传感器视点 变化或平台不稳定造成的透视变化、被拍摄物体的移动、变形或生长等变形、闪 电和大气变化，以及阴影和云层遮盖都使图像产生不同形式的形变。正是图像形 变原因和形式的不同决定了多种多样的图像配准技术。 对两幅图像是否“配准”往往没有一个明确的标准，这使得对于图像配准技 术的分类和比较评判很困难。在当前图像配准技术的研究中，通常每一种配准技 术都是针对某一具体应用而设计的，没有哪一种技术是广泛适用于各种图像配准 问题的，同时对某特定问题也没有哪一个技术是必须和唯一的。图像配准问题概 括来说都是以在变换空间中寻找一种特定的最优的变换，达到使两幅图像在某种 意义上匹配为目的，但对于不同图像和不同应用，则要具体问题具体分析。 1 2 印刷质量检测中对图像配准的需求及其特点 印刷品印后或多或少会存在印刷质量问题。质量不合格的印刷品是不能进行 成型加工的。目前，印刷品质量检测系统基本上是用数字图像处理的方法进行比 较e p , 昂u 品图像和预先拍摄并存入计算机内的标准品的数字图像，找出两者之间的 差异并分析产生误差的原因。在对e p , 帚d 品图像和标准样品图像进行比较之前，应 先将印刷品图像进行采集后定位( 配准) ，使印刷品和标准品的图像数据在空间上 一对应，然后用模式识别方法对图像质量进行分析与检测。图l ，2 1 为印刷品质 量检测系统框图。 图1 2 ，1 印刷品质量检测系统框图 从图1 , 2 1 中可以看出，图像配准是印刷品质量检测系统的基础，只有在图像 配准算法满足系统的速度与精度要求的前提下才有可能对印刷品质量进行分析与 检测。 一、印刷质量检测中对图像配准的需求 第4 页共7 9 页 上海大学硕士学位论文 1 在线印刷品质量检测：卷筒料印刷机一般是高速印刷，操作人员无法 在印刷的过程中对印刷品的质量作到准确无误的判断，特别是拉丝、 泳动、网点粗化、网皱、墨色不均匀等细微变化。由于在线印刷品质 量检测中只有在运动方向上待测印刷品图像与标准样品图像有一定的 偏差，所以一维快速配准算法是在线印刷品质量检测的基本要求，也 是在线印刷品质量检测系统要解决的首要技术难题。 2 同步检测系统：是静止地显示运动印刷品图像系统。同需求i ，采用一 维快速配准算法对两幅图像进行一维配准后，可以将待测印刷图像平 移出的部分用其在标准样品图像中对应的部分图像填补以形成幅完 成的待测图像，在视觉上我们就感觉不到图像是跳动的，也即实现了 运动印刷图像的静止显示功能。 3 离线印刷品质量检测：只有在将印刷品图像进行采集后精确定位，使 印刷品和标准品的图像数据在空间上一对应，才能通过模式识别等 其它方法进行印刷品质量分析，如油墨分析，颜色分析，套印精度分 析，材料反光问题等等。由于离线检测中图像存在平移和旋转变换， 所以离线印刷品质量检测的根本技术难题就是要找到一种高精度的三 维配准算法。 二、印刷图像配准的特点 i 速度：印刷质量在线检测中，由于印刷速度比较快( 国内最高印刷速 度为2 0 0 m m i n ，国外印刷速度高达5 0 0 m m i n ) ，所以在一维配准中 要求算法有较好的实时性。在确定了缺陷检测算法所占用的时间后， 一维配准算法所占用的时问越少，印刷速度就可以相对提高。例如， 假设运动方向上图像的宽度为6 0 0 r a m ，缺陷检测算法所占用的时间为 1 0 0 毫秒，运动图像采集时间为8 0 毫秒，如果一维配准算法所占用的 时间为 2 0毫秒，则最高印刷速度为 o 6 ( 0 1 + 0 0 8 + 0 0 2 ) = 3 r r d s = 1 8 0 m m i n ；如果一维配准算法所占用的时间 为0 1 毫秒，则最高印刷速度为0 6 ( 0 1 + 0 0 8 + 0 ，0 0 0 1 ) 3 3 3 m s 一 2 0 0 m m i n 。很显然，随着一维配准算法速度的提高，印刷质量在线检 测系统的性能也跟着提高。 第5 页共7 9 页 上海大学硬士学位论文 一一 2 精度：离线检测中图像的分辩率较大( 达6 0 0 万象素) 。且要求图像能 精确配准，即达到亚象素级配准。对实时性要隶比较低。 3 在线检测的一维配准，具有印刷图像存在噪声、局部缺陷和灰度变化 的特点，而离线检测的三维配准的印刷图像的信噪比较高。 1 3 课题任务及其要求 一、课题主要研究内容和要求 1 了解图像配准算法国内外发展概况。 2 深入了解在线和离线印刷质量检测对图像配准算法的工程要求和特 点。 3 深入研究快速一维配准算法和高精度三维配准算法并有具体的语言实 现。一维快速配准算法要求用? , i f i x 技术进行优化，三维精确配准算法 用c 语言实现。 4 完成印刷图像配准系统的设计。 二、课题难点 1 在印刷图像存在噪声、局部缺陷和灰度变化的情况下，要求一维配准 算法能快速有效地对印刷图像进行配准。 2 。三维配准首先要求达到亚象素级的配准精度，在达到精度要求的前提 下考虑三维配准算法的快速算法。 三、论文内容安排 本文的内容是这样安排的： 第二章对目前国内外图像配准算法进行了综述。为印刷品图像配准算法的研 究提供了理论和思想指导基础。 第三章对印刷图像的一维快速配准进行了详细的研究。首先提出了一维快速 配准的正确配准概率估计模型，在此基础上，提出了三种互相关快速配准算法， 并用m m x 技术对其进行优化。所提出的一维快速配准算法在印刷图像存在噪声、 局部缺陷和灰度变化的情况下，可阻快速有效地对印刷图像进行配准。同时，它 为三维配准算法提供了理论基础。 。 第四章提出了一种由“粗”到“细”的图像配准策略以满足三维配准精度要 求。图像租配准采用独特的基于多分辩率的极坐标系下的图像相关性的相似度准 第6 页共7 9 页 上海大学硕士学位论文 则，以一维f f t 来计算平移和旋转三个粗略配准参数，大大加快了配准速度。通 过“j 俎”配参数给出“细”配参数的变化范围，再以图像的互相关为配准的代价 函数，以双线性插值为其插值算法，以搜索算法p o w e l l 法为其最优化算法，求取 最优配准参数，从而达到亚象素级配准。所提出的三维精确配准方法满足了亚象 素级配准精度的要求，同时其配准速度较快。 第五章介绍了印刷图像一维快速配准算法和三维精确配准算法在印刷品图像 质量直接检测系统上的应用，且介绍了用v i s u a lc + + 6 0 开发的印刷图像配准系 统。 第六章总结了本文的工作，并讨论了今后的努力的方向。 1 4 论文配准算法的创新点及特色 本课题的主要创新有五点： 第一，提出了一维配准算法的正确配准概率估计模型，为计算简单的三种互 相关配准算法的提出提供了理论基础。 第二，用m m x 技术对三种互相关配准算法进行优化，进一步提高了配准算 法的实时性。 第三，提出了极坐标系图像下的相关性配准相似度准则，使得三维配准参数 从平移和旋转三个参数变成只有平移两个参数，大大加快了算法的运算效率。 第四，利用一维快速傅立叶变换快速求取三维配准的平移与旋转粗略参数。 第五，在得到粗略参数的前提下，用p o w e l l 法进行图像的精确配准。 第7 页共7 9 页 上海大学硕士学位论文 第二章图像配准方法 2 1 引言 在机器识别事物的过程中，经常需要将已知图像与陌生图像的全部或者部分 在空间上配准；根据已知模式( 通常是人们感兴趣的对象) 的图像在一幅陌生图 像中寻找对应该模式的子图像，这个过程就是图像配准( 见图2 1 1 ) 。我们将己知 的图像或己知模式的图像称为模板。图像模板配准是计算机图像分析中最基本和 最常用的方法。在有些情况下，图像模板配准过程只是针对两幅图像在空间上的 相对平移过程；但是在相当多的实际应用场合下，存在着例如旋转变换，物体遮 挡，比例变化，投影变换等，从而使模板图像和陌生图像发生旋转和扭曲等形变， 这使得配准情况变得十分复杂。 待检测图像模板 2 1 1 待检测图像和模板图像示意图 图像配准可以定义为两幅图像在位置空间和灰度的配准。定义，：是两个二 维数组，其中i i ( x ，y ) 和1 2 ( x ，y ) 分别表示对应空间位置处的灰度值，此时可以把两 幅图像的配准表示成如下表达式： ，：( x ，y ) = 厂( 厶( g ( x ，y ) ) ) ( 2 1 。1 ) 其中，g 是二维空间的一个坐标变换，即： ( x ，_ y ) = g ( x ，_ y ) 厂是一维灰度的变换函数。 ( 2 1 2 ) 第8 页共7 9 页 上海大学硕士学位论文 从而，图像配准问题便转化为寻找最优的空间和灰度变换，使得在图像噪声 存在的情况下，可以进行正确的图像配准。一般情况下，灰度变换是不需要的， 除非在一些特殊情形下，例如存在传感器类型的改变( 从光学传感器到雷达) 。寻 找空间或者几何变换是解决配准问题的关键，这种变换经常用如下的两个单值函 数来表示正， ： 1 2 ( x ，y ) = ，1 ( 六( x ，y ) ，l ( x ，y ) ) ( 2 i 3 ) 如果这些几何变换可以表示成若干独立的函数，例如可以用两个一维的变换 函数来表示这个二维的空间变换，即： 1 2 ( x ，y ) = 1 1 ( 正( z ) ，工( y ) ) ( 2 1 4 ) 这样可以节省存储空间并且提高计算效率，具体来说，工对应所有的x ，工对 应所有的y 。 图像配准技术有着广泛的应用领域，1 9 9 8 年自动化图像协会关于机器视觉的 报告中指出，大约有4 0 的机器视觉应用中需要用到图像配准技术。图像配准技 术所涉及的应用领域很广泛，从工业检测可以推广到导弹的地形和地图配准、飞 机导航、武器投射系统的制导、光学和雷达的图像模板跟踪、工业流水线的自动 监控、工业仪表的自动监控、资源分析、气象预报、医疗诊断、交通管理、文字 识别、图像数据库检索以及景物分析中的变化检测等等。配准研究涉及到了许多 相关知识领域，图像预处理、图像采样、图像分割、特征提取等，并且将计算机 视觉、多维信号处理和数值计算方法等紧密结合在一起。 图像配准是工业检测领域里的一个研究热点。英文文献中，配准这一概念常 用以下几个词汇来表达：r e g i s t r a t i o n 、m a p p i n g 、m a t c h i n g 、c o r e g i s t r a t i o n 、i n t e g r a t i o n 、 a l i g n m e n t 和f u s i o n 等。其中，m a p p i n g 偏重于空间映射；f u s i o n 指图像融合，即不 仅包括配准，而且包括数据集成后的图像表达。 在工业检测中，配准问题转化成寻找模板到图像的一个变换，使得模板和图 像之间相似性度量最大。但是在一些情况下，由于人工或自然，主观或偶然的原 因，只有部分信息可利用，如在工业计算机视觉场合，遮挡是一个重要问题a 在 工业检测实际应用场合中，影响图像配准的主要因素有： 第9 页共7 9 页 上海大学硕士学位论文 ( 1 ) 传感器噪声； ( 2 ) 传感器位置变化或者载物平台抖动： ( 3 ) 目标对象的平移，旋转，变形或者膨胀等； ( 4 ) 成像光照条件的变化以及阴影遮挡等： ( 5 ) 不同传感器成像造成的配准困难； f 6 ) 具体应用场合的配准速度与精度要求。 鉴于上述情况，可以知道：由于多种影响配准因素的存在，不可能将种配 准方法一成不变应用于所有的场合：在设计配准算法时，要根据其具体的应用场 合和要求来制定；所以在把种算法用于其他应用场合之前，定要到考虑实际 应用环境的改变对算法提出的新要求。本文中将针对( 3 ) ，( 4 ) ，( 6 ) 等三个方面对印 刷品质量检测系统中配准方法进行研究。即在线检测中的一维配准算法对印刷图 像存在噪声、局部缺陷和灰度变化的情况下能快速准确配准；离线检测中印刷图 像的信噪比较高，但要求三维配准算法达到亚象素级精度配准。 2 2 图像配准技术 迄今为止在国内外的图像处理研究领域已经报道了相当多的图像配准研究工 作，产生了不少图像配准方法。总的来说，各种方法都是面向定范围的应用领 域，也具有各自的特点。本文将图像配准方法分为三大类： ( 1 ) 直接利用图像灰度信息进行配准。这类方法常常根据需要配准图像的相关 函数和各阶矩量之间的关系式来计算配准参数。 ( 2 ) 变换域法：如f o u r i e r 变换，小波变换等。 ( 3 ) 使用图像特征进行配准。这类方法是根据需要配准图像的重要的相同的特 征之间的几何关系确定配准参数，因此这类方法首先需要提取特征，如边 缘、角、点、线、曲率等； 有的文献将上面( 1 ) 和( 2 ) 两大类归为基于图像灰度信息的配准方法，即将图 像配准方法分为二大类：基于图像灰度信息的配准方法和基于图像特征的配准方 法。 2 2 1利用图像灰度信息的配准算法 在早期的图像配准算法研究中，主要是对两幅图像空间域上的灰度值进行相 关运算，根据相关系数的峰值，求出配准位置。其中，常用的方法有：规化互 第1 0 页共7 9 页 上海大学硕士学位论文 相关、统计相关、平均绝对差、平均平方差；不变矩；最大互信息。 互相关配准方法是一种最基本的统计配准方法。互相关配准要求模板图像和待 配准图像具有相似的尺度和灰度信息。模板窗口在待检测图像上进行遍历，计算 每个位置处模板图像和待检测图像对应部分的互相关值，互相关信息最大的位置 便是模板在待检测图像中对应的位置。常用的互相关定义有如下两种形式。1 m ( x ，y ) i ( x + i ，y + ，) c ( i ，j ) =( 2 2 1 ，1 ) ( 五y ) 一m ( x ，力如拈+ f ，y + ，) 一7 + f ，y + ，) ) c f f ，) = f ：兰= 兰= = ：= = = = ：；= = = = = = = = = ：；= = = = = = = = = = ；：= = 一( 2 2 1 2 ) 7 ， ，j ，) 一面( 五y ) ) 2 ( ， + f ，y + - ，) 一j + f ，y + ) ) 2 、 v 。，。， 以上两个公式计算的是归一划的互相关系数，应该注意到必须对互相关进行归一 化，否则局部灰度强弱将影响配准度量。 由于计算互相关时需要很多的乘积运算，为节省运算时间，1 9 7 2 年，b a m e a ”1 提出了序贯相似检测算法( s s d a ) ，该法选用模板与待配准图象之间差的绝对值来 衡量图象中是否存在模板。采用如下两种形式； s a d ( m ， ) = i m ( x ，y ) - i ( x + m ，y + ”) l ( 2 2 1 ：3 ) s s d ( m ，口) = c 膨( x ，y ) 一，( z + m ，y + 月) ) 2 ( 2 2 1 4 ) 由于s s d a 算法的相似度准则，是一个误差绝对值的累加和，在图像不配准 的位置，累加时s a d ( m ，h ) 增长很快，而在图像配准位置上黝d ( 卅，聆) 随累加次数 增长缓慢，如果选择一个简单的固定门限t ，并规定累加误差一旦超过该门限t 就停止运算，则在各个不配准位置上累加运算将提前停止，从而大大节省运算量。 而在配准位置上，需经过很多点的累加后才能达到固定门限t 。因而可以把累加次 数n 作为配准的判据，累加次数n 最大的位置就是配准位置。这种方法称为固定门 限的s s d a 算法。进一步的改进方法可以根据局部灰度信息和配准窗口的大小动 态调整门限大小，从而进一步提高算法效率。 基于图像灰度信息的快速配准算法除序贯相似检测算法( s s d a ) 外，幅度排序 相关算法、f f t 的相关算法和分层搜索的序列判断算法等”1 也经常采用。 第1 1 页共7 9 页 上海大学硕士学位论文 由于以上方法均是在全局作相似性度量，对高分辩率大尺度图像，相似性量 度的计算量也相应增大，应用这些方法的必要条 牛是有对应的搜索策略以减少计 算量。最常用的方法是金字塔法算法”“。图象的金字塔模型在实际中已经得到了 广泛的应用，它可以由粗到精地分析图象数据。整个图像配准的过程大体上分成 “粗配准”阶段和“精配准”阶段，这样的划分，一方面使得图像搜索的区域减 少( 粗配准阶段并非是逐象素的配准过程) 因而可以在一定程度上减少配准时间； 而精配准是在粗配准阶段确定的一个大致配准范围内进行的，从而避免了全局搜 索，提高了配准速度。这两个阶段的配准算法可以相同也可以不同，一般来讲， 粗配准阶段选用计算量适中，抗干扰性强的配准算法；而精配准阶段采用一些定 位精度高的配准算法。粗配准是整个配准过程的关键所在，如果在粗配准阶段不 能得至4 靠近实际位置的一个大致( 比较接近的，视具体情况而定) 范围，则以后 的配准是无效的；而精配准顾名思义就是在粗配准的基础上实现正确配准，所谓 的正确配准是依具体情况而定的，当然最好的情况就是试验配准点与实际位置的 配准误差在一个象素范围内。 另外，在图象处理中，矩是一种统计特性，可以使用不同阶次的矩计算模板 的位置、方向和尺度变换参数。由于高阶矩对噪声和变形非常敏感，因此在实际 应用中通常选用低阶矩来实现图象配准。矩定义为： m w = ii x 9 y 9 f ( x ，y ) & d y p ，g = o ，1 ，2 ， ( 2 2 1 5 ) 其中，“y ) 为图象位置坐标，慨y ) 为图象灰度。当图象发生平移和旋转变 化时，m 。也将发生改变。为使m 。具有平移和旋转不变性，文献 8 通过组合二 阶和三阶矩，给出了七个对平移和旋转不变的矩特征。文献 9 利用圆形窗口内的 规一化矩特征，使得发生平移和旋转变化的模板匹配简化为一般的平移模板匹配。 另外为加速模板配准过程，可以采用两步模板配准策略。首先，使用零阶矩算子 进行粗配准，获得可能的配准位置点；然后，对可能的配准点根据矩特征实现精 配准。但是这种方法敏感于图象噪声，而且对图象的质量要求很高。 以上的相似准则方法都是比较传统的基于直接灰度信息的相关运算类或误差 运算类方法。这些方法尽管各自具有一定的优点，但总的来说有着共同的不足之 处，那就是对于噪声的影响和不同灰度属性或对比度差异的影响配准性能较差。 第1 2 页共7 9 页 上海大学硕士学位论文 基于互信息原理的配准方法1 1 13 就是一种对噪声和不同灰度属性或对比度 差异适应性强的方法。它利用互信息的相似性作为配准原则。互信息是在概率密 度估计的基础上建立的，有时需要建立参数化的概率密度模型，它要求的计算量 很大，而且要求图像之间有较大的重叠区域。另外，函数可能出现病态且面临大 量局部极值【9 】。 f r e d e r i km a c s “等将信息论中互信息量的概念应用于多模态医学图像的配 准，提出以图像间互信息量作为配准准则的全自动配准方法，配准精度可以达到 亚象素水平。 为了进一步减小图像配准对图像灰度的敏感性，文献 1 3 】提出了一个新的相似 性准则，称为对齐度。这一准则通过对某幅图像同一灰度的象素在另一幅图像相 对应位置上象素灰度的统计构成相似性度量，利用人的视觉习惯，以图像结构的 “对齐”代替图像灰度的“对齐”，可以达到灰度有明显差异的图像间配准的目的。 基于图像灰度信息的配准方法具有对噪声和亮度较敏感的缺点，而这一缺点 在基于变换域的方法中可以得到一定程度的缓解。 2 2 2 基于变换域的配准算法 变换域法包括傅立叶变换、小波变换等等，本文主要讨论基于d f t 频率域的 频域相关，包括相位相关和功率谱相关。 在频域中，图像在空间域中的平移，旋转，尺寸变化都有对应的表达部分。 经过傅立叶变换，图象由空域变换至频率域，两组数据在空间上的相关运算可以 变为在频率域上频谱的复数乘法运算。另外“，图象在变换域中还能获得在平常 很难获得的特征，如傅立叶变换的相位特性( 相位差对于所有的频率的作用是相同 的) 在配准中能得到非常好的输出信噪比和输出最大峰值，比空域具有更好的精度 和可靠性。因此即便图像中混有窄带的噪声，也不会使峰值的位置发生变化。而 且，待配准的图像还可以有不同的亮度，因为亮度的变化通常是缓慢的集中在低 频部分，也不影响峰值的位置( 傅立叶变换方法只能用来配准灰度属性有线性正相 关的图像) 。所以，基于傅立叶变换的相位相关配准方法是一种配准性能较好的配 准方法；同时，由于傅立叶变换可以通过硬件实现，大大提高了运算效率。 信号经过傅立叶变换后分为幅度信息和相位谱信息，对于信号a ( x ，y ) 和 第1 3 页共7 9 页 上海大学硕士学位论文 6 ( x ，y ) ，其傅立叶变换分别为a ( u ，v ) 和b ( u ，v ) ，当它们之间存在位移1 4 1 b ( x ，y ) = a ( x x 0y y o ) ，其傅立叶变换关系为 b ( u ，v ) = a ( u ，v ) e - j 2 r ：( + ( 2 2 2 1 ) 定义：q r c 甜，v ，= 看；：；寄善：妻；= e x c - ，c 吼c “，v ，一眈c “，v ，c z z z 2 ， 其中：o o ( u v ) 和o b ( u ，v ) 分别为a ( u ，v ) 和b ( u ，v ) 的相位谱。当信号发生位移时 其幅度谱不变，由式( 2 2 2 1 ) 得到： q r ( “，v ) = e x p ( 一j 2 z ( u x o + v y o ) ) ( 2 2 2 3 ) 上式的傅立叶反变换在( x o ，y 。) 处为冲激响应，因此在配准点处可以得到冲激 响应峰值。同样，若信号间存在旋转变换时有倒： b ( x ，y ) = a ( x c o s a o + y s i n o o x 0 ，- - xs i n 岛+ y c o s 岛一y o ) ( 2 2 2 4 ) 其傅立叶变换为 b ( u ，v ) = e - j 2 x ( “+ “a ( u c o s 岛+ v s i n o o ，一u s i n o o + v c o s o o )( 2 2 2 5 ) 值。 定义： q r ( ”扔= 面面而劣笔而 ( 2 2 通过不断旋转a ( u ，v ) ，当口= o o 时，上式经傅立叶反变换后将有一冲激响应峰 如果将a 和b 的幅度谱l 和m 2 的关系在极坐标下表示为： t ( b 0 ) = m 2 ( p ，0 一氏) ( 2 2 2 7 ) 则迪卡尔坐标下的旋转关系转化为极坐标下的平移关系，可以利用前面的相 位相关技术确定旋转角度岛。 对于有缩放的情况m 1 ，假设口( x ，y )b ( x ，_ y ) 的缩放结果，m 和”分别为x 方向 和y 方向的缩放系数，即： 第1 4 页共7 9 页 上海大学硕士学位论文 b ( x ，y ) = a ( m x ，n y ) ( 2 2 2 8 ) 则根据傅立叶变换的尺度性质，a 和b 的关系表示为： 砌，v ) 2 志4 ( 兰，(222m 9 ) l ，胛肝i九 通过把坐标轴转换为对数尺度，则图像尺度变换也可以转变成平移量( 这里忽略了 因子_ 的影响) ，即： b ( 1 0 9 u ，l o g v ) = a ( 1 0 9 u l o g m ，l o g v - l o g n ) 为描述方便，经变量代换写成： 曰( ，七) = a ( j c ，k d ) ( 2 2 2 1 0 ) 这里j = l o g u ，k = l o g v ，c = l o g m ，d = l o g n 。这样，平移量c 和d 也可以通过相位相 关的技术求得，再通过指数运算获得尺度因子m 和n 。 在常见的情况下x 方向和y 方向的尺度因子相等，则对于同时有平移、旋转和 缩放失配的两幅图像a ( x ，y ) 和b ( x ，y ) 来说，它们的傅立叶变换幅度谱在极坐标下的 关系为： m l ( p ，口) = m 2 ( 旦，0 一岛)( 2 2 2 1 2 ) f h m i ( 1 0 9 p ，0 ) = m 2 ( 1 0 9 p l o g m ，0 一o o )( 2 2 2 1 3 ) 变量代换写为： ( ，口) = m 2 ( ，一c ，0 一o o )( 2 2 2 1 4 ) 这里j = l o g p 、c = l o g m 。 这样，通过相位相关技