图像配准归一化互信息小波多尺度积空间梯度硕士论文.doc

基于互信息的图像配准方法研究模式识别与智能系统， 2011， 硕士【摘要】 图像配准是对不同时间、不同视角或不同传感器拍摄的两幅或多幅图像进行空间变换,使得各个图像在几何上能够匹配起来,它在计算机视觉、模式识别、医学图像分析和遥感数据处理等学科中均占有举足轻重的地位。基于互信息的图像配准方法无需对图像进行分割等预处理,易于实现不同模式图像的自动配准,但计算量较大。由此本文提出了利用全局搜索算子PSO和局部搜索算子Powell相结合的算法,对配准测度函数进行参数寻优,提高了配准效率。另外,本文提出了空间梯度和互信息相结合的配准方法,该方法同时考虑图像的灰度信息和空间信息。首先利用小波多尺度积计算梯度的幅值和幅角,将空间梯度信息引入到归一化互信息的计算中,从而定义一种新的测度函数。通过仿真比较表明,新方法相比于传统的归一化互信息方法,对图像变化区域和噪声的敏感度降低,配准函数曲线平滑,峰值尖锐,易于选择出最佳配准参数,并且配准后图像和参考图像间的互信息偏大,这表明新方法是一种更有效,鲁棒性更强的配准方法。更多还原【Abstract】 Image registration is the space transformation process of two or more images of the same scene taken at different times, from different viewpoints, and/or by different sensors. It plays a very important role in computer vision, pattern recognition, medical image analysis and remote sensing etc.Mutual information based image registration method does not require pre-process of the image, easy to implement different modes of automatic registration between images, but the computation is large. So th.更多还原 【关键词】 图像配准； 归一化互信息； 小波多尺度积； 空间梯度； 【Key words】 Image Registration； Normalized Mutual Information； Wavelet； Multi-Scale Product； Spatial Gradient； 摘要 3-4 Abstract 4 第一章 绪论 7-13 1.1 研究背景及意义 7-8 1.2 国内外图像配准技术研究现状和发展趋势 8-10 1.2.1 国内外图像配准技术发展现状 8-9 1.2.2 图像配准技术的发展趋势 9-10 1.3 研究内容及论文结构 10-13 第二章 图像配准算法理论 13-29 2.1 图像配准的理论基础 13-20 2.1.1 图像配准的数学模型 13 2.1.2 图像变换 13-17 2.1.3 图像重采样 17-20 2.2 图像配准算法分类 20-26 2.2.1 基于灰度信息的图像配准方法 20-22 2.2.2 基于变换域的图像配准方法 22-24 2.2.3 基于特征的图像配准方法 24-26 2.3 图像配准方法的步骤 26-27 2.4 本章小结 27-29 第三章 基于 PSO 和 Powell 的互信息图像配准 29-43 3.1 互信息理论概述 29-33 3.1.1 熵 29-30 3.1.2 互信息概念及其描述 30 3.1.3 互信息在图像中的表示 30-33 3.2 关于互信息方法的一些讨论 33-34 3.3 基于PSO 和Powell 的互信息图像配准 34-39 3.3.1 粒子群优化算法（PSO） 35-37 3.3.2 Powell 优化算法 37-38 3.3.3 基于PSO 和Powell 的互信息图像配准 38-39 3.4 配准算法仿真实验及结果分析 39-42 3.5 本章总结 42-43 第四章 基于空间梯度和互信息相结合的图像配准 43-57 4.1 梯度理论知识 43-44 4.2 基于小波多尺度积的梯度相似性测度 44-47 4.2.1 小波多尺度积 44-45 4.2.2 梯度相似性测度 45-47 4.3 空间梯度和互信息相结合的新测度 47 4.4 配准算法仿真实现及结果分析 47-55 4.4.1 两种相似性测度配准函数曲线对比及结果分析 47-5