期刊投稿淺析圖像配準技術(shù)進展

　　摘 要：圖像配準是圖像處理領域的一個重要研究方向。本文主要介紹了圖像配準的定義、數(shù)學模型，以及圖像配準的四個組成部分。并針對現(xiàn)有兩大類圖像配準方法總結(jié)出了每種方法的配準操作過程，并針對兩種方法的各自特點，分別進行了對比分析。

　　關(guān)鍵詞：圖像配準 基于特征的方法 基于灰度的方法

　　1 圖像配準簡介

　　圖像配準就是將不同時間、不同傳感器或不同條件下獲取的兩幅或多幅圖像進行匹配、疊加的過程。因此，配準解決的關(guān)鍵問題就是尋找到兩幅圖像之間的空間變換關(guān)系模型，按變換模型對待配準圖像進行變換操作，使它們在空間關(guān)系上達到一致，最終獲得處在同一個坐標系的兩幅圖像。

　　2 圖像配準的組成

　　圖像配準可以看作特征空間、搜索空間、相似性測度和搜索策略四個要素的組合。

　　(1)特征空間。圖像中點、線或面特征其特。本身的信息量較小，無法直接參與特征匹配。針對該類特征需要進一步的描述建立特征空間。特征空間建立原則是：要最大程度凸顯圖像信息本身所具有的特性，以達到相同圖像信息的高相似性和不同圖像信息的大差異性。例如：點特征可以使用鄰域信息建立特征空間，面特征可以用不變矩建立特征空間等。

　　(2)搜索空間。搜索空間是基準圖像與待配準圖像之間的空間變換模型。針對不同類型圖像之間成像畸變差異，配準問題要根據(jù)實際情況采用適當?shù)乃阉骺臻g，目前比較常用的搜索空間有三種：仿射變換、投影變換和非線性變換。由于圖像坐標的整數(shù)特性，在變換之后還需進行插值處理。常用的插值算法有：最近鄰域法、雙線性插值法和雙三次卷積法等。

　　(3)相似性測度。相似性測度用于評估從搜索空間中獲得的一個給定的變換所定義的輸入數(shù)據(jù)與參考數(shù)據(jù)之間的匹配程度，即圖像配準的精度。例如：兩幅圖像中分別有和個特征點，其中有對特征點為共有特征，則如何檢測出兩幅圖像中的對相匹配點對即為相似性測度要解決的問題。相似性度量方法隨特征空間的不同而不同，常用的相似性測度有：灰度相關(guān)、相位相關(guān)、歐式距離、馬氏距離、街區(qū)距離、Housdorff距離等。

　　(4)搜索策略。搜索策略是描述如何將參考圖像特征與待配準圖像特征實現(xiàn)匹配的策略。特征相似度匹配時，需要使用合適的搜索策略。通過不斷地改變搜索空間的參數(shù)，在兼顧搜索效率的同時使代價函數(shù)所描述的相似性測度達到最優(yōu)值。常用的搜索策略有窮舉搜索法、整體松弛匹配、多維優(yōu)化算法。

　　3 圖像配準方法分類

　　國內(nèi)外的圖像配準研究領域中，針對于不同類型的圖像配準問題產(chǎn)生了不少配準方法。從本質(zhì)上主要歸為兩類：基于灰度的配準方法和基于特征的配準方法。

　　3.1 基于灰度的圖像配準方法

　　基于區(qū)域灰度的方法中建立假設：認為基準圖像和待配準圖像中的對應點及其周圍區(qū)域具有相同或者相似的灰度。以灰度相似為基礎定義相似性度量函數(shù)，然后通過匹配策略，找到一組最優(yōu)或近似最優(yōu)的幾何變換參數(shù)，使得相似度函數(shù)最大，最終實現(xiàn)圖像的配準。常用的基于灰度的配準算法主要有：基于圖像灰度相關(guān)的圖像配準、基于圖像互信息的圖像配準、基于傅立葉相位相關(guān)的圖像配準。基于灰度的圖像配準方法抗噪性能很差，一般要求圖像要同質(zhì)同源，且兩幅圖像在很大部分上存在相似性。

　　3.2 基于特征的圖像配準方法

　　基于特征的配準方法并非直接在圖像灰度層次上進行操作，而是從圖像數(shù)據(jù)類型出發(fā)，選擇適合該圖像類型的圖像特征，建立適合的特征空間，并利用相似性測度建立匹配點對，建立空間對應關(guān)系模型，求解出變換參數(shù)，最終實現(xiàn)圖像的自動配準。該過程中主要分為4個步驟：特征提取、特征匹配、幾何變換模型參數(shù)估計、圖像變換和灰度插值?，F(xiàn)階段使用的主要特征有：點特征、直線段、輪廓、閉合區(qū)域、特征結(jié)構(gòu)、統(tǒng)計特征(如：矩不變量、質(zhì)心)等。其中點特征是基于特征的配準方法中，使用頻率最高的圖像特征。

　　4 兩種方法的比較

　　目前，基于特征的圖像配準算法已經(jīng)成為自動配準研究中主流方法。與基于灰度的配準方法相比，主要有以下三方面優(yōu)越性。

　　(1)較小的計算量?；趨^(qū)域灰度的方法通過相似性度量準則，對圖像空間的所有像素進行遍歷，來尋找最優(yōu)變換參數(shù)。而基于特征的方法不需要窮舉搜索空間，只需提取出少量用于匹配的控制點，通過建立點與點之間的匹配關(guān)系，就可以得到空間變換模型的參數(shù)。

　　(2)較強的魯棒性。基于區(qū)域灰度的方法是直接在圖像灰度空間上進行操作尋找匹配，因此適用于圖像之間滿足一定程度的灰度相似性，配準結(jié)果對噪聲的敏感度非常高。而基于特征的方法并非直接對圖像灰度進行操作，而是在特征空間上進行計算，因此配準結(jié)果對圖像的灰度屬性和噪聲的敏感度相對較低，使得算法更為魯棒和穩(wěn)健。

　　(3)對幾何形變有較好的適應性。基于灰度的方法難以解決存在復雜幾何形變的配準問題。而基于特征的配準方法，由于是在特征空間進行操作，并且只針對控制點進行計算，只要有足夠的控制點對，理論上能夠解決存在任何復雜幾何變換的配準問題。

　　5 結(jié)語

　　本文介紹了圖像配準的定義、數(shù)學模型，以及圖像配準的四個組成部分。并針對現(xiàn)有兩大類圖像配準方法的各自特點，分別進行了對比分析，總結(jié)了兩類方法的配準操作過程。

　　參考文獻

　　[1] 廖斌.基于特征點的圖像配準技術(shù)研究[D].國防科技大學博士學位論文，2008.

　　[2] 劉瓊，倪國強，周生兵.圖像配準中幾種特征點提取方法的分析與實驗[J].光學技術(shù)，2007，33(1)：62-67.

　　[3] 網(wǎng)薩雷斯.數(shù)字圖像處理[M].北京：電子工業(yè)出版社，2003.

《期刊投稿淺析圖像配準技術(shù)進展》

上一篇：發(fā)表學術(shù)論文焦炭下料斗防損壞對策

下一篇：高級工程師論文刊發(fā)鋼管桿基礎施工