【文章內(nèi)容簡介】 ation System based on Corner Detector ............................. 48 System Description ............................................................................... 48 System Appearance............................................................................... 49 Summary of this Chapter............................................................................. 50 Chapter 5 Summary ............................................................................................ 52 References................................................................................................................ 53 Acknowledgements............................................................................................... 55 廈門大學軟件學院畢業(yè)設計論文 1 第一章 緒論 論文背景及意義 圖像配準技術(shù)最早在美國七十年代從事的飛行器輔助導航系統(tǒng)、武器投射系統(tǒng)的末制導以及尋地等應用研究中提出，并且得到軍方的大力支持與贊助。經(jīng)過長達二十多年的研究，最終成功地應用于潘興 II式中程導彈及戰(zhàn)斧式巡航導彈上，使其彈著點平均圓半徑誤差不超過十幾米，從而大大提高了導彈的命中率。八十年代后，隨著科學技術(shù)的發(fā)展，在很多不同領域都有大量圖像配準技術(shù)的研究，如遙感圖像處理、模式識別、自動導航、醫(yī)學診斷、計算機視覺等。各個領域的圖像配準技術(shù)都是針對各自具體的應用背景，并結(jié)合實際情況度身定制的 特定技術(shù)。但是不同領域的配準技術(shù)之間在理論方法上又具有很大的相似性，在某一領域的配準技術(shù)很容易移植到其他相關領域。 圖像處理是對圖像信息進行加工處理，以滿足人的視覺，心理和實際應用得要求。圖像配準是圖像處理的一個基本問題。用于將不同時間、不同傳感器、不同視角及不同拍攝條件下獲取的兩幅或多幅圖像進行匹配，其最終目的在于建立兩幅圖像之間的對應關系，確定一幅圖像與另一幅圖像的幾何變換關系式，用以糾正圖像的形變。圖像配準來源于多個領域的很多實際問題，如不同圖像傳感器獲得的信息融合；不同時間、條件下獲得圖像的差異檢測 ；成像系統(tǒng)和物體場景變化情況下獲得的圖像的三維信息獲??；圖像中的模式或目標識別等等。 圖像配準的應用領域概括起來主要有以下幾個方面： (1) 醫(yī)學圖像分析：腫瘤檢測、白內(nèi)障檢測、 CT、 MRI、 PET 圖像結(jié)構(gòu)信息融合、數(shù)字剪影血管造影術(shù) (DSA)等； (2) 遙感數(shù)據(jù)分析：分類、定位和識別多譜段的場景信息、自然資源監(jiān)控、核生長監(jiān)控、市區(qū)增長監(jiān)控等； (3) 模式識別：目標物運動跟蹤、序列圖像分析、特征識別、簽名檢測等； (4) 計算機視覺：目標定位、自動質(zhì)量檢測等。 圖像配準技術(shù)在很多領域有著廣泛的應用，因此 ，近年來，它已成為圖像處理技術(shù)研究的重點之一。 基于角點檢測的圖像配準技術(shù)研究 2 基于特征點的圖像配準是圖像配準的一項重要的技術(shù)。特征點是用來表征領域局部特性的位置度量，用來作為具有一定特征的局部區(qū)域位置的標識。 [4]特征點分為兩種類型：狹義特征點和廣義特征點。狹義特征點是針對點本身來定義的，狹義特征點的位置本身具有常規(guī)的屬性意義。而廣義特征點可以是某個特征區(qū)域的中心，中心或特征區(qū)域的任一對應位置。角點屬于狹義特征點，是特征點的重要組成部分，它簡單可以說是各方向灰度變化較大的點。因此研究基于角點 檢測的圖像配準具有重大的意義。 本文研 究內(nèi)容 本文主要研究基于角點的圖像配準，首先對圖像配準基本的相關理論做出相關的介紹，如圖像配準的分類，數(shù)學模型等。其次介紹了 6 種比較典型的角點提取算法： Moravec 算子， Harris 算子， Forstner 算子， SUSAN 算子， Trajkovic 算子及 FAST 算法，對其原理進行分析。然后對圖像配準流程中的重要步驟詳細的分析，包括：預處理，提取角點，角點匹配，坐標變換，重采樣等，并實現(xiàn)基于角點的圖像配準系統(tǒng)。最后對全文做總結(jié)，概括意義，并探討今后的研究方向。 本文組織結(jié)構(gòu) 本論文的各章內(nèi)容安排如下： 第一章 本文選題的背景，意義以及對 將 圖像配準進行 研究的內(nèi)容 。 第二章 圖像配準的理論基礎包括應用定義和基本的變換模型。 第三章 本文的重點， 對 Moravec 算子， Forstner 算子， SUSAN 算子， Trajkovic算子及 FAST 算子六種角點提取算子進行 簡單分析 ， 對 Harris 算子詳細分析， 用測試圖像對算子做了測試分析。 第四章 本文的重點，對圖像配準中的每個關鍵步驟進行分析研究包括角點匹配，重采樣，計算變換模型，實現(xiàn)基于角點的圖像配準系統(tǒng)。 第五章 總結(jié)，對全文總結(jié)，概括意義，今后研究發(fā)展的方 向。 廈門大學軟件學院畢業(yè)設計論文 3 第二章 圖像配準的背景知識與技術(shù)介紹 本章主要介紹配準技術(shù)的相關背景知識與理論基礎，包括圖像配準的定義與分類、配準模型以及圖像變換技術(shù)。 圖像配準的定義和分類 圖像配準可定義 [1]為兩相鄰圖像之間的空間變換和灰度變換，即先將一圖像象素的坐標 X=(x， y)映射到一個新坐標系中的某一坐標 X=(x’， y’)再對其象素進行重采樣。圖像配準要求相鄰圖像之間有一部分在邏輯上是相同的，即相鄰的圖像有一部分反映了同一目標區(qū)域，這一點是實現(xiàn)圖像配準的基本條件。如果確定了相鄰圖像代表同一場景目標的所有像素之間的坐標關 系，采用相應的處理算法，即可實現(xiàn)圖像配準 [1]。 假定兩幅待配準圖像 I1(x， y)和 I2(x， y)我們稱其中之一如 I1(x， y)為參考圖像，另一個 I2(x， y)為待配準圖像。則圖像配準的數(shù)學模型可表示為 [3]： I2(x， y) =g(I1(f(x， y))) () 在這里， f 是一個二維空間的坐標變換，而 g 是一個一維的灰度變換。尋找最佳的空間或幾何變換參數(shù)是匹配問題的關鍵。它常常被表示為兩個參數(shù)變量的單值函數(shù) fx， fy： I2(x， y) = I1(fx (x， y), fy (x， y)) () 本質(zhì)上，圖像配準需要分析各待配準圖像上的幾何畸變，然后采用一種幾何變換將圖像歸化到統(tǒng)一的坐標系統(tǒng)中。圖像配準的一般做法是，首先在參考圖上選取以某一目標點為中心的圖像子塊，并稱它為圖像配準的目標窗口，然后讓目標窗口在待配準圖上有秩序地移動 (或者在待配準圖上定位目標窗口，讓目標窗口在參考圖上有秩序地移動 )，每移到一個位置，把目標窗口與待配準圖的對應部分(稱為配準窗口或被搜索窗口 )進行相關比較，直到找 到配準位置為止。 如果在配準窗口范圍內(nèi)，同一目標的兩幅圖像完全相同，那么完成圖像配準并不困難。然而，實際上圖像配準中所遇到的同一目標的兩幅圖像常常是在不同條件下獲得的，如不同的成像時間、不同的成像位置、甚至不同的成像系統(tǒng)等，再加上成像中各種噪聲的影響，使同一目標的兩幅圖像不可能完全相同，只能做基于角點檢測的圖像配準技術(shù)研究 4 到某種程度的相似，因此圖像配準是一個相當復雜的技術(shù)過程 [2]。 根據(jù) Brown 的總結(jié) [3]，圖像配準可以看成是下面幾種要素的結(jié)合 ： 特征空間 ： 定義特征集用于實現(xiàn)匹配，特征集是從參考圖像和待配準圖像中提取出來的。 搜索空 間 ： 在特征集之間建立對應關系的可能的變換的集合。 搜索策略 ： 用于選擇可以計算的變換模型以使匹配在處理過程中逐步達到精度要求。 近似性度量標準 ： 評估對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。 研究和討論圖像配準算法時，通常會從以上 4 個方面進行考慮。 根據(jù) Brown[3]的總結(jié)，在幾個主要應用領域如計算機視覺及模式識別、醫(yī)學圖像分析、遙感數(shù)據(jù)處理，圖像配準可以粗略地歸為四類： （ 1） 多模態(tài)配 準： 同一場景上由不同傳感方式獲得的圖像間的配準。多模態(tài)配準的典型應用主要是多傳感器圖像的 信息融合。多模態(tài)配準通常需要建立傳感模型和變換模型；由于灰度屬性或?qū)Ρ榷瓤赡苡泻艽蟮牟町?，有時需要灰度的預配準；利用物體形狀和一些基準標志可以簡化問題。主要應用在醫(yī)學圖像領域如CT， MRI， PET， SPECT 圖像結(jié)構(gòu)信息融合以及遙感圖像領域，多電磁波段圖像信息融合，如微波、雷達、可視的或多譜段的等。 （ 2） 模板配準：指在圖像中為參考模板樣式尋找最佳匹配。其應用包括在圖像中識別和定位模板樣式，例如地圖、物體、目標物等。模板配準通?；谀Ｊ?，預先選定特征，已知物體屬性，高等級特征匹配。其應用主要在遙感數(shù)據(jù)處理，定位和識別定義好的或已知特征的場景，如飛機場、高速路、車站、停車場等。 （ 3） 觀察點配準：對從不同觀察點獲得的圖像進行配準。典型應用是深度或形狀重建。觀察點配準 的特征：變形多為透視變換；常應用視覺幾何和表面屬性等的假設條件 。 主要應用：計算機視覺，從視角差異中構(gòu)建三維深度和形狀信息；目標物運動跟蹤；序列圖像分析。 （ 4） 時間序列配準：對同一場景上不同時間或不同條件下獲得的圖像的配準。典型應用包括檢測和監(jiān)視變化。時間序列配準需要容忍圖像中部分內(nèi)容的差異和形變對配準造成的影響；有時需要建立傳感噪聲和視點變換的模 型。應用包括醫(yī)廈門大學軟件學院畢業(yè)設計論文 5 學圖像處理，如數(shù)字減影血管造影 (DSA)、注射造影劑前后的圖像配準、腫瘤檢測、白內(nèi)障檢測；遙感數(shù)據(jù)處理，如自然資源監(jiān)控、核生長監(jiān)控、市區(qū)增長檢測。 圖像配準模型 假設兩幅圖像 f: Ωf →Q f和 g Ωg →Q g 其中 Ωf和 Ωg 是圖像 f 和 g 的定義域， Qf和 Qg 是它們的值域。不失一般性，假定圖像 f 為參考圖像，則圖像 f 和 g 之間的配準就變成了 g 經(jīng)過空間變換和灰度變換與 f 匹配的過程。 S 和 I 分別表示圖像的空間變換和灰度變換， g’表示圖像 g 經(jīng)過變換后的圖像 ： g39。(q)=I(g(S(p， aS))， aI) （ ） 上式中 p∈ Ωg， q∈ Ωf且 q=S(p, aS)， aS和 aI，分別表示空間變換和灰度變換的參數(shù)集合。記 a 為圖像變換中所有參數(shù)組成的集合，即 a= aS U aI，設向量 g’和 f 為 g’(q) = (g’(q) : q∈ Ωf)T （ ） f’(q) = (f’(q) : f∈ Ωf)T （ ） 則它們之間的相似度函數(shù) Θ可以表示為 ： Θ(a)= Γ(g’， f) 其中 Γ(.,.)表示兩圖像之間的相似性度量 (如距離度量 )。一般地，空間變換和灰度變換是非線性變換。 綜上所述，圖像 f 和 g 的配準問題就是對圖像 g 做空間變換和灰度變換，得 到圖像 g’，使得變換后的圖像 g，和圖像 f 之間的相似度準則 Θ達到最大或最小。通過空間變換，把待配準圖像的空間坐標變換到參考圖像的坐標平面 :通過灰度變換，對空間變換后的待配準圖像的灰度值進行重新賦值，即重采樣。 圖像變換 圖像配準需要尋找一種坐標變換模型，建立從一幅圖像坐 標（ x， y）與另一幅圖像坐標（ x’， y’）之間的變換關系。人們常用變換模型有剛體變換，仿射變換，投影變換和非線性變換 [4]，它們所適應的變換如表 21： 表 21： 圖像變換模型與變換之間的關系 基于角點檢測的圖像配準技術(shù)研究 6 反轉(zhuǎn) 旋轉(zhuǎn) 平移 縮放 投影 扭曲 剛體變換 √ √ √ 仿射變換 √ √ √ √ 投影變換 √ √ √ √ √ 非線性變換 √ √ √ √ √ √ 剛體變換 如果一幅圖像中 兩點間的距離經(jīng)變換到另一幅圖像中后仍然保持不變，則這種變換稱為剛體變換（ Rigid Transform）。剛體變換只局限于平移，旋轉(zhuǎn)和翻轉(zhuǎn)（鏡像）。在二維空間中，點（ x， y）經(jīng)過剛體變換到點（ x’， y’）的變換公式為： 39。 c os s i n39。 s i n c osxyxxy m ytt?? ???? ? ? ? ? ??? ????? ? ? ???? ? ? ? ? ? ?? （ ） 其