中南大學(xué)生物醫(yī)學(xué)工程研究所圖像配準(zhǔn)(編輯修改稿)
2025-01-23 11:07 本頁面
【文章內(nèi)容簡介】 分特性 (在一個(gè)模板內(nèi)計(jì)算 SUSAN 面積 ),這樣就使得 SUSAN 算法在抗噪和計(jì)算速度方面有較大的改進(jìn)。中南大學(xué)生物醫(yī)學(xué)工程研究所 圖像配準(zhǔn)24 *SUSAN 算法 n 用一個(gè)一定半徑的圓模板放置在圖像上（如圖）。如果模板上存在一區(qū)域，使該區(qū)域上對應(yīng)圖像的每一像素處的灰度值與圓心的灰度值相同（或相近），那么就定義該區(qū)域?yàn)楹酥迪嗨茀^(qū)，即 USAN，其中像素的個(gè)數(shù)定義為這個(gè)模板的面積。中南大學(xué)生物醫(yī)學(xué)工程研究所 圖像配準(zhǔn)25 * 中南大學(xué)生物醫(yī)學(xué)工程研究所 圖像配準(zhǔn)26 *SUSAN 算法的基本原理n 圖像上每一點(diǎn)都有一個(gè)鄰近的具有相似灰度值的局部區(qū)域是 SUSAN 算法的基礎(chǔ)。這個(gè)局部區(qū)域或 USAN 包含了許多關(guān)于圖像結(jié)構(gòu)的信息。 n SUSAN 算法的基本原理是：在每個(gè)像素移動(dòng)一個(gè)小的圓形模板以檢測局部信息，并利用預(yù)先設(shè)定的亮度閾值比較模板核及其周圍像素的亮度值，亮度值相同或相近的為一個(gè)USAN，最后通過面積最小的 USAN 檢測角點(diǎn)。 中南大學(xué)生物醫(yī)學(xué)工程研究所 圖像配準(zhǔn)27 *邊緣特征提取n “基于 TIN的多源影像幾何配準(zhǔn) ”沒有使用邊緣提取算子，所以這里不介紹其算法。（ a）原圖 （ b） Marr算子結(jié)果 （ c） Canny算子結(jié)果中南大學(xué)生物醫(yī)學(xué)工程研究所 圖像配準(zhǔn)28 *紋理特征n 紋理是用來識別目標(biāo)的重要方法，它是圖像中一個(gè)很重要而又難以描述的特性，至今還沒有公認(rèn)的定義。有些圖像在局部區(qū)域內(nèi)呈現(xiàn)不規(guī)則性，而在整體上表現(xiàn)出某種規(guī)律性。 習(xí)慣上把這種局部不規(guī)則而宏觀有規(guī)律的特性稱之為紋理。 以紋理特性為主導(dǎo)的圖像，常稱為紋理圖像，如木材紋理、皮膚紋理、織物紋理等。通過對物體紋理特征的提取，可以對圖像進(jìn)行分類、配準(zhǔn)等操作。 中南大學(xué)生物醫(yī)學(xué)工程研究所 圖像配準(zhǔn)29 *n 局部不規(guī)律，整體具有一定規(guī)律性的特性。216。 基本單元的重復(fù)性216。 粗糙性216。 方向性中南大學(xué)生物醫(yī)學(xué)工程研究所 圖像配準(zhǔn)30 *提取紋理特征的方法n 灰度共生矩陣。n 基于小波的 Gabor算子。中南大學(xué)生物醫(yī)學(xué)工程研究所 圖像配準(zhǔn)31 *直方圖匹配中南大學(xué)生物醫(yī)學(xué)工程研究所 圖像配準(zhǔn)32 *Hu不變矩 n 1962年 Hute提出 Hu不變矩，它對于匹配影像之間的平移、旋轉(zhuǎn)和大小尺度變化具有自適應(yīng)性 ，但它只適用于相似變換，不適于仿射變換。 Hu最初用以下 7個(gè)不變矩公式來描述目標(biāo)特征 :中南大學(xué)生物醫(yī)學(xué)工程研究所 圖像配準(zhǔn)33 *但實(shí)際上大部分文獻(xiàn)都采用 6個(gè)無量綱、消誤差的組合不變矩 ：中南大學(xué)生物醫(yī)學(xué)工程研究所 圖像配準(zhǔn)34 *點(diǎn)模式匹配n 模式識別中的點(diǎn)模式匹配，使用特征點(diǎn)集中點(diǎn)與點(diǎn)之間的位置關(guān)系進(jìn)行匹配，較少（或沒有）利用圖像灰度、紋理和邊緣信息，所以它對圖像之間的旋轉(zhuǎn)、灰度、紋理、分辨率等差異不敏感，能夠匹配不同傳感器的圖像，且能進(jìn)行圖像之間的全自動(dòng)配準(zhǔn)。n 匹配兩個(gè)特征點(diǎn)集的實(shí)質(zhì)是找到它們的同構(gòu)子集。n 要用到較多的數(shù)學(xué)知識。 中南大學(xué)生物醫(yī)學(xué)工程研究所 圖像配準(zhǔn)35 *點(diǎn)模式匹配n Pengyu Hong等用圖論的方法，把兩點(diǎn)集看作兩個(gè)無向圖，然后提取它們的同構(gòu)子圖，但其算法復(fù)雜，只能用于匹配簡單圖片（如商標(biāo)），對于復(fù)雜圖片計(jì)算量過大。n 羅綱等以傳統(tǒng)的 Umeyama 點(diǎn)集相關(guān)度量為基礎(chǔ) ,結(jié)合Procrustes正規(guī)化方法 ,通過引入加權(quán)矩陣得到新的相關(guān)度量函數(shù) ,解決了傳統(tǒng)方法要求點(diǎn)集維數(shù)相同的缺點(diǎn)，經(jīng)過迭代運(yùn)算 ,可對存在幾何失真 ,且維數(shù)不同的兩點(diǎn)集進(jìn)行精確配準(zhǔn)，但計(jì)算量較大。中南大學(xué)生物醫(yī)學(xué)工程研究所 圖像配準(zhǔn)36 *n 張立華等將待匹配的兩個(gè)二維點(diǎn)集分別轉(zhuǎn)化成為一個(gè) n維空間中的向量 , 對這兩個(gè)向量中的各元素進(jìn)行簡單的排序來解決點(diǎn)集匹配問題。n 田原等通過建立一種圖像點(diǎn)集間距離的描述方法，提出基于點(diǎn)集不變性匹配的目標(biāo)檢
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1