【文章內容簡介】 可以不同 。全局變換則是指整幅圖像通過相同的變換參數(shù)模型來描述變換過程。圖像變換方式一般可分成線性和非線性變換兩種類型 ,其中線性變換包含剛體變換、仿射變換、投影變換等模型 。非線性變換常使用多項式函數(shù)。 搜索策略 搜索策略的目的是在搜索空間中找出圖像之間進行旋轉、平移等變換的最優(yōu)配準參數(shù)。判定最優(yōu)的依據(jù)就是相似性度量。有效的搜索策略能夠確保圖像之間經(jīng)過變換后具有最大相 似性。正確使用搜索策略有助于減少圖像配準時的計算量 ,因此當搜索空間比較復雜時 ,搜索策略的合理選擇將變得非常重要。在圖像配準時通常運用的搜索策略一般包含以下幾種 :黃金分割法、多尺度搜索、松馳算法、 Brent 法、窮盡搜索、分層搜索、線性規(guī)劃、三次插值法、廣義變換、模擬退火算法、奴群算法、遺傳算法和神經(jīng)網(wǎng)絡等。圖像配準的四個組成元素既相互影響又相互聯(lián)系。對圖像配準算法 展研究 ,首先要依據(jù)實際應用背景 ,確定圖像的成像方式 ,規(guī)劃出圖像配準的類型及相關性能指標 ,然后按照規(guī)劃好的指標參數(shù)設計圖像配準所需的特征空間和搜索空 間 ,最后遵循最優(yōu)的搜索策略分析計算出能夠使相似性度量值最大的最優(yōu)變換參數(shù)模型。 圖像配準算法分類 在圖像配準中主要有兩類算法 :一類是基于區(qū)域的圖像配準算法 ,這類算法主要是通過兩張圖像的灰度關系來確定圖像間坐標變化的參數(shù) ,其中主要包括基于頻域的算法和基于空間像素配準的算法。另一類是基于特征的圖像配準算法 ,這類算法主要是通過提取圖像特征 ,進行圖像之間特征的匹配 ,匹配后按匹配關系來構建圖像間的變換關系 ,此類算法只需要提取圖像的部分信息 ,從而能縮減計算時間。該類算法主要包括基于圖像輪廓特征的算法 ,基于角點檢測的算法 ,SIFT 算法和基于區(qū)域特征的算法。 基于區(qū)域的圖像配準算法 對不存在復雜變換的圖像進行拼接時 ,通常會采用基于區(qū)域的圖像配準算法 ,例如待配準圖像只存在平移變換。這類算法主要使用模板配準 ,并且在圖像拼接過程中 ,往往能夠很容易的完成圖像重構和變換模型的構建。該算法的原理是基于不同圖像中景物的相對位置一般不變的情況下 ,根據(jù)局部的對應關系能夠確定全局的對應關系。針對這類算法所采用的構造思想比較直觀 ,選取的模板一般都比較簡單 ,在圖像的配準過程中 ,可采用圖像間的子圖像和子圖像間的配準 ,也可采用整 幅圖像和整幅圖像間的配準。此類算法包括 :塊配準法、網(wǎng)格配準法和比值配準法。 塊配準法 塊配準法是先取出第一幅圖像中處于兩幅圖像重疊區(qū)域的一塊數(shù)據(jù)作為模板 ,在第二幅圖像中對比分析哪一區(qū)域的數(shù)據(jù)與前一幅圖像數(shù)據(jù)相同 (或相似 ),從而準確定位圖像配準的坐標。采用塊配準法時 ,當模板數(shù)據(jù)較大時算法的配準精度會很高 ,但同時計算量也將增大。 網(wǎng)格配準法 網(wǎng)格配準法是在塊配準法基礎上優(yōu)化形成的。其原理也是通過以第一幅圖像的某個重疊區(qū)域作為模板 ,在第二幅圖像中尋找相同 (或相似 )數(shù)據(jù)的塊 ,在搜索過程中先進行粗配準 ,計算對 應像素點RGB 值在模板中差的平方和 ,在網(wǎng)格中找到最小值位置就是最佳配準的坐標 ,再以這個坐標為中心進行精確配準 ,最終得到圖像配準 最佳坐標。網(wǎng)格配準法的計算量相對塊配準法會減小一些 ,但絕對計算量仍很大。 比值配準法 陜西理工學院畢業(yè)論文 第 7 頁 共 22 頁 比值配準法是在兩幅圖像的重疊區(qū)域內找出兩列像素的相隔距離 ,將這兩列像素之間的比值作為配準模板 ,在第二幅圖像與第一幅圖像的重疊區(qū)域中找到對應位置 ,從而確定圖像配準位置。這種算法只使用了兩條豎直的平行線段的像素信息 ,并不能充分利用圖像中的全部信息。 3. 3 基于特征的圖像配準算法 使用圖像中的特征 信息來進行圖像配準工作是基于特征的圖像配準算法的核心思想。此類算法不需要使用圖像中的全部信息 ,所以在計算時算法的效率比較高 ,對圖像中的灰度變化也有較強的魯棒性 ,但此類算法的精度很大程度上依靠的是特征點提取精度及其配準的準確度。在圖像配準中 ,可以使用的特征有很多 ,例如輪廓、角點、邊緣、高曲率點、區(qū)域特征等 …], 因此出現(xiàn)很多種基于特征的圖像配準算法。 基于圖像輪廓特征算法 基于圖像輪廓特征算法的核心思想是依照圖像之間輪廓特征各不相同的特點 ,提取不同圖像的輪廓用于圖像配準 ,進而分析出正確的配準坐 標位置。提取輪廓特征常用的方法為邊緣檢測法 ,使用該方法能夠檢測出比較清晰的圖像輪廓 ,從而提高圖像配準精度。目前對圖像邊緣檢測技術的研究已經(jīng)很成熟 ,傳統(tǒng)的邊緣檢測算法是通過計算圖像中每個像素點在其較小鄰域內的灰度變化程度 ,使用計算出的一階或二階方向導數(shù)變化來進行邊緣檢測。例如 :索貝爾算子 (Sobel)、 Roberts 算子、Canny 算子、馬爾算子 (LOG)等。近些年來 ,如小波邊緣提取算法等新的算法也陸續(xù)被研究出來 , 下面來具體研究這幾種算法。 索貝爾算子 (Sobel) 索貝爾算子 (Sobel)的核心思想是 在圖像的任一像素點 ,用圖像亮度函數(shù)梯度值的近似值計算出圖像邊緣。具體算法是 :先設定一個閾值 ,在比較圖像中的每個像素的鄰域梯度值來判斷此像素是否 ^為圖像的邊緣。此種算法在空間上易于實現(xiàn) ,可以比較準確的找出圖像邊緣 ,有一定抗噪能力。但對圖像的邊緣定位精度不高 ,存在偽邊緣信息。 索貝爾算子 是由兩個卷積 ),(1 yxg 與 ),(2 yxg 對原圖 ),( yxf 卷積運算得到的。其數(shù)學表達式如 下 ： ? ?? ??????MmNn mjmiMmNn gnmfmjmignmfM A XyxS 1 11 1 )],(21, ),(),(),([)( （ ） Roberts 算子 Roberts 算子的具體算法是 :先設定一個閾值 ,然后在圖像中選取任一像素點 ,對該點在任意相互垂直方向進行差分計算得出梯度值 ,再與事先設定閾值進行比較從而描述出圖像的輪廓。當圖像噪聲較低且在垂直方向與水平方向存在陸峭邊緣的情況下 ,該算法往往具有良好效果 ,可以比較準確的定位圖像 邊緣。但當存在噪聲干擾的情況出現(xiàn)時 ,會因噪聲等因素產生一些偽邊緣。 設 ),( yxf 是圖像灰度分布函數(shù)， ),( yxs 是圖像邊緣的梯度值； ),( yx? 是梯度方向。則有 2122 ]}),(),([)],(),({[),( vxfnvxfvxfvnxfyxs ?????? ...)2,1( ?n （ ） 坎尼算子 (Canny 算子） 坎尼 (Canny)算子是指首先找出圖像中具有局部最大梯度值的像素點 ,再通過尋找能夠用于實際圖像的梯度數(shù)字逼近來提取圖像邊緣。此種算法能夠在邊緣檢測和噪聲抑制之間取得平衡。同時也存在一些不足 ,為了能夠在圖像邊緣檢測中得出較好的檢測結果 ,濾波尺度要運用的比較大 ,這會丟失圖像中 的一些細節(jié)。 坎尼研究了最優(yōu)邊緣檢測器所需的特性，給出了評價邊緣檢測性能優(yōu)劣的三個指標： 陜西理工學院畢業(yè)論文 第 8 頁 共 22 頁 1） 高的準確性，在檢測的結果里應盡量多的包含真正的邊緣，而盡量少的包含假邊緣。 2） 高的精確度，檢測到的邊緣應該在真正的邊界上。 3） 單像素寬，要有很高的選擇性，對每個邊緣有唯一的響應。 針對這三個指標， Canny 提出了用于邊緣檢測的一階微分濾波器 )(xh? 的三個最優(yōu)化準則，即最大信噪準則、最優(yōu)過零件準則和單邊緣相應準則 信噪比準則 ?? ??nmnmdxxhdxxhxGSN R)()()(2? （ ） 其中 )(xG 為邊緣函數(shù)； )(xh 為帶寬為 W 的低通濾波器的脈沖響應； ? 是高斯噪聲的均方差。 定位精確準則 L 為邊緣的定位精度，定義如下： ??????? nmnmdxxhdxxhxGL)()()(2? （ ） 其中 )(xG? 和 )(xh? 為 )(xG 和 )(xh 的一階倒數(shù)； L 是對邊緣精確定位的度量， L 越大定位精度越高。 單邊緣響應準則 要保證對單邊緣只有一個響應，檢測算子的脈沖響應導數(shù)的零點交叉平均距離應該滿足： ????????yyxxdxxhdxxhfD11)()()( ? （ ） 式中 )(xh? 為 )(xh 的二階導數(shù)； f? 是進行邊緣檢測后的圖像 這三個準則是對前述邊緣檢測指標的定量描述。抑制噪聲和邊緣精確定位是無法同時得到足的，即邊緣檢測算法通過圖像平滑算子去除噪聲，勢必增加邊緣定位的不確定性；反之，提高邊緣檢測算子對邊緣的敏感性，同時也提高了對噪 聲的敏感性。因此，在實際應用中只能寄希望于再抑制噪聲和提高邊緣定位精度之間實現(xiàn)一個合理的折衷 。 馬爾算子 (LOG) 馬爾算子 (LOG)的核心思想是首先運用 Gaussian 函數(shù)平滑圖像 ,再運用拉氏算子根據(jù)二階導數(shù)過零點對圖像進行邊緣檢測。馬爾算子 (LOG)本身有三方面優(yōu)點 :一是通過對兩個不同帶寬的高斯曲面之差近似的實現(xiàn)算子 ,提高運算的速度 。二是使用高斯濾波器能夠同時在空域和頻域達到最佳 。三是具有邊緣定位精度高、抗干擾能力強、連續(xù)性好等特點 ,并且可以提取對比度較弱的邊緣輪廓。不足之處是高斯濾波的零交叉點不一 定全部是邊緣點 ,所以還需要進一步確定邊緣像素點的真?zhèn)巍? 所謂零交叉點就是：如果一個像素處的值小于一 0，而此像素 8連通的各個像素都是大于 0（ 0是一個正數(shù)）那么這個像素就是零交叉點。這樣還能克服拉普拉斯算子對噪聲敏感的缺點，減少了噪聲的影響。二維高斯函數(shù)為： 陜西理工學院畢業(yè)論文 第 9 頁 共 22 頁 )e xp(),( 2222 yxyxh ??? ? （ ） 幾種算子的比較與選擇 幾種算子的 比較 圖 幾種算子的優(yōu)缺點比較 算子 優(yōu)缺點 索貝爾算子 對灰度漸變和噪聲較多的圖像處理較好， 索貝爾 算子對邊緣定位比較準確 Roberts 算子 對具有陡峭的低噪聲的圖像處理效果較好，但利用Roberts 算子提取邊緣的結果是邊緣比較粗，因此邊緣定位不準確 坎尼算子 此方法不容易收噪聲干擾，能夠檢測到真正的弱邊緣。該方法的有點在于使用兩種不同的閥值分別別檢測強邊和弱邊緣，并且僅當弱邊緣與強邊緣相連時，才將弱邊緣包含在輸出圖像中。這種方法不容易被噪聲 “填充 ”，隔壁容易檢測出真正的弱邊緣。 馬 爾算子 (LOG) 馬爾算子 經(jīng)常出現(xiàn)在雙邊緣像素邊界，對噪聲比較敏感，所以很少用它檢測邊緣，而是用來判斷邊緣像素位于圖像的明區(qū)還是暗區(qū) 根據(jù)上表可以看出本實驗最好的檢測方法是用 坎尼 算子來進行邊緣檢測。 角點檢測算法 角點檢測算法的核心思想是使用角點檢測法找出圖像中的角點 ,再使用相關函數(shù)計算就可以進行圖像配準角點的檢測法有很多種 ,例 Moravec 檢測法、 Forstner 檢測法、 Harris 檢測法、 SUSAN 檢測法、 Trajkovic 檢測法等。下面進行詳細研究。 Moravec 檢測法 Moravec 檢測法是在 1977 年被提出來的 ,其核心思想是首先通過計算得出每個像素點的興趣值 ,興趣值是通過計算以像素點為中心向不同方向得出的灰度差的平方和 ,在這些平方和中取其最小值得到的。其次 ,我們將根據(jù)實際圖像來設定一個閥值 ,遍歷圖像中的每一個像素點 ,如果該點的興趣值大于該點的閥值 ,那么這個點就作為一個候選點出現(xiàn)。最后 ,選擇一個固定大小的滑動窗口 ,并遍歷這個滑動窗口中灰度圖像 ,在遍歷過程中蹄選興趣值最大的候選點 ,將它作為特征點。 Moravec 檢測法對斜邊緣的響應很強 ,對噪聲響應也較強。 Forstner 檢測法 Forstner 檢測法的核心思想是先計算圖像中每一個像素的 Robert 梯度值 ,再得出以每個像素為中心窗口的灰度協(xié)方差矩陣 ,然后以接近圓的最小誤差橢圓點作為角點。 Forstner 檢測法的計算速度比較快而且計算的精度也比較高 ,但這種檢測法的計算過程中非常復雜。 Harris 檢測法 Harris 檢測法是 C. Harris 和 M. J. Stephens 于 1988年在 Moravec 檢測法的基礎上改進的新算法。該算法屬于基于信號方法的點特征提取算法 ,因為在檢測過程中只是用到了灰度的一階差分以及濾波。所以算法操作簡單 ,在提取的特征點上是均勾且合理的 ,由于這種檢測法只使用圖像灰度的一階陜西理工學院畢業(yè)論文 第 10