【正文】 設(shè)計(jì)論文 7 非奇異 3x3 矩陣形式來描述： ???????????????????????????????wyxaaaaaaaaawyx33323123222113121139。22211211 （ ） 其中 ????????22211211 aa aa 是實(shí)矩陣。 在二維空間中，可以用以下公式表示： ?????????????????????????????? ttyxyxaa aayx 39。 仿射變換 如果一幅圖像上的直線經(jīng)過變換以后映射到另一幅圖像上仍然為直線，并且保持平行關(guān)系，則這種變換稱為仿射變換（ Affine Transform）。 c os s i n39。剛體變換只局限于平移，旋轉(zhuǎn)和翻轉(zhuǎn)（鏡像）。 圖像變換 圖像配準(zhǔn)需要尋找一種坐標(biāo)變換模型，建立從一幅圖像坐 標(biāo)（ x， y）與另一幅圖像坐標(biāo)（ x’， y’）之間的變換關(guān)系。 綜上所述，圖像 f 和 g 的配準(zhǔn)問題就是對(duì)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(zhǔn)則 Θ達(dá)到最大或最小。記 a 為圖像變換中所有參數(shù)組成的集合，即 a= aS U aI，設(shè)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 )。 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。 圖像配準(zhǔn)模型 假設(shè)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。時(shí)間序列配準(zhǔn)需要容忍圖像中部分內(nèi)容的差異和形變對(duì)配準(zhǔn)造成的影響；有時(shí)需要建立傳感噪聲和視點(diǎn)變換的模 型。 （ 4） 時(shí)間序列配準(zhǔn)：對(duì)同一場(chǎng)景上不同時(shí)間或不同條件下獲得的圖像的配準(zhǔn)。觀察點(diǎn)配準(zhǔn) 的特征：變形多為透視變換；常應(yīng)用視覺幾何和表面屬性等的假設(shè)條件 。 （ 3） 觀察點(diǎn)配準(zhǔn)：對(duì)從不同觀察點(diǎn)獲得的圖像進(jìn)行配準(zhǔn)。模板配準(zhǔn)通?；谀Ｊ?，預(yù)先選定特征，已知物體屬性，高等級(jí)特征匹配。 （ 2） 模板配準(zhǔn)：指在圖像中為參考模板樣式尋找最佳匹配。多模態(tài)配準(zhǔn)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(shí)需要灰度的預(yù)配準(zhǔn)；利用物體形狀和一些基準(zhǔn)標(biāo)志可以簡(jiǎn)化問題。 根據(jù) Brown[3]的總結(jié)，在幾個(gè)主要應(yīng)用領(lǐng)域如計(jì)算機(jī)視覺及模式識(shí)別、醫(yī)學(xué)圖像分析、遙感數(shù)據(jù)處理，圖像配準(zhǔn)可以粗略地歸為四類： （ 1） 多模態(tài)配 準(zhǔn)： 同一場(chǎng)景上由不同傳感方式獲得的圖像間的配準(zhǔn)。 近似性度量標(biāo)準(zhǔn) ： 評(píng)估對(duì)從搜索空間中獲得的一個(gè)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。 搜索空 間 ： 在特征集之間建立對(duì)應(yīng)關(guān)系的可能的變換的集合。然而，實(shí)際上圖像配準(zhǔn)中所遇到的同一目標(biāo)的兩幅圖像常常是在不同條件下獲得的，如不同的成像時(shí)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(biāo)的兩幅圖像不可能完全相同，只能做基于角點(diǎn)檢測(cè)的圖像配準(zhǔn)技術(shù)研究 4 到某種程度的相似，因此圖像配準(zhǔn)是一個(gè)相當(dāng)復(fù)雜的技術(shù)過程 [2]。圖像配準(zhǔn)的一般做法是，首先在參考圖上選取以某一目標(biāo)點(diǎn)為中心的圖像子塊，并稱它為圖像配準(zhǔn)的目標(biāo)窗口，然后讓目標(biāo)窗口在待配準(zhǔn)圖上有秩序地移動(dòng) (或者在待配準(zhǔn)圖上定位目標(biāo)窗口，讓目標(biāo)窗口在參考圖上有秩序地移動(dòng) )，每移到一個(gè)位置，把目標(biāo)窗口與待配準(zhǔn)圖的對(duì)應(yīng)部分(稱為配準(zhǔn)窗口或被搜索窗口 )進(jìn)行相關(guān)比較，直到找 到配準(zhǔn)位置為止。尋找最佳的空間或幾何變換參數(shù)是匹配問題的關(guān)鍵。 假定兩幅待配準(zhǔn)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(gè) I2(x， y)為待配準(zhǔn)圖像。圖像配準(zhǔn)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(biāo)區(qū)域，這一點(diǎn)是實(shí)現(xiàn)圖像配準(zhǔn)的基本條件。 廈門大學(xué)軟件學(xué)院畢業(yè)設(shè)計(jì)論文 3 第二章 圖像配準(zhǔn)的背景知識(shí)與技術(shù)介紹 本章主要介紹配準(zhǔn)技術(shù)的相關(guān)背景知識(shí)與理論基礎(chǔ)，包括圖像配準(zhǔn)的定義與分類、配準(zhǔn)模型以及圖像變換技術(shù)。 第四章 本文的重點(diǎn)，對(duì)圖像配準(zhǔn)中的每個(gè)關(guān)鍵步驟進(jìn)行分析研究包括角點(diǎn)匹配，重采樣，計(jì)算變換模型，實(shí)現(xiàn)基于角點(diǎn)的圖像配準(zhǔn)系統(tǒng)。 第二章 圖像配準(zhǔn)的理論基礎(chǔ)包括應(yīng)用定義和基本的變換模型。最后對(duì)全文做總結(jié)，概括意義，并探討今后的研究方向。其次介紹了 6 種比較典型的角點(diǎn)提取算法： Moravec 算子， Harris 算子， Forstner 算子， SUSAN 算子， Trajkovic 算子及 FAST 算法，對(duì)其原理進(jìn)行分析。因此研究基于角點(diǎn) 檢測(cè)的圖像配準(zhǔn)具有重大的意義。而廣義特征點(diǎn)可以是某個(gè)特征區(qū)域的中心，中心或特征區(qū)域的任一對(duì)應(yīng)位置。 [4]特征點(diǎn)分為兩種類型：狹義特征點(diǎn)和廣義特征點(diǎn)。 基于角點(diǎn)檢測(cè)的圖像配準(zhǔn)技術(shù)研究 2 基于特征點(diǎn)的圖像配準(zhǔn)是圖像配準(zhǔn)的一項(xiàng)重要的技術(shù)。 圖像配準(zhǔn)的應(yīng)用領(lǐng)域概括起來主要有以下幾個(gè)方面： (1) 醫(yī)學(xué)圖像分析：腫瘤檢測(cè)、白內(nèi)障檢測(cè)、 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(shí)別多譜段的場(chǎng)景信息、自然資源監(jiān)控、核生長(zhǎng)監(jiān)控、市區(qū)增長(zhǎng)監(jiān)控等； (3) 模式識(shí)別：目標(biāo)物運(yùn)動(dòng)跟蹤、序列圖像分析、特征識(shí)別、簽名檢測(cè)等； (4) 計(jì)算機(jī)視覺：目標(biāo)定位、自動(dòng)質(zhì)量檢測(cè)等。用于將不同時(shí)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(jìn)行匹配，其最終目的在于建立兩幅圖像之間的對(duì)應(yīng)關(guān)系，確定一幅圖像與另一幅圖像的幾何變換關(guān)系式，用以糾正圖像的形變。 圖像處理是對(duì)圖像信息進(jìn)行加工處理，以滿足人的視覺，心理和實(shí)際應(yīng)用得要求。各個(gè)領(lǐng)域的圖像配準(zhǔn)技術(shù)都是針對(duì)各自具體的應(yīng)用背景，并結(jié)合實(shí)際情況度身定制的 特定技術(shù)。經(jīng)過長(zhǎng)達(dá)二十多年的研究，最終成功地應(yīng)用于潘興 II式中程導(dǎo)彈及戰(zhàn)斧式巡航導(dǎo)彈上，使其彈著點(diǎn)平均圓半徑誤差不超過十幾米，從而大大提高了導(dǎo)彈的命中率。 Corner detection。 through the similarity measure to find the matching of feature points。根據(jù)所設(shè)計(jì)的基于角點(diǎn)的配準(zhǔn)技術(shù)，完成配準(zhǔn)原型系統(tǒng)開發(fā)，并通過實(shí)際的圖像配準(zhǔn)實(shí)驗(yàn)，驗(yàn)證了所提出方案的性能。本文 在 Harris 算子 提取角點(diǎn) 的基礎(chǔ)上 ，利用 仿射變換，剛體 變換 并通過 雙線性 插值的重采樣 方法對(duì)圖像進(jìn)行配準(zhǔn)實(shí)驗(yàn) 。并通過實(shí)驗(yàn)對(duì) Harris 提取算子的性能進(jìn)行分析。主要工作如下： （ 1） 角點(diǎn)檢測(cè)算法的研究 與實(shí)現(xiàn) 。 配準(zhǔn)技術(shù)的流程如下：首先對(duì)兩幅圖像進(jìn)行特征提取得到特征點(diǎn)；通過進(jìn)行相似性度量找到匹配的特征點(diǎn)對(duì)；然后通過匹配的特征點(diǎn)對(duì) 得到圖像空間坐標(biāo)變換參數(shù)：最后由坐標(biāo)變換參數(shù)進(jìn)行圖像配準(zhǔn)。 本 科 畢 業(yè) 論 文 基于角點(diǎn) 檢測(cè) 的圖像配準(zhǔn)技術(shù)研究 The research of the Image Registration technology based on Corner detection 姓 名： 學(xué) 號(hào)： 學(xué) 院：軟件學(xué)院 系：軟件工程 專 業(yè)：軟件工程 年 級(jí)： 指導(dǎo)教師 ： 年 月I 摘要 圖像配準(zhǔn)就是將不同時(shí)間、不同傳感器 （ 成像設(shè)備 ） 或不同條件下 （ 天候、照度、攝像位置和角度等 ） 獲取的兩幅或多幅圖像進(jìn)行匹配、疊加的過程，圖像配準(zhǔn) 已經(jīng)被廣泛地應(yīng)用于遙感數(shù)據(jù)分析、計(jì)算機(jī)視覺、圖像處理等領(lǐng)域。 圖像配準(zhǔn)是多種圖像處理及應(yīng)用如物體辨識(shí)、變化檢測(cè)、三維建模等的基礎(chǔ)。 本文主要研究?jī)?nèi)容是基于角點(diǎn)的圖象配準(zhǔn)技術(shù)?；诮屈c(diǎn) 的 圖像配準(zhǔn)中，角點(diǎn)的提取是圖像配準(zhǔn)的關(guān)鍵步驟，本文中 分別 分析 了 當(dāng)前具有代表性的角點(diǎn)檢測(cè)算子，包括Moravec 算子、 Harris 算子、 SUSAN 算子、 Forstner 算子、 Trajkovic 算子以及 FAST算子。 （ 2） 配準(zhǔn)技術(shù)的研究、設(shè)計(jì)與實(shí)現(xiàn)。 （ 3） 原型系統(tǒng)設(shè)計(jì)與開發(fā)。 關(guān)鍵詞 ： 圖像配準(zhǔn) ； 角點(diǎn)檢測(cè)算子 ； 角點(diǎn)匹配 II ABSTRACT Image registration is a process of different time, different sensors (imaging equipment), or under different conditions (weather, illumination, camera position and angle, etc.) obtaining multiple images of the two or more match, overlay, image registration has been widely applied to remote sensing data analysis, puter vision, image processing and other fields. Image registration is the basis of the wide range of applications such as image processing and object recognition, change detection, threedimensional modeling and so on. Registration process is as follows: firstly two feature extraction image feature points obtained。 and then match the feature points to be images of the coordinate transformation parameter space: finally matching images by parameters from the coordinate transformation. In this paper, the study is based on the corner of the image registration techniques. Major ones are as follows: (1) Corner detection algorithm research and implementation. Cornerbased image registration, the corner of the extraction of image registration is a key step in, respectively, in this article analyzes the current representative of the corner detection operator, including Moravec operator, Harris operator, SUSAN operator, Forstner operator, Trajkovic operator and the operator FAST. And analyzing the performance of extraction operator through Harris experiments. (2) The research, design and implementation of image registration. On the basis of using Harris corner detection operator, matching the images by using affine transformation and rigid body transformation. (3) Design and develop the prototype system. According to the cornerbased registration technology, the pletion of the prototype matching systems development, and through the actual image regis