【正文】 時(shí)可以直接調(diào)用，而且Matlab的庫函數(shù)同用戶文件在形成上一樣，所以用戶文件也可作為Matlab的庫函數(shù)來調(diào)用。人們用任何一種語言編寫程序和調(diào)試程序一般都要經(jīng)過四個(gè)步驟：編輯、編譯、連接以及執(zhí)行和調(diào)試。Matlab編寫簡單，所以編程效率高，易學(xué)易懂。 MATLAB 將高性能的數(shù)值計(jì)算和可視化集成在一起，并提供了大量的內(nèi)置函數(shù)，從而被廣泛地應(yīng)用于科學(xué)計(jì)算、控制系統(tǒng)、信息處理等領(lǐng)域的分析、仿真和設(shè)計(jì)工作，而且利用 MATLAB 產(chǎn)品的開放式結(jié)構(gòu)，可以非常容易地對(duì) MATLAB 的功能進(jìn)行擴(kuò)充，從而在不斷深化對(duì)問題認(rèn)識(shí)的同時(shí)，不斷完善 MATLAB 產(chǎn)品以提高產(chǎn)品自身的競爭能力。 圖像拼接matlab實(shí)現(xiàn) 　　　　(5) 參數(shù)提取:從融合圖像中提取和測量特征參數(shù)，定性、定量分析　　 本章小結(jié) 　　本章主要介紹了圖像融合的概念，方法以及步驟?！　?3 )利用特征點(diǎn)進(jìn)行圖像配準(zhǔn):可視作兩個(gè)數(shù)據(jù)集間的線性或非線性變換，使變換后的兩個(gè)數(shù)據(jù)集的誤差達(dá)到某種準(zhǔn)則的最小值。 圖31 圖像融合步驟示意圖　　(2) 分割目標(biāo)和選擇配準(zhǔn)特征點(diǎn):在二維或三維情況下，對(duì)目標(biāo)物或興趣區(qū)進(jìn)行分割。SHAPE對(duì)序列斷層圖像作三維重建和顯示，根據(jù)目標(biāo)特點(diǎn)建立數(shù)學(xué)模型。　　 圖像融合步驟 　　目前國內(nèi)外己有大量圖像融合技術(shù)的研究報(bào)道，不論應(yīng)用何種技術(shù)方法，必須遵守的基本原則是兩張或多張圖像上對(duì)應(yīng)的每一點(diǎn)都應(yīng)對(duì)位準(zhǔn)確。 　?。?） 小波變換融合法　　利用離散的小波變換，將N幅待融合的圖象的每一幅分解成M幅子圖象，然后在每一級(jí)上對(duì)來自N幅待融合圖象的M幅子圖象進(jìn)行融合，得到該級(jí)的融合圖象。首先，通過高通濾波器提取高分辨率圖象中的高頻分量，然后將高通濾波結(jié)果加入到高光譜分辨率的圖象中，形成高頻特征信息突出的融合影象。　?。?）高空間分辨率數(shù)據(jù)與高光譜分辨率數(shù)據(jù)通過融合得到的新的數(shù)據(jù)包含了源圖象的高分辨率和高光譜分辨率特征，保留了原圖象的高頻信息。 KL變換融合法　　KL變換融合法又稱為主成分分析法。這樣獲得的高分辨率彩色圖象既具有較高空間分辨率，同時(shí)又具有與影象相同的色調(diào)和飽和度，有利于目視解譯和計(jì)算機(jī)識(shí)別。 融合處理。下面簡要介紹其中的幾種方法?！　?圖像融合方法 　　迄今為止，數(shù)據(jù)融合方法主要是在像元級(jí)和特征級(jí)上進(jìn)行的。采用這種融合規(guī)則所得到的融合效果較好，但此規(guī)則相對(duì)其他融合規(guī)則要復(fù)雜。融合效果得到提高。Chibani和Houacine在其融合規(guī)則中，通過計(jì)算輸入原圖像相應(yīng)窗口區(qū)域中像素絕對(duì)值相比較大的個(gè)數(shù)，決定融合像素的選取?？紤]圖像相鄰像素間的相關(guān)性，Burt和Kolczynski提出了基于區(qū)域特性選擇的加權(quán)平均融合規(guī)則，將像素值(或系數(shù))的融合選取與其所在的局部區(qū)域聯(lián)系起來。蒲恬在應(yīng)用小波變換進(jìn)行圖像融合時(shí)，根據(jù)人類視覺系統(tǒng)對(duì)局部對(duì)比度敏感的特性，采用了基于對(duì)比度的像素選取融合規(guī)則。這是基于在不同分辨率圖像中，具有較大值的像素(或系數(shù))包含更多的圖像信息?！　?圖像融合規(guī)則 　　圖像的融合規(guī)則(Fusion rule)是圖像融合的核心，融合規(guī)則的好壞直接影響融合圖像的速度和質(zhì)量。傳統(tǒng)的融合方法多是在時(shí)間域?qū)D像進(jìn)行算術(shù)運(yùn)算，沒有考慮處理圖像時(shí)其相應(yīng)頻率域的變化。前4種為全局變換，后兩種為局部變換，如圖I所示，圖(a)為修正結(jié)果；圖(b)至圖(g)為對(duì)應(yīng)的變形。cpselect函數(shù)顯示圖像界面，手動(dòng)在兩幅圖像的重疊部分選取配準(zhǔn)控制點(diǎn)，Matlab自動(dòng)進(jìn)行亞像素分析，由cp2tform函數(shù)值正重疊部分的幾何差異。圖像配準(zhǔn)是通過數(shù)學(xué)模擬來對(duì)圖像間存在著的幾何差異進(jìn)行校正，把相鄰兩幅圖像合成到同一坐標(biāo)系下，并使得相同景物在不同的局部圖像中對(duì)應(yīng)起來，以便于圖像無縫合成。Matlab具有強(qiáng)大的計(jì)算功能和豐富的工具箱函數(shù)，例如圖像處理和小波工具箱包含了大多數(shù)經(jīng)典算法，并且它提供了一個(gè)非常方便快捷的算法研究平臺(tái)，可讓用戶把精力集中在算法上而不是編程上，從而能大大提高研究效率?！　?shù)字圖像融合是圖像分析的一項(xiàng)重要技術(shù)，該技術(shù)在數(shù)字地圖拼接、全景圖、虛擬現(xiàn)實(shí)等領(lǐng)域有著重要應(yīng)用。由于不同模式的圖像傳感器的成像機(jī)理不同，工作電磁波的波長不同，所以不同圖像傳感器獲得的同一場景的多幅圖像之間具有信息的冗余性和互補(bǔ)性，經(jīng)圖像融合技術(shù)得到的合成圖像則可以更全面、更精確地描述所研究的對(duì)象?！　〉谒恼略撍惴ㄐ枰?jì)算出特征點(diǎn)以及特征點(diǎn)的匹配點(diǎn)，同時(shí)還要將所有4對(duì)特征點(diǎn)帶入式322求解變換系數(shù)，計(jì)算量大。 該算法的主要缺點(diǎn): (2)誤匹配發(fā)生的概率小，因?yàn)槔昧藚⒖紙D像T包含特征點(diǎn)的特征區(qū)域來尋找相應(yīng)匹配，因此在搜索圖S中相應(yīng)的特征區(qū)域容易確認(rèn)。 (1)圖像的特征信息得到了利用，能夠有的放矢，不是在盲目的搜索。 (322) (3)利用這4組匹配的特征區(qū)域的中心點(diǎn)，也就是4對(duì)匹配的特征點(diǎn)，代入方程式(322)求解，所求的解即為兩幅圖像間的變換系數(shù)。因?yàn)橛?個(gè)特征點(diǎn)，故有4個(gè)特征區(qū)域，找到相應(yīng)的特征區(qū)域的匹配也有4塊。 在有了以上的特征點(diǎn)提取的基礎(chǔ)上，基于特征點(diǎn)匹配算法主要步驟如下:在一定大小的窗口內(nèi)(可不同于興趣值計(jì)算窗口)，去掉所有不是最大興趣值的候選點(diǎn)，只留下興趣值最大者，該像素即為一個(gè)特征點(diǎn)。 ，則V為特征點(diǎn)的候選點(diǎn)。取其中最小者為像元((c,r)的興趣值:IV(c,r)=V=min{ V , V , V , V } 　　(2)根據(jù)給定的閡值，選擇興趣值大于該闡值的點(diǎn)作為特征點(diǎn)的候選點(diǎn)。 Moravec算子的基本思想是，以像素點(diǎn)的四個(gè)主要方向上最小灰度方差表示該像素點(diǎn)與鄰近像素點(diǎn)的灰度變化情況，即像素點(diǎn)的興趣值，然后在圖像的局部選擇具有最大的興趣值得點(diǎn)(灰度變化明顯得點(diǎn))作為特征點(diǎn)，具體算法如下:　　（1）計(jì)算各像素點(diǎn)的興趣值IV (interest value)，例如計(jì)算像素點(diǎn)(c,r)的興趣值，先在以像素點(diǎn)((cr)為中心的n n的影像窗口中( 5的窗口)，計(jì)算四個(gè)主要方向相鄰像元灰度差的平方和。自七十年代以來出現(xiàn)一系列各不相同、各有特色的興趣算子，較知名的有Moravec算子、Hannah算子與Foistner等。特征點(diǎn)主要指圖像中的明顯點(diǎn)，如房屋角點(diǎn)、圓點(diǎn)等。 特征點(diǎn)匹配法 　　比值匹配法利用圖像特征較少，而且在圖像發(fā)生小角度旋轉(zhuǎn)的時(shí)候容易發(fā)生誤匹配。同時(shí)，在確定特征線間距時(shí)，選的過大，則不能充分利用重疊區(qū)域的圖像信息。算法中在參考圖像T的重疊區(qū)域中取出兩列像素上的部分像素，并沒有給出選擇的限制。由于照片中存在大塊紋理相同的部分，所以與模版的差別就不大，這樣有很多匹配點(diǎn)，很容易造成誤匹配。然而，有時(shí)候不可避免的照相機(jī)鏡頭會(huì)有小角度的旋轉(zhuǎn)，使得拍攝出來的照片有一定的旋轉(zhuǎn)，在這個(gè)算法中是無法解決的。此算法對(duì)照片先進(jìn)行垂直方向上的比較，然后再進(jìn)行水平方向上的比較，這樣可以解決上下較小的錯(cuò)開問題。只利用了兩條豎直的平行特征線段的像素的信息，沒有能夠充分利用了圖像重疊區(qū)域的大部分特征信息。 比值匹配法的缺點(diǎn): (2)在匹配計(jì)算的時(shí)候，計(jì)算量小，速度快。 (1)算法思路清晰簡單，容易理解，實(shí)現(xiàn)起來比較方便。再將每個(gè)數(shù)組的組內(nèi)最佳匹配進(jìn)行比較，即進(jìn)行水平方向的比較，得到的最小值就認(rèn)為是全局最佳匹配。 (3)利用參考圖像T中的比值模板在搜索圖S中尋找相應(yīng)的匹配。假定垂直錯(cuò)開距離不超過n個(gè)像素，多取的n個(gè)像素則可以解決圖像垂直方向上的交錯(cuò)問題。 該算法的具體實(shí)現(xiàn)步驟如下:這樣在比較中只利用了一組數(shù)據(jù)，而這組數(shù)據(jù)利用了兩列像素及其所包含的區(qū)域的信息。匹配的過程是在搜索圖S中，由左至右依次從間距相同的兩列上取出部分像素，并逐一計(jì)算其對(duì)應(yīng)像素值比值。對(duì)于任意變換模型，不能直接進(jìn)行處理，而要使用控制點(diǎn)方法，控制點(diǎn)方法可以解決諸如多項(xiàng)式、局部變形等問題。 相位相關(guān)度法的缺點(diǎn): (2)該算法抗干擾能力強(qiáng)，對(duì)于亮度變化不敏感。另外，傅立葉變換的硬件實(shí)現(xiàn)也比其它算法容易。 (1)該算法簡單速度快，因此經(jīng)常被采用。通過對(duì)互功率譜式(39)進(jìn)行傅立葉逆變換，在((x,y)空間的（x ,y )，即位移處，將形成一個(gè)單位脈沖函數(shù) ，脈沖位置即為兩幅被配準(zhǔn)圖像間的相對(duì)平移量x 和y (39)兩幅圖的互功率譜為: (38) 根據(jù)傅立葉變換的位移性質(zhì)，上式的傅立葉變換為: (36)若圖像s,t相差一個(gè)平移量(x ,y )，即有: 它將圖像由空域變換到頻域以后再進(jìn)行配準(zhǔn)。與逐一比較法一樣，該算法只是對(duì)其運(yùn)算速度有所改進(jìn)，讓搜索空間變小，并無本質(zhì)變化，因此對(duì)圖像的旋轉(zhuǎn)變形并不能進(jìn)行相應(yīng)處理。 (1)算法的精度不高。 算法的優(yōu)點(diǎn):依次進(jìn)行下去，直到在原始圖像中尋找到精確的匹配位置。 (2)從待匹配的兩幅圖像中分辨率最低的開始進(jìn)行匹配搜索，由于這兩幅圖像像素點(diǎn)的數(shù)目少，圖像信息也被消除一部分，因此，此匹配位置是不精確的。依次處理，得到一組分辨率依次降低的圖像。然后，將此分辨率低一級(jí)的圖像再作同樣的處理，也就是將低一級(jí)的圖像4 4鄰域內(nèi)的像素點(diǎn)的像素值分別取平均，作為這一區(qū)域(4 算法的具體實(shí)現(xiàn)步驟如下:每次步長減半，搜索當(dāng)前最小值，循環(huán)這個(gè)過程，直到步長為零，最后確定出最佳匹配位置。在搜索過程中，首先進(jìn)行粗略匹配，每次水平或垂直移動(dòng)一個(gè)步長，計(jì)算對(duì)應(yīng)像素點(diǎn)灰度差的平方和，記錄最小值的網(wǎng)格位置。利用圖像的塔形分解，可以分析圖像中不同大小的物體。　　 分層比較法 　　圖像處理的塔形(或稱金字塔:Pyramid)分解方法是由Burt和Adelson首先提出的，其早期主要用于圖像的壓縮處理及機(jī)器人的視覺特性研究。 (2)對(duì)圖像的旋轉(zhuǎn)變形不能很好的處理。同時(shí)，如果分塊過大則降低匹配速度，如果分塊過小則容易降低匹配精度。 (1)很難選擇待配準(zhǔn)圖像分塊。 該算法的優(yōu)點(diǎn): (35)根據(jù)CauchySchwarz不等式可知式(35)中0 R(i,j) 1，并且僅當(dāng)值S (m, n)/T (m, n)=常數(shù)時(shí)，R(i,j)取極大值。 (34)當(dāng)R(i,j)越大時(shí)，D(i,j)越小，歸一化后為:因此相關(guān)函數(shù)為:R(i,j)= 式中等號(hào)右邊第三項(xiàng)表示模板總能量，是一常數(shù)，與(i,j)無關(guān)。 [T(m,n)] [S (m,n)] 2 (32)或者利用歸一化相關(guān)函數(shù)。 D(i,j)= [S (m,n)T(m,n)] D(i,j)=D(i,j)的值越小，則該窗口越匹配。在現(xiàn)實(shí)圖像中，兩幅圖像完全一致是很少見的，一般的判斷是在滿足一定條件下，T和S 之差最小。然后比較T和S 的內(nèi)容。逐一比較法的配準(zhǔn)思想是: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。 圖像配準(zhǔn)總是相對(duì)于多幅圖像來講的，在實(shí)際工作中，通常取其中的一幅圖像作為配準(zhǔn)的基準(zhǔn),稱它為參考圖,另一幅圖像,為搜索圖。配準(zhǔn)可以用描述為如下的問題:給定同一景物的從不同的視角或在不同的時(shí)間獲取的兩個(gè)圖像I ,I 和兩個(gè)圖像間的相似度量S(I ,I ),找出I ,I 中的同名點(diǎn)，確定圖像間的最優(yōu)變換T,使得S(T(I ),I )達(dá)到最大值。圖像配準(zhǔn)定義為:對(duì)從不同傳感器或不同時(shí)間或不同角度所獲得的兩幅或多幅圖像進(jìn)行最佳匹配的處理過程。 圖像配準(zhǔn)算法 　　 圖像配準(zhǔn)的概念 3 、5 5 區(qū)域，也可以有不同形狀，如線狀、圓形、十字形、圓環(huán)形。取某種結(jié)構(gòu)的二維滑動(dòng)模板，將模板內(nèi)像素按照像素值的大小進(jìn)行排序，生成單調(diào)上升（或下降）的二維數(shù)據(jù)序列?！　　　≈兄禐V波是基于排序統(tǒng)計(jì)理論的一種能有效抑制噪聲的非線性信號(hào)處理技術(shù)。g(x,y)= 序號(hào)為0是當(dāng)前像素，序號(hào)為1至8是鄰近像素。 所謂均值濾波實(shí)際上就是用均值替代原圖像中的各個(gè)像素值。另一種是每一點(diǎn)都存在噪聲，但噪聲的幅值是隨機(jī)分布的，從噪聲幅值大小的分布統(tǒng)計(jì)來看，其密度函數(shù)有高斯型、瑞利型，分別成為高斯噪聲和瑞利噪聲，又如頻譜均勻分布的噪聲稱為白噪聲等。各種類型的噪聲反映在圖像畫面上，大致可以分為兩種類型。若輸入伴有較大的噪聲，必然影響圖像拼接的全過程及輸出的結(jié)果。一般來說，噪聲是不可預(yù)測的隨機(jī)信號(hào)，通常采用概率統(tǒng)計(jì)的方法對(duì)其進(jìn)行分析。實(shí)際的復(fù)原過