图像配准刚体配准
为了实现两幅同一物理特性和不同物理特性且相似的图像的图像配准。本文首先阐述了图像配准的意义以及图像配准的一般方法和一些常用算法；并通过matlab数字图象处理的一些方法和实验所要用到的运行程序代码完成课题所要达到的效果。本文所使用的配准方法是基于互信息的刚体配准。对于参考图像、浮动图像进行刚体变换并进行互信息计算使其互信息最大以达到图像配准的效果。最后讲述了图像配准技术在医学图像、遥感图像、指纹图像中的应用效果。通过实验我们不难发现图像配准技术对于处理不同物理特性且相似的两幅图像有着良好的效果。
关键字：图像配准 互信息 刚体配准 M000256
In order to achieve two of the same physical characteristics and different physical characteristics and similar images of image registration. This paper first describes the general methods of imageregistration and image registration sense and some common algorithms; and through a number of methods and experimental matlab digital image processing by the use of the op code to complete the task to achieve the effect. Registration method used herein is based on mutual information rigid registration. For reference map, to be rigid image registration transformation and mutual information it has reached the maximum mutual information image registration results. Finally, about the effect of image registration technology in some areas. Through experiments we find that the image registration techniques for dealing with different physical characteristics and similar two images have a good effect.
Key Words：Image registration；Mutual Information；Rigid registration
一、绪论 查看完整请+Q:351916072获取
1.1图像配准的意义[1]
随着科技的不断发展，人们获取图像的途径和能力也得到了迅速提高，不同物理特性的图像也在不断增多。由于不同图像之间存在明显的局限性和差异性，所以利用一种图像在目前看看很难满足实际需求。因此，需要通过图像融合技术将不同物理特性的图像综合起来使用，达到对目标更全面、清晰、准确的理解和认识的。而图像配准技术是图像融合的重要前提，所以图像配准技术得到了飞速发展。
人们在不同时间、不同视点获得的图像在空间上往往会存在差异，因此在进行图像融合时需要先进行图像处理，以消除图像融合间的差异。然而图像配准是图像融合的重要前提条件，也是其关键技术之一。对不同的图像及其所要应用的领域，所需要的配准方法有可能有着很大的差别。因此我们要根据图像的特点和应用角度选择合适的配准方法。
基于互信息的配准方法是图像配准领域的重要方法，具有鲁棒性，精度高等优点。目前在医学、遥感和识别等领域使用的比较广泛。虽然刚体配准在许多情况下不能满足现实的需求，因为很多形变的性质是非刚体、非线性的.但是我们可以通过对刚体的研究了解到他的局限性从而更好的学习图像配准技术。互信息本来是信息论中的一个概念。如今人们用互信息作为两幅图像之间的测度，如果两幅图像配准时，那么它们的互信息量在这一刻最大。由于该方法不需要对这两幅图像之间关系的性质作任何假设，所以非常适合于图像配准工作。
总之，随着社会的发展，人们对图像的要求越来越高，因此图像配准技术的要求也就越来越高。
1.2图像配准的发展进程[2][3][4]
该项技术最早是从20世纪60年代起在国外开始进行研究的,但是一直到1980年代末这项技术才逐步引起学者们的关注。20世纪末,单模图像配准问题已基本得到解决,但多模图像配准仍然需要密切关注，因为其涉及的模式和领域比较复杂。国际上曾经对图像配准技术做过一些调查,发现从1990年代初开始关于图像配准技术的文献明显增加。而国内图像配准技术的研究工作是从1990年代初才开始的。
图像配准技术最早应用在美国的飞行器辅助导航系统和武器投射系统上。因其对军事的巨大作用因此得到军方的大力支持，使其得到了发展。在历经几十年的研究工作后，该技术终于在导弹系统中成功的得到应用，这项技术使得导弹的命中率得到了很大的提升。而后，该技术经过不断的发展，其在其他领域有得到了应用，例如：医学诊断、遥感图像分析、计算机视觉和模式识别等等。尤为突出的便是医学诊断，它提高了诊断和治疗水平。在当今生活中应用最广泛的也是医学诊断。
随着科技的不断发展，图像配准技术也在不断进步，然而就当前而言该技术尚不能满足当前人们的需求。因此该技术还在不断完善中。例如：提高图像配准的效率、提高图像配准的效果、简化图像配准的流程等等。
1.3图像配准方法
图像配准的方法有很多，我们可以从不同的角度来进行分类[5][6]。
1.3.1根据图像的维数不同分类
根据图像的空间维数的不同可将图像分为二维图像和三维图像，相应的图像配准也可分为二维配准和三维配准。如果在空间维数的基础上再加上时间维则原来的二维和三维就变成了三维和四维。这项技术如今在医学上用来观察儿童的骨骼发育情况以及一些肿瘤变化等。
1.3.2根据人机交互分类
在进行图像配准的过程中人们或多或少都会参与或指导工作。因此根据人们参与的多少，图像配准分为人工配准、半自动配准和全自动配准。单从字面上我们就可以看出人工配准就是指该配准完全就是有人工来完成的，人们可以根据自己的经验来进行图像配准。半自动配准是指人和计算机是相辅相成的。而全自动配准则是完全是由计算机完成图像配准的，没有人工的干预。
1.3.3根据空间变换模型分类
图像配准的实质就是寻找图像在空间上的变换参数，因此图像配准可以分为刚体变换、仿射变换、投影变换和非线性变换。在图像配准中非线性变换是比较理想的但由于其变换过于复杂、代价太大，技术也相对不太成熟。而刚体变换的应用较为广泛，因其当前技术较为成熟而且相对简单。
1.3.4根据变换函数的作用域分类
由于空间几何变换函数的作用域不同，配准可以分为全局变换和局部变换。目前大多数情况下使用的是全局变换。而当图像中存在非刚性形变时采用的是局部变换。
1.3.5根据人体成像的部位不同分类
根据人体成像部位的不同，图像配准分为脑部图像配准、胸部图像配准以及腹部图像配准等等。其中脑部图像配准一般采用的是刚体配准，其他的一般采用的是非刚体配准。
1.3.6根据图像成像的模式分类
现今的成像技术越来越成熟，根据成像的不同模式可以将其分为单模图像配准和多模图像配准。单模图像配准指的是图像是在同一种成像设备上获取的，主要在不同MRI加权像间的配准、电镜图像序列的配准以及fMRI图像序列的配准等上应用。多模图像指的是图像是在不同的成像设备上获取的。
1.3.7根据控制点不同分类
根据配准所基于的控制点可将其分为基于外部控制点图像配准和基于内部控制点图像配准。基于外部控制点图像配准操作简单但其在临床效果中对病人不太友好，且控制点标记复杂，不具有回溯性。而基于内部控制点图像配准就没有了上诉缺点而且配准精度高，因此其成为了当前研究的热门课题。
1.3.8根据图像配准的过程分类
根据图像配准的过程可以将其分为基于特征的图像配准和基于灰度的图像配准。基于灰度的图像配准方法相对于基于特征的图像配准方法简单一些。因为其不需要对图像进行分割和特征的提取，而是直接进行配准的。
1.4该论文结构
该论文的第一部分为绪论部分，主要简述了图像配准的意义、图像配准技术的发展进程以及根据资料简述了当前的配准方法的分类；第二部分主要简述了互信息的定义和计算方式；第三部分简述了互信息刚体配准的一些技术：第四部分根据课题要求在不同领域（医学、遥感、计算机模式识别）通过实验得出的结果对该图像配准方法进行分析看能否达到要求。实验结果表明该图像配准的方法基本能达到要求。
3.1刚体变换
如果一幅图像经过空间变换后其图像上任意两点的距离未发生变化则这种空间变换称为刚体变换。就如图1和图2所示。刚体变换可分解为旋转和平移，图像的变化只是发生位置上，但是几何形状并未发生改变。变换公式为： (3.1)
3.2插值法[4]
3.2.1最邻近元法
该方法是最为简单的一种插值方法，直接在待求像素的四邻像素 中，将距离待求像素最近的邻像素灰度赋给待求像素，所以该方法不需要通过计算。我们可以假设i+u, j+v(其中i, j均为正整数， u, v为大于0小于1的小数，下同)为待求像素的坐标，则待求像素灰度的值为 f(i+u, j+v) 如图3所示：当(i+u, j+v)落在A区，即u<0.5, v<0.5，则赋给待求像素其所对应的像素的灰度值，同理可得，落在B区的赋予相应的的像素灰度值，落在C区的也赋予所对应的像素的灰度值，落在D区的也赋予所对应的像素的灰度值。
虽然该方法法计算量比较小，但可能通过插值后所生成的图像在灰度上是不连续，在灰度变化的地方可能会出现较为明显的锯齿状。
目录 查看完整请+Q:351916072获取
一、绪论 6
1.1图像配准的意义 6
1.2图像配准的发展进程 7
1.3图像配准方法 7
1.3.1根据图像的维数不同分类 7
1.3.2根据人机交互分类 8
1.3.3根据空间变换模型分类 8
1.3.4根据变换函数的作用域分类 8
1.3.5根据人体成像的部位不同分类 8
1.3.6根据图像成像的模式分类 8
1.3.7根据控制点不同分类 9
1.3.8根据图像配准的过程分类 9
1.4该论文结构 9
二、基于互信息的刚体配准 10
2.1互信息 10
2.2互信息的归一化处理 11
2.3互信息在图像配准中的一般步骤 11
三、基于互信息的刚体配准的相关技术 12
3.1刚体变换 12
3.2插值法 12
3.2.1最邻近元法 12
3.2.2双线性内插法 13
3.2.3三次内插法 14
3.3最优化方法 15
3.3.1解析法 15
3.3.2直接法 15
3.3.3数值计算法 16
3.3.4其他方法 16
3.4 图像采样 16
四、图像配准在不同领域中的应用以及实验结果 17
4.1在医学中的应用 18
4.2对遥感图像的配准 19
4.3在计算机模式识别中 20
4.4实验结果分析 21
五、结论 23
六、参考文献 24
七、致谢词 25 查看完整请+Q:351916072获取
关键字：图像配准 互信息 刚体配准 M000256
In order to achieve two of the same physical characteristics and different physical characteristics and similar images of image registration. This paper first describes the general methods of imageregistration and image registration sense and some common algorithms; and through a number of methods and experimental matlab digital image processing by the use of the op code to complete the task to achieve the effect. Registration method used herein is based on mutual information rigid registration. For reference map, to be rigid image registration transformation and mutual information it has reached the maximum mutual information image registration results. Finally, about the effect of image registration technology in some areas. Through experiments we find that the image registration techniques for dealing with different physical characteristics and similar two images have a good effect.
Key Words：Image registration；Mutual Information；Rigid registration
一、绪论 查看完整请+Q:351916072获取
1.1图像配准的意义[1]
随着科技的不断发展，人们获取图像的途径和能力也得到了迅速提高，不同物理特性的图像也在不断增多。由于不同图像之间存在明显的局限性和差异性，所以利用一种图像在目前看看很难满足实际需求。因此，需要通过图像融合技术将不同物理特性的图像综合起来使用，达到对目标更全面、清晰、准确的理解和认识的。而图像配准技术是图像融合的重要前提，所以图像配准技术得到了飞速发展。
人们在不同时间、不同视点获得的图像在空间上往往会存在差异，因此在进行图像融合时需要先进行图像处理，以消除图像融合间的差异。然而图像配准是图像融合的重要前提条件，也是其关键技术之一。对不同的图像及其所要应用的领域，所需要的配准方法有可能有着很大的差别。因此我们要根据图像的特点和应用角度选择合适的配准方法。
基于互信息的配准方法是图像配准领域的重要方法，具有鲁棒性，精度高等优点。目前在医学、遥感和识别等领域使用的比较广泛。虽然刚体配准在许多情况下不能满足现实的需求，因为很多形变的性质是非刚体、非线性的.但是我们可以通过对刚体的研究了解到他的局限性从而更好的学习图像配准技术。互信息本来是信息论中的一个概念。如今人们用互信息作为两幅图像之间的测度，如果两幅图像配准时，那么它们的互信息量在这一刻最大。由于该方法不需要对这两幅图像之间关系的性质作任何假设，所以非常适合于图像配准工作。
总之，随着社会的发展，人们对图像的要求越来越高，因此图像配准技术的要求也就越来越高。
1.2图像配准的发展进程[2][3][4]
该项技术最早是从20世纪60年代起在国外开始进行研究的,但是一直到1980年代末这项技术才逐步引起学者们的关注。20世纪末,单模图像配准问题已基本得到解决,但多模图像配准仍然需要密切关注，因为其涉及的模式和领域比较复杂。国际上曾经对图像配准技术做过一些调查,发现从1990年代初开始关于图像配准技术的文献明显增加。而国内图像配准技术的研究工作是从1990年代初才开始的。
图像配准技术最早应用在美国的飞行器辅助导航系统和武器投射系统上。因其对军事的巨大作用因此得到军方的大力支持，使其得到了发展。在历经几十年的研究工作后，该技术终于在导弹系统中成功的得到应用，这项技术使得导弹的命中率得到了很大的提升。而后，该技术经过不断的发展，其在其他领域有得到了应用，例如：医学诊断、遥感图像分析、计算机视觉和模式识别等等。尤为突出的便是医学诊断，它提高了诊断和治疗水平。在当今生活中应用最广泛的也是医学诊断。
随着科技的不断发展，图像配准技术也在不断进步，然而就当前而言该技术尚不能满足当前人们的需求。因此该技术还在不断完善中。例如：提高图像配准的效率、提高图像配准的效果、简化图像配准的流程等等。
1.3图像配准方法
图像配准的方法有很多，我们可以从不同的角度来进行分类[5][6]。
1.3.1根据图像的维数不同分类
根据图像的空间维数的不同可将图像分为二维图像和三维图像，相应的图像配准也可分为二维配准和三维配准。如果在空间维数的基础上再加上时间维则原来的二维和三维就变成了三维和四维。这项技术如今在医学上用来观察儿童的骨骼发育情况以及一些肿瘤变化等。
1.3.2根据人机交互分类
在进行图像配准的过程中人们或多或少都会参与或指导工作。因此根据人们参与的多少，图像配准分为人工配准、半自动配准和全自动配准。单从字面上我们就可以看出人工配准就是指该配准完全就是有人工来完成的，人们可以根据自己的经验来进行图像配准。半自动配准是指人和计算机是相辅相成的。而全自动配准则是完全是由计算机完成图像配准的，没有人工的干预。
1.3.3根据空间变换模型分类
图像配准的实质就是寻找图像在空间上的变换参数，因此图像配准可以分为刚体变换、仿射变换、投影变换和非线性变换。在图像配准中非线性变换是比较理想的但由于其变换过于复杂、代价太大，技术也相对不太成熟。而刚体变换的应用较为广泛，因其当前技术较为成熟而且相对简单。
1.3.4根据变换函数的作用域分类
由于空间几何变换函数的作用域不同，配准可以分为全局变换和局部变换。目前大多数情况下使用的是全局变换。而当图像中存在非刚性形变时采用的是局部变换。
1.3.5根据人体成像的部位不同分类
根据人体成像部位的不同，图像配准分为脑部图像配准、胸部图像配准以及腹部图像配准等等。其中脑部图像配准一般采用的是刚体配准，其他的一般采用的是非刚体配准。
1.3.6根据图像成像的模式分类
现今的成像技术越来越成熟，根据成像的不同模式可以将其分为单模图像配准和多模图像配准。单模图像配准指的是图像是在同一种成像设备上获取的，主要在不同MRI加权像间的配准、电镜图像序列的配准以及fMRI图像序列的配准等上应用。多模图像指的是图像是在不同的成像设备上获取的。
1.3.7根据控制点不同分类
根据配准所基于的控制点可将其分为基于外部控制点图像配准和基于内部控制点图像配准。基于外部控制点图像配准操作简单但其在临床效果中对病人不太友好，且控制点标记复杂，不具有回溯性。而基于内部控制点图像配准就没有了上诉缺点而且配准精度高，因此其成为了当前研究的热门课题。
1.3.8根据图像配准的过程分类
根据图像配准的过程可以将其分为基于特征的图像配准和基于灰度的图像配准。基于灰度的图像配准方法相对于基于特征的图像配准方法简单一些。因为其不需要对图像进行分割和特征的提取，而是直接进行配准的。
1.4该论文结构
该论文的第一部分为绪论部分，主要简述了图像配准的意义、图像配准技术的发展进程以及根据资料简述了当前的配准方法的分类；第二部分主要简述了互信息的定义和计算方式；第三部分简述了互信息刚体配准的一些技术：第四部分根据课题要求在不同领域（医学、遥感、计算机模式识别）通过实验得出的结果对该图像配准方法进行分析看能否达到要求。实验结果表明该图像配准的方法基本能达到要求。
3.1刚体变换
如果一幅图像经过空间变换后其图像上任意两点的距离未发生变化则这种空间变换称为刚体变换。就如图1和图2所示。刚体变换可分解为旋转和平移，图像的变化只是发生位置上，但是几何形状并未发生改变。变换公式为： (3.1)
3.2插值法[4]
3.2.1最邻近元法
该方法是最为简单的一种插值方法，直接在待求像素的四邻像素 中，将距离待求像素最近的邻像素灰度赋给待求像素，所以该方法不需要通过计算。我们可以假设i+u, j+v(其中i, j均为正整数， u, v为大于0小于1的小数，下同)为待求像素的坐标，则待求像素灰度的值为 f(i+u, j+v) 如图3所示：当(i+u, j+v)落在A区，即u<0.5, v<0.5，则赋给待求像素其所对应的像素的灰度值，同理可得，落在B区的赋予相应的的像素灰度值，落在C区的也赋予所对应的像素的灰度值，落在D区的也赋予所对应的像素的灰度值。
虽然该方法法计算量比较小，但可能通过插值后所生成的图像在灰度上是不连续，在灰度变化的地方可能会出现较为明显的锯齿状。
目录 查看完整请+Q:351916072获取
一、绪论 6
1.1图像配准的意义 6
1.2图像配准的发展进程 7
1.3图像配准方法 7
1.3.1根据图像的维数不同分类 7
1.3.2根据人机交互分类 8
1.3.3根据空间变换模型分类 8
1.3.4根据变换函数的作用域分类 8
1.3.5根据人体成像的部位不同分类 8
1.3.6根据图像成像的模式分类 8
1.3.7根据控制点不同分类 9
1.3.8根据图像配准的过程分类 9
1.4该论文结构 9
二、基于互信息的刚体配准 10
2.1互信息 10
2.2互信息的归一化处理 11
2.3互信息在图像配准中的一般步骤 11
三、基于互信息的刚体配准的相关技术 12
3.1刚体变换 12
3.2插值法 12
3.2.1最邻近元法 12
3.2.2双线性内插法 13
3.2.3三次内插法 14
3.3最优化方法 15
3.3.1解析法 15
3.3.2直接法 15
3.3.3数值计算法 16
3.3.4其他方法 16
3.4 图像采样 16
四、图像配准在不同领域中的应用以及实验结果 17
4.1在医学中的应用 18
4.2对遥感图像的配准 19
4.3在计算机模式识别中 20
4.4实验结果分析 21
五、结论 23
六、参考文献 24
七、致谢词 25 查看完整请+Q:351916072获取
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/dzxx/dzkxyjs/2412.html
