不同分辨率的异构图像配准算法研究
不同分辨率的异构图像配准算法研究[20191215151318]
摘 要
图像配准是图像处理中的一个重要课题，也是进行图像融合之前首先要解决的问题，在许多实际应用中具有重要意义，是医学图像分析、遥感图像处理和目标识别的基本组成部分。随着新型传感器的不断涌现，人们获取图像的能力迅速提高，不同物理特性的传感器产生的图像也不断增多，因此如何将不同模态的图像进行配准，逐渐成为图像配准领域的一个研究重点。
常用配准方法通常对同源传感器图像配准比较有效，但对于成像机理差异巨大的异质图像，难以取得良好的配准效果。基于此，本文首先针对不同分辨率图像进行归一化处理研究。大多数情况下进行图像配准的两幅图像的分辨率是不同的，而配准的前提就是要求图片的大小相同，所以就需要先对图片进行归一化处理——通过缩放和切割来实现。其次针对异构图像配准，本文以SAR和光学图像的配准为例，介绍了基于隐含相似性配准方法的基本思想，从而达到对异构图像进行配准的目的。
查看完整论文请+Q: 351916072
关键字:图像配准；多分辨率；异构；归一化；隐含相似
目 录
摘 要 I
ABSTRACT II
第 1 章 绪论 1
1.1 研究背景和意义 1
1.2 国内外研究现状 2
1.3 异构图像配准现况 3
1.4 本文主要研究内容及章节安排 5
第 2 章 图像配准技术概论 6
2.1 图像配准技术的数学模型 6
2.1.1 图像配准的基本概念 6
2.1.2 图像配准的数学定义 6
2.1.3 图像变换的模型 7
2.2 几种图像配准的方法 9
2.3 图像配准流程 10
第 3 章 不同分辨率的异构图像配准 13
3.1 不同分辨率图片的归一化处理 13
3.1.1 插值算法及图片缩放 13
3.1.2 图片切割 14
3.2 SAR成像原理及特征 14
3.2.1 SAR成像主要特点 14
3.2.2 SAR图像统计特性 15
3.3 SAR图像与光学图像配准的难点与思考 19
3.4 基于隐含相似性配准方法基本思想 20
3.4.1 隐含特征描述 20
3.4.2 隐含相似性度量构造 21
3.4.3 配准流程描述 22
第 4 章 Matlab仿真实验 24
4.1 Matlab简介 24
4.1.1 软件综述 24
4.1.2 图像处理工具箱 24
4.2 ENVI简介 25
4.3 仿真试验 26
4.3.1 Harris角点检测基本思想 26
4.3.2 仿真试验结果 27
4.3.3 仿真结果分析 28
第 5 章 总结与展望 34
5.1 本文工作总结 34
5.2 工作展望 34
参考文献 36
致 谢 38
附录：英文文献及其中文翻译 39
.第 1 章 绪论
1.1 研究背景和意义
图像配准技术是图像处理技术中最重要，同时也是最基本的任务，已在众多领域得到了广泛应用。通过图像的配准，可以将不同拍摄条件或者使用不同传感器产生的相同场景进行对齐，从而更好的集成不同传感器的信息，充分的利用多种模态图像的优势，并且对不同成像条件下的图片进行重构，以便获取更高分辨率的图像。
随着光学仪器技术和计算机技术的不断发展，单一模态的图像信息已远远不能满足科学研究对数据的可靠性、丰富性的要求。随着新型传感器的不断问世，人们获取图像的能力迅速提升，不同物理特性的传感器产生的图像也不断增多。由于不同的图像传感器获取多模图像数据存在明显的差异性和局限性，所以仅利用一种图像数据往往难以满足需求。为了对目标更加全面的认识和理解，需要对不同传感器所获得的多模图像进行融合。在进行图像融合处理之前，则要对图像进行配准处理，配准的速率和准确性将直接影响融合的效果，可见图像配准有着举足轻重的作用。
图像配准具有广泛的应用范围和实际意义，其应用领域涉及到摇杆图像处理、计算机视觉、目标识别、医学应用、天气预报、环境监测和地理信息处理等等领域。
在医学领域中，不同模态图像有不同的特征，例如在临床应用上单一模态的图像往往无法提供足够多的信息，则需要使用不同模态的图像进行信息综合，从而得到更加全面的图像信息，为医务工作者进行准确判断和治疗奠定基础。
在遥感领域中，来自不同传感器的大量摇杆图像，使人们熟悉环境和自然资源变得更加便捷和全面，图像配准结果被广泛应用于天气监测，地质测绘，自然灾害监测，植物分类，农作物长势评估等方面。
在工业领域，例如银行和企业仓库监察系统里引进多模态的配准，就可以规避一种可见光监视时信息量过少的短板。多个传感器间的信息互补，为电气设备的故障诊断和在线检测提供了凭据。
根据图像配准技术于不同领域中的不同作用，Brown将图像其实际用途进行了归纳，如表 1.1所示
表 1.1图像配准的应用领域
配准方式 分类依据 配准特点 典型应用 实例
多模态配准 针对同一物体由不同传感器获得的图像数据 需要简历灰度变换模型和空间变换模型 多传感器图像融合 医学和遥感图像领域
模版配准 参考图像为模版 基于模式 识别与模版类似图像 模式识别
观察点配准 配准图像来自不同拍摄点 变换模型为透视变换 图像的深度变换 计算机视觉领域
时间序列配准 连续的图像序列 部分图像存在形变和差异 监视物体的运动变化 医学和遥感图像处理
从中不难看出，图像配准尤其是针对多模的图像配准技术的受重视程度已经越来越高，在全世界范围内已经广泛展开了对多模配准技术的研究，对不同的图像特性，已知的文献已经提出了许多配准方法。其中运用最多也是最成熟的方法是基于互信息的配准方法，但是就如上文提到的，没有一种配准方法能够广泛适用，所以互信息配准也同样具有局限性。
1.2 国内外研究现状
在七十年代图像配准技术由美国率先提出，并运用于飞行器导航、导弹制导军用等领域。历经多年的研究，最终成功地将其应用于中程导弹和战斧式巡航导弹上，因此导弹的命中率得到了极大的提高。八十年代后，图像配准技术已被国内外学者广泛关注，针对该技术在不同领域进行了各种各样的研究，并取得了广泛应用，如计算机视觉、自动导航、天气监测、模式识别、医学诊断等领域。图像配准技术在不同领域都展现出各自的特点和适用性，大都是根据各自不同的应用需要结合实际情况而特殊定制而成，这就使得图像配准技术既具有相似性同时也存在差异性。
随着计算机技术的快速发展和普及，国内外学者对图像配准技术形成了比较系统的研究方向，形成了很多成熟的算法。在基于特征的配准中，当下运用比较成熟的包括边缘特征、轮廓特征、点特征、线特征、闭合区域特征和统计矩等。特征提取算法可以分为点特征提取算子（如Susan 算子和Harris 算子）、线特征提取算子（如 Log 算子、Canny 算子）和面特征算子；随着边缘检测技术和图像分割技术的飞速发展，基于边缘轮廓和区域的配准方法逐步成为研究的热点。基于特征提取的方法具有操作简单、配准速率高、精度度较高的优点，但同时也存在一些缺点，例如必须人工干预、特征点获取难度大等；基于灰度的图像配准是利用整幅图像的灰度来度量两幅图像间的相似性，它的优势在于只进行图像灰度的处理，所以避免了主观因素的影响，最大互信息法、联合熵法、条件熵法、相关法等都是其常见算法。
近年来国内专家学者将图像配准的研究重心逐步转移到多模图像配准，并提出了许多理论与方案，但这些方法多基于像素级别，而随着各领域对图像质量要求的不断提高，配准精度往往需要控制在一个像素以内，即亚像素级。经过众多学者的不断研究与实验，针对亚像素级配准方法提出了相关插值法、小波变换法和梯度法等。其中相关插值法的精度取决于插值算法的质量；小波变换法使得求解配准参数的运算量减小，大大的提高了效率；梯度方法的前提条件是图像灰度保持不变，原因是微分算子对光照较为敏感。
在多模图像配准中，关于互信息图像配准的研究已成为该领域的热点课题，最大互信息算法是图像配准中的有力工具，但仍然存在缺点，例如插值引起的局部极值可能导致误配准，空间信息的利用不足等等。不难看出，虽然对于图像配准技术的研究取得了一些重要的成果，但也仍然存在一些亟待解决的问题，相信随着各种技术的不断成熟国内外学者的共同探讨，这些问题终究会迎刃而解。
1.3 异构图像配准现况
对于异质图像的配准技术研究，主要应用在医学多源图像以及遥感多源图像
处理中。下面对当前主要多源图像配准技术国内外研究情况进行一下总结。
Li等人给出了基于轮廓特征的多传感器遥感图像配准方法，首先在光学遥感图像中分别提取满足一定长度条件的轮廓，利用主动轮廓模型方法使能量函数最优得到 SAR 图像边缘，并区分为封闭轮廓(closed boundary)和开放轮廓(open
contour)，以此作为两图像的待匹配基元，以差分链码和不变矩描述封闭轮廓，然后根据提取的各个闭合轮廓的重心生成同名特征点，进而得到配准控制点(RCP)来配准。由于受到遥感图像分辨率的限制，图像边缘获取本身就很困难。
Stockman等人采用聚类技术估计变换模型的参数。作者分别采用直线、曲线、圆和交叉点等特征检测算子提取点特征，并以特征向量表示，最终将这些向量作为匹配基元。对于参考图像的每一基元，分别与测量图像的基元进行比较，并确定出匹配基元所对应的旋转、缩放、平移等变换值。将上述过程应用于参考图像和测量图像元素的所有可能组合，生成一个 RST(rotation scale translation)空间，通过识别 RST 参数空间的聚类中心，确定最终图像配准的相似变换模型参数。
Goshtasby等人通过分割的方法，分别从参考图像和测量图像中提取子块，以子块为匹配基元，采用聚类方法识别出匹配子块，基于对应封闭区域形心，实现图像的初始匹配；以初始匹配的子块边界为初始条件，进一步优化匹配的区域，使对应的区域更相似，最终得到关于匹配区域几何中心更准确的位置，从而实现相似变换模型的估计和配准图像。已经证明，闭合区域的控制点具有旋转、平移、尺度、变形不变的特点，所以可以作为 RCP．利用区域的特征匹配可以得到图像间封闭区域的对应关系，可以实现自动配准．该方法的优点是适用于不同性质图像之间的配准；缺点是由于闭合区域在图像上的分布是随机的，只有图像中具有封闭区域才可找到 RCP。
Flusser和 Suk 假定参与配准的图像间仅存在仿射几何变换。他们采用基于边缘检测的分割技术提取图像的子块特征，确定各子块的轮廓，阈值化筛选满足条件的子块，用仿射不变矩来匹配图像中对应的子块，最终确定仿射变换模型，实现图像配准。
Yosi keller提出一种隐含相似性的配准方法，矫正梯度极值区域来配准图像，这一矫正过程可以简单描述为：使用牛顿迭代法来求解像素梯度模平方和的最优变化参量问题。这种算法的前提是必须经过粗配准得到迭代初始参量。
Viola和 Collignos分别独立提出用互信息(MI)法实现多源传感器图像的配准，此后，互信息相似测度法在医学图像以及遥感图像配准中的研究取得了飞速的进展。
摘 要
图像配准是图像处理中的一个重要课题，也是进行图像融合之前首先要解决的问题，在许多实际应用中具有重要意义，是医学图像分析、遥感图像处理和目标识别的基本组成部分。随着新型传感器的不断涌现，人们获取图像的能力迅速提高，不同物理特性的传感器产生的图像也不断增多，因此如何将不同模态的图像进行配准，逐渐成为图像配准领域的一个研究重点。
常用配准方法通常对同源传感器图像配准比较有效，但对于成像机理差异巨大的异质图像，难以取得良好的配准效果。基于此，本文首先针对不同分辨率图像进行归一化处理研究。大多数情况下进行图像配准的两幅图像的分辨率是不同的，而配准的前提就是要求图片的大小相同，所以就需要先对图片进行归一化处理——通过缩放和切割来实现。其次针对异构图像配准，本文以SAR和光学图像的配准为例，介绍了基于隐含相似性配准方法的基本思想，从而达到对异构图像进行配准的目的。
查看完整论文请+Q: 351916072
关键字:图像配准；多分辨率；异构；归一化；隐含相似
目 录
摘 要 I
ABSTRACT II
第 1 章 绪论 1
1.1 研究背景和意义 1
1.2 国内外研究现状 2
1.3 异构图像配准现况 3
1.4 本文主要研究内容及章节安排 5
第 2 章 图像配准技术概论 6
2.1 图像配准技术的数学模型 6
2.1.1 图像配准的基本概念 6
2.1.2 图像配准的数学定义 6
2.1.3 图像变换的模型 7
2.2 几种图像配准的方法 9
2.3 图像配准流程 10
第 3 章 不同分辨率的异构图像配准 13
3.1 不同分辨率图片的归一化处理 13
3.1.1 插值算法及图片缩放 13
3.1.2 图片切割 14
3.2 SAR成像原理及特征 14
3.2.1 SAR成像主要特点 14
3.2.2 SAR图像统计特性 15
3.3 SAR图像与光学图像配准的难点与思考 19
3.4 基于隐含相似性配准方法基本思想 20
3.4.1 隐含特征描述 20
3.4.2 隐含相似性度量构造 21
3.4.3 配准流程描述 22
第 4 章 Matlab仿真实验 24
4.1 Matlab简介 24
4.1.1 软件综述 24
4.1.2 图像处理工具箱 24
4.2 ENVI简介 25
4.3 仿真试验 26
4.3.1 Harris角点检测基本思想 26
4.3.2 仿真试验结果 27
4.3.3 仿真结果分析 28
第 5 章 总结与展望 34
5.1 本文工作总结 34
5.2 工作展望 34
参考文献 36
致 谢 38
附录：英文文献及其中文翻译 39
.第 1 章 绪论
1.1 研究背景和意义
图像配准技术是图像处理技术中最重要，同时也是最基本的任务，已在众多领域得到了广泛应用。通过图像的配准，可以将不同拍摄条件或者使用不同传感器产生的相同场景进行对齐，从而更好的集成不同传感器的信息，充分的利用多种模态图像的优势，并且对不同成像条件下的图片进行重构，以便获取更高分辨率的图像。
随着光学仪器技术和计算机技术的不断发展，单一模态的图像信息已远远不能满足科学研究对数据的可靠性、丰富性的要求。随着新型传感器的不断问世，人们获取图像的能力迅速提升，不同物理特性的传感器产生的图像也不断增多。由于不同的图像传感器获取多模图像数据存在明显的差异性和局限性，所以仅利用一种图像数据往往难以满足需求。为了对目标更加全面的认识和理解，需要对不同传感器所获得的多模图像进行融合。在进行图像融合处理之前，则要对图像进行配准处理，配准的速率和准确性将直接影响融合的效果，可见图像配准有着举足轻重的作用。
图像配准具有广泛的应用范围和实际意义，其应用领域涉及到摇杆图像处理、计算机视觉、目标识别、医学应用、天气预报、环境监测和地理信息处理等等领域。
在医学领域中，不同模态图像有不同的特征，例如在临床应用上单一模态的图像往往无法提供足够多的信息，则需要使用不同模态的图像进行信息综合，从而得到更加全面的图像信息，为医务工作者进行准确判断和治疗奠定基础。
在遥感领域中，来自不同传感器的大量摇杆图像，使人们熟悉环境和自然资源变得更加便捷和全面，图像配准结果被广泛应用于天气监测，地质测绘，自然灾害监测，植物分类，农作物长势评估等方面。
在工业领域，例如银行和企业仓库监察系统里引进多模态的配准，就可以规避一种可见光监视时信息量过少的短板。多个传感器间的信息互补，为电气设备的故障诊断和在线检测提供了凭据。
根据图像配准技术于不同领域中的不同作用，Brown将图像其实际用途进行了归纳，如表 1.1所示
表 1.1图像配准的应用领域
配准方式 分类依据 配准特点 典型应用 实例
多模态配准 针对同一物体由不同传感器获得的图像数据 需要简历灰度变换模型和空间变换模型 多传感器图像融合 医学和遥感图像领域
模版配准 参考图像为模版 基于模式 识别与模版类似图像 模式识别
观察点配准 配准图像来自不同拍摄点 变换模型为透视变换 图像的深度变换 计算机视觉领域
时间序列配准 连续的图像序列 部分图像存在形变和差异 监视物体的运动变化 医学和遥感图像处理
从中不难看出，图像配准尤其是针对多模的图像配准技术的受重视程度已经越来越高，在全世界范围内已经广泛展开了对多模配准技术的研究，对不同的图像特性，已知的文献已经提出了许多配准方法。其中运用最多也是最成熟的方法是基于互信息的配准方法，但是就如上文提到的，没有一种配准方法能够广泛适用，所以互信息配准也同样具有局限性。
1.2 国内外研究现状
在七十年代图像配准技术由美国率先提出，并运用于飞行器导航、导弹制导军用等领域。历经多年的研究，最终成功地将其应用于中程导弹和战斧式巡航导弹上，因此导弹的命中率得到了极大的提高。八十年代后，图像配准技术已被国内外学者广泛关注，针对该技术在不同领域进行了各种各样的研究，并取得了广泛应用，如计算机视觉、自动导航、天气监测、模式识别、医学诊断等领域。图像配准技术在不同领域都展现出各自的特点和适用性，大都是根据各自不同的应用需要结合实际情况而特殊定制而成，这就使得图像配准技术既具有相似性同时也存在差异性。
随着计算机技术的快速发展和普及，国内外学者对图像配准技术形成了比较系统的研究方向，形成了很多成熟的算法。在基于特征的配准中，当下运用比较成熟的包括边缘特征、轮廓特征、点特征、线特征、闭合区域特征和统计矩等。特征提取算法可以分为点特征提取算子（如Susan 算子和Harris 算子）、线特征提取算子（如 Log 算子、Canny 算子）和面特征算子；随着边缘检测技术和图像分割技术的飞速发展，基于边缘轮廓和区域的配准方法逐步成为研究的热点。基于特征提取的方法具有操作简单、配准速率高、精度度较高的优点，但同时也存在一些缺点，例如必须人工干预、特征点获取难度大等；基于灰度的图像配准是利用整幅图像的灰度来度量两幅图像间的相似性，它的优势在于只进行图像灰度的处理，所以避免了主观因素的影响，最大互信息法、联合熵法、条件熵法、相关法等都是其常见算法。
近年来国内专家学者将图像配准的研究重心逐步转移到多模图像配准，并提出了许多理论与方案，但这些方法多基于像素级别，而随着各领域对图像质量要求的不断提高，配准精度往往需要控制在一个像素以内，即亚像素级。经过众多学者的不断研究与实验，针对亚像素级配准方法提出了相关插值法、小波变换法和梯度法等。其中相关插值法的精度取决于插值算法的质量；小波变换法使得求解配准参数的运算量减小，大大的提高了效率；梯度方法的前提条件是图像灰度保持不变，原因是微分算子对光照较为敏感。
在多模图像配准中，关于互信息图像配准的研究已成为该领域的热点课题，最大互信息算法是图像配准中的有力工具，但仍然存在缺点，例如插值引起的局部极值可能导致误配准，空间信息的利用不足等等。不难看出，虽然对于图像配准技术的研究取得了一些重要的成果，但也仍然存在一些亟待解决的问题，相信随着各种技术的不断成熟国内外学者的共同探讨，这些问题终究会迎刃而解。
1.3 异构图像配准现况
对于异质图像的配准技术研究，主要应用在医学多源图像以及遥感多源图像
处理中。下面对当前主要多源图像配准技术国内外研究情况进行一下总结。
Li等人给出了基于轮廓特征的多传感器遥感图像配准方法，首先在光学遥感图像中分别提取满足一定长度条件的轮廓，利用主动轮廓模型方法使能量函数最优得到 SAR 图像边缘，并区分为封闭轮廓(closed boundary)和开放轮廓(open
contour)，以此作为两图像的待匹配基元，以差分链码和不变矩描述封闭轮廓，然后根据提取的各个闭合轮廓的重心生成同名特征点，进而得到配准控制点(RCP)来配准。由于受到遥感图像分辨率的限制，图像边缘获取本身就很困难。
Stockman等人采用聚类技术估计变换模型的参数。作者分别采用直线、曲线、圆和交叉点等特征检测算子提取点特征，并以特征向量表示，最终将这些向量作为匹配基元。对于参考图像的每一基元，分别与测量图像的基元进行比较，并确定出匹配基元所对应的旋转、缩放、平移等变换值。将上述过程应用于参考图像和测量图像元素的所有可能组合，生成一个 RST(rotation scale translation)空间，通过识别 RST 参数空间的聚类中心，确定最终图像配准的相似变换模型参数。
Goshtasby等人通过分割的方法，分别从参考图像和测量图像中提取子块，以子块为匹配基元，采用聚类方法识别出匹配子块，基于对应封闭区域形心，实现图像的初始匹配；以初始匹配的子块边界为初始条件，进一步优化匹配的区域，使对应的区域更相似，最终得到关于匹配区域几何中心更准确的位置，从而实现相似变换模型的估计和配准图像。已经证明，闭合区域的控制点具有旋转、平移、尺度、变形不变的特点，所以可以作为 RCP．利用区域的特征匹配可以得到图像间封闭区域的对应关系，可以实现自动配准．该方法的优点是适用于不同性质图像之间的配准；缺点是由于闭合区域在图像上的分布是随机的，只有图像中具有封闭区域才可找到 RCP。
Flusser和 Suk 假定参与配准的图像间仅存在仿射几何变换。他们采用基于边缘检测的分割技术提取图像的子块特征，确定各子块的轮廓，阈值化筛选满足条件的子块，用仿射不变矩来匹配图像中对应的子块，最终确定仿射变换模型，实现图像配准。
Yosi keller提出一种隐含相似性的配准方法，矫正梯度极值区域来配准图像，这一矫正过程可以简单描述为：使用牛顿迭代法来求解像素梯度模平方和的最优变化参量问题。这种算法的前提是必须经过粗配准得到迭代初始参量。
Viola和 Collignos分别独立提出用互信息(MI)法实现多源传感器图像的配准，此后，互信息相似测度法在医学图像以及遥感图像配准中的研究取得了飞速的进展。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/dzxx/txgc/2233.html
