圖像配準技術方法研究

1、圖像配準技術方法研究摘 要 隨著信息技術的迅猛發(fā)展，圖像配準技術已經(jīng)在軍事、遙感、醫(yī)學、計算機視覺等多個領域得到了廣泛的應用。圖像配準技術是圖像處理的一個基本問題，它是將不同時間、傳感器或視角下獲取的相同場景的多幅圖像進行匹配的圖像處理的過程。三類圖像配準的方法大致如下：基于灰度的圖像配準方法。基于變換域的圖像配準方法。基于特征的圖像配準方法。本文將應用這三種方法對圖像配準進行研究。并重點研究基于特征的圖像配準方法。關鍵詞 圖像配準，特征點匹配，灰度插值，控制點的提取AbstractThe technology of image registration is being widely use

2、d in the military, remote sensing , medical, computer, visual and any other fields with the rapid development of information technology. The technology of image registration is a kind of process to match different pictures getting from different periods and different cameras but a same scene, it is

3、a basic point to handle the pictures. There are three kinds of ways to do the image registration:According to the level of the color of gray getting from the pictures.According to transforming domains.According to the features The three kinds of ways will be used to discuss the image registration in

4、 the thesis, and the way according to the features will be discussed more in the thesis.Key words: Image registration, Match feature points, Gray inerpolation ,Collect the control points目 錄1.緒論 . 11.1課題研究目的及意義 . 11.2國內(nèi)外對本課題涉及問題的研究現(xiàn)狀 . 12.研究方法與研究內(nèi)容 . 32.1研究內(nèi)容 . 32.2研究方法 . 33.圖像配準的常用方法 . 43.1圖像配準的定義 .

5、 43.2 基于灰度的圖像配準方法. 53.3 基于變換域的圖像配準方法. 63.4基于特征的圖像配準方法 . 83.4.1特征提取 . 83.4.2變換模型 . 103.4.3坐標變換與插值 . 133.4.4圖像配準實現(xiàn) . 174.實驗設計及分析 . 184.1 圖像配準實驗一. 184.1.1研究對象 . 184.1.2 過程實現(xiàn) . 194.2 圖像配準實驗二. 244.2.1研究對象 . 244.2.2過程實現(xiàn) . 25實驗總結 . 34參考文獻 . 35致 謝 . 36附 錄 . 371.緒論1.1課題研究目的及意義圖像配準是遙感圖像處理、目標識別、圖像重建、機器人視覺等領域中的

6、關鍵技術，是多傳感圖像融合的基礎。軍事、遙感、醫(yī)學、計算機視覺等許多領域都需要圖像配準，實際應用過程可能會有所不同，但其中關鍵的因素是類似的。經(jīng)過多年的研究，圖像配準技術已經(jīng)取得了眾多研究成果，但由于圖像配準的輸入數(shù)據(jù)來源的多樣性，以及配準問題的復雜性，還有待于更進一步的發(fā)展。圖像配準是圖像融合技術的基本環(huán)節(jié)和首要問題，只有經(jīng)過配準后的圖像才能進行有效的融合，目標定位，變化監(jiān)測，高分辨率圖像的重建等后續(xù)處理工作，處理結果的好壞將直接影響后續(xù)工作質(zhì)量。1.2國內(nèi)外對本課題涉及問題的研究現(xiàn)狀國外從20世紀60年代就開始在圖像配準領域進行研究，但直到1980年代才開始引起學者們的關注。到上世紀末，單

7、模圖像配準問題已基本解決，但多模圖像配準由于涉及模式和領域的復雜性，仍需密切關注。國際上對圖像配準技術曾做過調(diào)查，其結論是1990年代初技術文獻明顯增加。而國內(nèi)從1990年代初才開始涉足此領域。圖像配準最早在美國七十年代從事的飛行器輔助導航系統(tǒng)、武器投射系統(tǒng)的末制導以及尋地等應用研究中提出。八十年代后，在很多1不同領域都有大量配準技術的研究，如遙感領域，模式識別，自動導航，醫(yī)學診斷，計算機視覺等。由此可見，圖像配準技術經(jīng)過多年研究，不論國內(nèi)外，發(fā)展的都非常迅速，已經(jīng)取得了許多研究成果。圖像配準的高精度、圖像配準算法的強魯棒性、圖像配準算法的配準速度以及圖像配準的自動化一直以來都是圖像配準領域所

8、不斷追求的目標。22.研究方法與研究內(nèi)容2.1研究內(nèi)容本論文主要是對圖像配準技術方法進行研究。討論了圖像配準技術的常用方法，包括基于灰度的圖像配準方法，基于變換域的配準方法以及基于特征的圖像配準方法，并通過一定的理論分析來了解每種圖像配準技術的特點。除此之外，本文還重點就基于特征的圖像配準方法展開的深入的討論研究，并通過一系列的實驗來具體實現(xiàn)不同圖像的配準。2.2研究方法該論文主要是運用一系列圖像處理手段，對待配準的圖像進行一定的變換與處理，例如:投影變換，非線性變換，剛體變換，放射變換，傅里葉變換，坐標變換與插值等，從而實現(xiàn)不同圖像間的高精度配準。33.圖像配準的常用方法所有的圖像配準方法都

9、可以概括為兩類，相對配準和絕對配準。相對配準指的是從多個圖像中選擇一張圖像作為參考，而其他圖像與之相配準，坐標任意。絕對配準指的是定義一個控制網(wǎng)絡，其他圖像都與之相配準，進而分別完成各個分量圖像的幾何校正，實現(xiàn)坐標系的統(tǒng)一。本論文主要研究圖像的相對配準。目前，根據(jù)圖像配準中利用的圖像的信息區(qū)別將配準方法分為三類：基于灰度的圖像配準、基于變換域的圖像配準和基于特征的圖像配準。3.1圖像配準的定義圖像配準就是尋求圖像之間一對一的映射的過程，即兩幅圖在空間和灰度上的映射1。假設給定尺寸的二維矩陣圖像I1(x,y)和I（,2x,y）分別表示相對位置（x,y）上的灰度值。圖像配準的關鍵問題就是圖像之間的

10、空間和幾何變換。I1(x,y)作為參考圖像，而I2(x,y)作為待配準圖像。令f表示一個二維空間的坐標變換，設變換后圖像為If(x,y)，則參考圖像I1(x,y)與變換后的圖像If(x,y)之間的關系為：If(x,y)=f(I1(x,y) 根據(jù)配準的定義，希望變換后的圖像I1(x,y)與待配準圖像I2（x,y）的對齊度最大。此時變換f是一個二維空間域坐標的幾何變換，即為：（x,y）=f(x,y)43.2 基于灰度的圖像配準方法基于灰度的配準方法通常不需要對圖像進行復雜的預處理，而是利用圖像的某些統(tǒng)計信息來作為度量圖像的相似程度。主要的特點是實現(xiàn)較為簡單，但應為的范圍較窄，不能直接用于校正圖像的

11、非線性形變，并且在最優(yōu)變換的搜尋過程中通常需要巨大的運算量。經(jīng)過多年發(fā)展，人們提出了多種基于灰度的圖像配準方法，主要分為三類：序貫相似檢測算法、互相關算法、交互信息算法。（1） 序貫相似檢測算法序貫相似檢測算法（Sequential Similarity Detection Algorithms，SSDAS）是由Barnea等人提出來的，這種方法具有效率高，處理速度快的特點6。首先這個方法實際上是個誤差絕對值的積累，在非匹配的圖像位置，累加時E(a,b)增長較快，而在匹配圖像位置上E(a,b)隨累加次數(shù)增加而變得緩慢。如果先選擇一個簡單的固定門限T，若在某點上計算兩幅圖像殘差和的過程中，殘差和

12、大于該固定門限T，就認為當前點不是匹配點，從而終止當前的殘差和的計算，轉(zhuǎn)向別的點去計算殘差和，最后認為殘差和增長最慢的點就是匹配點。這種方法就是固定門限的SSDA算法。上述E(a,b)為一個在計算上更為簡單的相似性度量準則：E(a,b)=ååxyT(x,y)-f(x-a,y-b)（2） 互相關算法互相關算法是最基本的基于灰度統(tǒng)計的圖像配準的方法，它常常5被用在進行模板匹配和模式識別。通過計算模板圖像和搜索窗口之間的互相關值大小來確定匹配程度，互相關值最大時的搜索窗口位置決定模板圖像在待配準圖像中的位置。以上的相似準則方法都是傳統(tǒng)基于灰度的相關運算。（3） 交互信息算法Vio

13、la等人和Collignon等人于1995年分別把交互信息引入到圖像配準領域，這是一個新的解決圖像配準問題的方向，那就是基于信息理論的交互信息相似準則2。最初的目的是為了解決多模態(tài)醫(yī)學圖像的配準問題。交互信息用來比較兩幅圖像的統(tǒng)計依賴性。交互信息是建立在概率密度估計的基礎上的，它要求的計算量很大，由此函數(shù)可能出現(xiàn)病態(tài)，并且會出現(xiàn)大量的局部極值。當兩幅圖達到最佳匹配時，它們對應的灰度互信息應該達到最大。3.3 基于變換域的圖像配準方法變換域最主要的方法是傅氏變換方法。它具有以下優(yōu)勢：圖像的平移，旋轉(zhuǎn)，比例，仿射變換都能在傅里葉變換域中體現(xiàn)出來，利用變換域方法還有可能獲得一定程度的抵抗噪聲的魯棒性

14、4。由于傅里葉變換的成熟的快速算法和易于硬件體現(xiàn)，因而在算法實現(xiàn)中也有獨特的優(yōu)勢。相位相關技術是兩幅圖像配準的平移失配的基本傅里葉變換方法。相位相關依據(jù)的是傅里葉變換的平移特性。6源圖像 傅氏頻譜平移后的圖像 平移后傅氏頻譜旋轉(zhuǎn)后的圖像 旋轉(zhuǎn)后的傅氏頻譜如上圖所示，平移不影響傅氏變換的幅值，對應的幅值譜和原圖像是一樣的。旋轉(zhuǎn)在傅氏變換中是小變量。根據(jù)傅氏變換的旋轉(zhuǎn)特性，旋轉(zhuǎn)一幅圖，在頻域相當于對這幅圖的傅氏變換做相同的旋轉(zhuǎn)。7在噪聲的敏感性喝計算的復雜性上變換域配準方法有一定優(yōu)勢，但這一方法只限于傅氏變換的不變性，只適用于傅氏變換中旋轉(zhuǎn)、平移的圖像轉(zhuǎn)換中，此時就需要基于特征的圖像配準方法來解決

15、10。3.4基于特征的圖像配準方法基于特征的圖像配準首先要對待配準圖像提取圖像信息的特征，然后再利用提取得到的特征完成兩幅圖像特征之間的匹配，并通過特征的匹配關系來建立圖像間的配準映射關系。對于基于特征的圖像配準方法而言，它的一般配準步驟通常為：特征提取，變換模型，坐標變換與插值，圖像配準實現(xiàn)等步驟。3.4.1特征提取對于大多數(shù)圖像配準操作而言，在正式進行圖像配準之前，對參考圖像和帶配準圖像進行準確而有效的圖像特征提取是十分必要的。因為該操作不僅能夠提高圖像匹配的準確性，還可以提高匹配速度，因此能否合理的進行圖像特征提取就成為了圖像匹配操作成功的一個關鍵。那么我們通常所說的圖像特征又表現(xiàn)在那些

16、方面呢？事實上，所謂的圖像特征大多是指圖像中的、線、輪廓，區(qū)域或邊緣等等。另一方面，根據(jù)具體特征的不同，可以將特征提取3。的方法分為：點特征提取和結構特征提取。（1）點特征提取8點特征是配準中最常用到的圖像特征之一。點特征表示和操作簡單，同時也能反映圖像的本質(zhì)特征。所謂點特征提取即提取出圖像中的顯著點，通常我們將這些顯著點稱之為控制點5。在利用該方法進行圖像配準時，首先選取待配準圖像和參考圖像的控制點，然后再以這些圖像的控制點作為依托進行圖像配準的后續(xù)操作?？梢姡刂泣c的選取是非常重要的。一般情況下我們在選擇圖像控制點的時候應當考慮一下幾個方面： 控制點在圖像中的分布是否均勻； 所選擇的控制點

17、在待配準圖像和參考圖像中的位置是否一致； 控制點所處區(qū)域或其周圍區(qū)域的特征是否獨特；此外，還需要注意的是特征點的數(shù)目是否合理。因為配準運算需要足夠的特征點，但過多的特征點則阻礙配準的順利進行。目前常用的控制點選取方法主要有兩個，它們分別是:算法估計和用戶自行選取。這兩種方法我們在后文的實驗中都會涉及到。（2）結構特征提取所謂的結構特征既是前面我們所提到的，區(qū)域，輪廓，表面等。而對結構特征的提取是在圖像分析中非常重要的一個基本問題。其中，邊緣是最為常用的結構特征。邊緣變現(xiàn)了目標邊界，因此對配準、分割和辨識場景中的目標都很有用。利用提取的邊緣可以實現(xiàn)測量物體的面積及周長、識別出特定的物體、求兩幅圖

18、像的對應點等操作。另一方面，邊緣檢測與提取的處理進而也可以作為更為復雜的圖像識9別、圖像理解的關鍵預處理來使用事實上，對圖像的邊緣和區(qū)域邊界的檢測過程是具有一定難度的。我們都知道，由于圖片在拍攝過程中所遇到的光線和攝影設備等問題，使得所要處理的目標圖像具有一定的模糊性和不均勻性。此外，由于外界的不同強度及不同類型的干擾，使得所獲圖像產(chǎn)生了不同程度的噪聲。而這些不可避免的噪聲毫無疑問會給我們后續(xù)的邊緣檢測甚至是最后的圖像配準操作帶來不便。因此在進行圖像的邊緣檢測之前需要首先對含有大量噪聲問題的目標圖像進行一定的預處理。預處理的目的是增強圖像中數(shù)據(jù)的可視化效果，在消除圖像數(shù)據(jù)中的噪聲的同時高圖像的

19、質(zhì)量。于此同時，合理的對圖像進行預處理還能夠有效的增強圖像的紋理效果，突出圖像所要研究的主體部分。這也為圖像的后續(xù)操作提供有利條件。目前，常見的預處理操作主要包括：灰度化，點處理，平滑濾波等操作。3.4.2變換模型所謂的變換模型是指根據(jù)參考圖像和待配準圖像之間所產(chǎn)生的的幾何上的畸變，來選擇可以擬合兩圖像之間的變化情況的最優(yōu)幾何模型。常用的圖像變換模型有:圖像的變換模型（表示滿足）101剛體變換 剛性變換是兩幅圖像中的兩點之間的距離變換后仍保持不變，這樣的變換就稱為剛性變換。剛性變換可以分解為3個步驟：平移、旋轉(zhuǎn)和反轉(zhuǎn)。在二維空間中，點（x,y）經(jīng)剛體變換到點（x,y）的變換公式：ét

20、xùéx'ùécosj±sinjùéxùê'ú=êúêú+êtúësinjmcosjûëyûëyûëyûétxùêú其中j為旋轉(zhuǎn)角度，tëyû2仿射變換仿射變換可以分為： 為平移量。（1） 對坐標進行縮放、平移、旋轉(zhuǎn)后得到新坐標的值；（2） 經(jīng)過對坐標軸的縮放、平移、旋轉(zhuǎn)后原坐標在新

21、坐標領域中的值。仿射變換形式為：f(x)=Hx+k其中H是變形矩陣，k是平移矢量。在二維空間中，H可以按照以下4步進行分解：平移、縮放、扭曲、旋轉(zhuǎn)。平移Hæs=çès0ö÷,s³00øs縮放11Htæ1=çè00öæs÷,HtHs=çtøè00ö÷stø扭曲æ1Hu=çè0uöæs÷,HuHtHs=ç1øè0stu&#

22、246;÷stø旋轉(zhuǎn)Hqæcosq=çèsinq-sinqö÷,0£q£2pcosqøstucosq-sinqö÷stusinq+cosqøæscosqHqHuHtHs=çèssinq變換后的矩陣為æx'öæxöæscosqç'÷=ç÷´çèyøèyøèssinq

23、stucosq-sinqö÷,0£q£pstusinq+cosqø下圖為圖像經(jīng)過仿射變換。a.源圖像 b.仿射后圖像 圖 仿射變換12（3） 投影變換投影變換是將圖像像素點的坐標變換為另一種圖像像素點的坐標的過程。用笛卡爾坐標表示是平面的分式線性變換，形式如下： x='a11+a12y+a13a31x+a32y+a33a21x+a22y+a23a31x+a32y+a33且 a11y='a12a22a32a13a23¹0a33 a21a31下圖為源圖像經(jīng)過投影變換a.源圖像 b.投影變換后圖像 圖 投影變換3.4.3坐標

24、變換與插值在進行圖像的縮放、旋轉(zhuǎn)和復合變換等。源圖像的像素坐標為整數(shù)，而變換后圖像的坐標不一定是整數(shù)，相反也是如此。因此，在圖像的幾何變換中，除了要進行幾何變換運算外，還要進行灰度插值除13理。常用的灰度插值方法有三種：最近鄰插值法、雙線性插值法和三次內(nèi)插法。1. 最近鄰插值法最近鄰插值法是將（x0,y0）點最近的整數(shù)坐標（x,y）點的灰度值取為(x0,y0)點的灰度值。在(x0,y0)點各個相鄰像素間灰度變化較小時，這是一種簡單快捷的方法，但當(x0,y0)點相鄰像素間灰度差很大時，這種灰度估值方法會產(chǎn)生較大的誤差11。2. 雙線性插值法雙線性插值法是對最近鄰法的改進，即用線性內(nèi)插的方法，根

25、據(jù)點P(x0,y0)的四個相鄰灰度值，插值計算出灰度值f(x0,y0)，具體計算過程如下：（1） 計算和。=x0-x =y-y0（2） 先根據(jù)f(x,y)，f(x+1,y)插值求f(x0,y)。14f(x0,y)=f(x,y)+f(x+1,y)-f(x,y)(3)在根據(jù)f(x0,y+1)，f(x+1,y)插值求f(x0,y+1)f(x0,y+1)=f(x,y+1)+f(x+1,y+1)-f(x,y+1)(4)最后根據(jù)f(x0,y)及f(x0,y+1)插值求f(x0,y0)。f(x0,y0)=f(x0,y)+f(x0,y+1)-f(x0,y)=(1-)(1-)f(x,y)+(1-)f(x+1,y

26、)+(1-)f(x,y)+f(x+1,y+1)=f(x,y)+f(x+1,y)-f(x,y)+f(x,y+1)-f(x,y)+f(x+1,y+1)+f(x,y)-f(x,y+1)-f(x+1,y) 其中x=x0;y=y0。此方法考慮了(x0,y0)點的直接鄰點對它的影響，因此一般可以得到令人滿意的插值效果9。但這種方法具有低通濾波性質(zhì)，使高頻分量受到損失，圖像輪廓模糊。在某些應用里，雙線性插值的斜率不連續(xù)還可能會產(chǎn)生一些理想的結果。153. 三次內(nèi)插值法三次內(nèi)插值法不僅考慮(x0,y0)點的直接鄰點對它的影響，還要考慮到該點周圍16個鄰點的灰度值對它的影響。根據(jù)連續(xù)信號采樣定理可得，若采樣值用

27、插值函數(shù)S(x)=sin(px)/(px)插值，當采樣頻率不低于信號譜最高頻率的兩倍時可以準確地恢復原信號，并可以準確得到采樣點間的任意點的值。此方法計算量很大，但更為精確，能保證較好的圖像邊緣9。插值特性如圖：S(x)=sin(px)/(px)可以采用以下三次多項式近似。23ì1-2x+xï2ïS(x)í4-8x+5x-xï0ïîx>132>x³1x³2163.4.4圖像配準實現(xiàn)基于特征的配準方法在圖像配準中最為常見，對于不同特性的圖像，選擇圖像中容易提取，并能在一定程度上代表待配準圖像相似

28、性的特征作為配準依據(jù)。基于特征的配準方法具有最強的適應性。174.實驗設計及分析本論文主要針對在圖像配準技術中最為常用的基于特征的圖像配準方法展開實驗。通過對不同圖像的配準過程進行研究，來更加深入的對圖像配準技術進行認識。4.1 圖像配準實驗一4.1.1研究對象該實驗選取了醫(yī)學常用人腦CT圖片。其中圖1為參考圖片，圖2為待配準的圖片?？梢钥吹絻煞鶊D片無論在大小和圖片的質(zhì)量上均存在著差異。而對這些差異的處理就是我們整個圖像配準工作的重點和難點。18圖1圖24.1.2 過程實現(xiàn)（1）圖像灰度化對圖像進行灰度化不僅可以節(jié)省存儲空間還便于后續(xù)研究。 以待配準圖像為例，原始的待配準圖像為：灰度化處理后的

29、待配準圖像為：19（2）特征提取前面我們已經(jīng)提到過常見的特征提取方法有點特征提取和結構特征提取。對于本研究對象而言，我們通過觀察待配準圖像可知，由于該圖像的醫(yī)學性質(zhì)使得圖片中的各部分組織圖像特征區(qū)分并不明顯，所以不宜采用結構特征提取的方法。在加上圖片本身的噪聲并不是非常的大，因此，我們選擇點特征提取的方法來進行圖像的特征提取。在本試驗中我們采用MATLAB環(huán)境下的圖形處理工具箱來完成圖像控制點的選擇。首先，隨機選取若干控制點進行配準，處理后的圖像界面如下：20（3）坐標變換與插值通過上述理論分析我們已經(jīng)很清楚，常用的插值方法有三種，它們分別是最近鄰插值法，雙線性插值法和三次內(nèi)插值法。用這三種方

30、法處理后的圖像如下圖所示:21由上圖對比可以觀察出采用三次內(nèi)插值法所進行的坐標變換與插值的效果最好。所以采用三次內(nèi)插值法得到的結果圖即為最終配準后所得到的圖像。（4）實驗總結從圖中我們可以看出配準后的圖像與原參考圖像相比，仍存在一些差距，即為實驗的誤差。下面我們通過計算配準后的圖像及原參考圖像所對應的二值圖像的面積，周長，重心，來對比觀察實驗誤差。 在MATLAB環(huán)境下，計算結果如下：22雖然上述數(shù)據(jù)仍存在一定的誤差，因為不同的灰度圖像在進行二值化后的效果本身就存在著一定的差異。但是，我們還是可以從上表中觀察出，配準后的圖像與原圖像并不完全相符，因此，該方法并不是完美的，仍需要優(yōu)化。下面介紹優(yōu)

31、化過程：在控制點的選舉方面進行優(yōu)化，從上述實驗看出，待配準圖像與參考圖像的控制點的坐標選取不完全相同。因此我們可以從這點入手，將兩圖像的控制點坐標選取相同，觀察效果?？刂泣c坐標選取相同時的坐標為lpoint=12,12;15,23;145,77;145,145;168,211;參考圖像的控制點選取 kpoint=12,12;15,23;145,77;156,200;134,184;待配準圖像的控制點選取，處理后的圖像與原圖像進過對比如下：有上表數(shù)據(jù)得，優(yōu)化后的圖像配準效果與原圖基本吻合。在選取控制點坐標時，兩幅圖的坐標選取盡量保持一致。234.2 圖像配準實驗二4.2.1研究對象本實驗的研究對

32、象如下圖所示，為學生自行拍攝的本學校的宿舍樓圖片。其中圖1為參考圖片，圖2為待配準的圖片?？梢钥吹絻煞鶊D片無論在大小和圖片的質(zhì)量上均存在著差異。而對這些差異的處理就是我們整個圖像配準工作的重點和難點。圖1圖2244.2.2過程實現(xiàn)（1）預處理由于待處理圖像的質(zhì)量問題，在便于提取之前首先應對待處理圖片進行一定的預處理，具體操作如下： 濾除模糊在獲取圖像時，由于景物和攝像機之間的相對運動，造成圖像的模糊。其中由于均勻直線運動所造成的模糊圖像的恢復問題更具有一般性和普遍性意義。因為變速的、非直線的運動在某些條件下可以看成是均勻的、直線運動的合成結果7。水平方向均勻直線運動造成的圖像模糊的模型及恢復的

33、近似公式用以下兩式表示：g(x,y)='òT0atéùfê(x-),yúdt Tëûmf(x,y)»A-mg(x-ma),y+åg(x-ka),y 0£xy£'k=0L其中a為總位移量，T為總運動時間。在計算機處理中，多用離散形式的公式如下：T-1g(x,y)=åt=0atéùfêx-,yú·Dx Tëûf(x,y)»A-méëg(x-ma),y-g(x-ma-

34、1),yùû/Dxm+åéëg(x-ka),y-g(x-ka-1),yùû/Dxk=00£xy£L由垂直方向均勻直線運動造成的圖像模糊模型及恢復的近似公式如下：25T-1g(x,y)=åt=0f(x,y-btT)·Dyf(x,y)»A-méëgx,(y-mb)-gx,(y-mb-1)ùû/Dym+åéëgx,(y-kb)-gx,(y-kb-1)ùû/Dyk=0上述模糊圖像的恢復處理結果如

35、下：原帶配準圖像濾除模糊后圖像 灰度化在圖像的成像過程中，由于環(huán)境限制等因素的影響，生成的圖像往往對比度不足，造成圖像的視覺效果差。對此，可采用圖像灰度值變換的方法，即改變圖像像素的灰度值，以改變圖像灰度的動態(tài)范圍，增強圖像的對比度。設原圖像為f(m,n),處理后為g(m,n),則對比度增強可表示為g(m,n)=Tf(m,n)其中，T·為增強圖像和原圖像的灰度變換關系。針對數(shù)字圖26像，由于其灰度取值的離散性，而通過T·計算的增強值可能帶有小數(shù)部分，一般采取四舍五入取整的方法，使g(m,n)仍取整數(shù)。因此，這里的T·也隱含灰度變換值的取整過程。上述灰度處理后的圖片

36、如下：灰度化結果圖像 直方圖均衡化直方圖均衡化是通過對原圖像進行某種灰度變換，使變換后圖像的直方圖能均勻分布，這樣就能使原圖像中具有相似灰度且占有大量像素點的區(qū)域之灰度范圍展寬，使大區(qū)域中的微小灰度變化顯現(xiàn)出來，使圖像更清晰。實際變換函數(shù)為jj=Ti=INT(L-1)åP(i)+0.5i=0均衡化處理后的圖片如下：27 平滑處理圖像平滑主要有兩個作用：一個是消除或減少噪聲，改善圖像質(zhì)量；另一個是模糊圖像，使圖像看起來柔和自然。空間域常用的方法有鄰域平均法、中值濾波法、多圖像平均法等；鄰域平均法就是對原始圖像的每個像素點（x,y）取一個鄰域R，計算R中所有像素和該點的灰度平均值，把它賦

37、給輸出圖像中的對é應點，即：g(x,y)=êf(x,y)+ëå(i,j)ÎRùf(i,j)ú/(m+1) û其中，R為預先確定的鄰域（不包括（x,y）;m為鄰域R中像素的點數(shù)；g(x,y)為輸出圖像；f(x,y)為原始圖像3。多圖像平均法是對獲取的同一景物的多幅圖像相加取平均來消除噪聲。設fm為參與平均的M幀圖像中的第m幀圖像，這種技術的28_算法是f(i,j)=1MMåm=1fm(i,j),i,j=0,1,×××2設圖像g受加性噪聲n干擾，n的均值為0、方差為s之間是不相關

38、的，則含噪圖像fm某像素的灰度fm(i,j)=g(i,j)+nm(i,j)，且?guī)街衝m是噪聲圖像第m個實現(xiàn)。多圖平均后點（i,j）處的灰度為_f(i,j)=1MMåm=1fm(i,j)=g(i,j)+1MMånm=1m(i,j)s2此式表明，這種算法不平滑圖像信號，而使噪聲方差變?yōu)镸，從而抑制了噪聲，參加平均的圖像數(shù)目越多，消減噪聲的效果越好。鄰域平均法在濾除噪的同時模糊了圖像，而中值濾波在一定條件下，可以克服線性濾波器所帶來的圖像細節(jié)模糊，能夠在去除噪聲的同時保持圖像邊緣。 中值濾波具有如下重要特性： 對離散階躍信號、斜升信號不產(chǎn)生影響，連續(xù)個數(shù)小于窗口長度一半的離散脈

39、沖將被平滑，三角函數(shù)的頂部平坦化。 令C為常數(shù)，則MedCFjk=CMedFjkMedC+Fjk=C+MedFjkMedFjk+fjk¹MedFjk+Medfjk 中值濾波后，信號頻譜基本不變。29處理后的圖片如下：從圖中可見，中值濾波法能有效消弱椒鹽噪聲，在各個模板效果對比中可見，5*5模板處理后的效果是最佳的，并且在誤差允許范圍內(nèi)幾乎沒有失真。(2) 特征提取該過程是本實驗的一個重點研究過程。通過對比參考圖片和帶配準圖片，我們不難發(fā)現(xiàn)，帶配準圖像的噪聲是非常大的，因此若想直接在該圖像上進行控制點的提取顯然是非常困難的。這就需要我們首先進行前文中所提到的另一種特征提取方法，即提取。

40、然后再根據(jù)需要考慮是否進行控制點的提取。常用的結構特征有很多，在前文中已經(jīng)提及，這里不再重復。針對該圖像我們主要提取出圖像的重點區(qū)域。即進行二值化處理。二值圖像是指只有黑白兩個亮度值的圖像，是灰度圖像的一個特例。及時是灰度圖像也可以進行位平面分割而形成一系列的二值圖30像。懸著灰度閾值對圖像二值化是圖像處理中最常見的11。假設一幅圖像f(x,y)，懸著對應灰度作為閾值T，利用下式對圖像二值化得到二值圖像g(x,y)ì0g(x,y)=íî1f(x,y)<Tf(x,y)³T經(jīng)二值化處理后的圖片如下：二值化圖像同樣的，用相同方法對參考圖像進行一系列處理。

41、最終處理后的二值化圖像如下：通過觀察，兩幅圖像經(jīng)過處理后，其主要的圖像結構一目了然，這也為后續(xù)的操作奠定了基礎。31經(jīng)過結構特征提取操作后，我們還需要進行控制點的特征提取。方法同實驗一。控制點的提取情況如下：（3）坐標變換與插值經(jīng)過變換模型和坐標變換與插值的選擇及操作后，得到最終配準后的圖像，如下圖：配準前后的比較圖如下：32（5）實驗總結在上述實驗過程中可以看出經(jīng)過預處理后的待配準圖像質(zhì)量明顯提高，有利于后續(xù)的控制點選取和圖像配準，而且大大減少了計算量。從實驗結果圖中可以看到，配準效果非常好，達到本實驗的目的。33實驗總結本課題的目的是基于特征的圖像配準的方法來實現(xiàn)圖像的配準。由于待處理圖像

42、的質(zhì)量問題，在便于提取之前首先應對待處理圖片進行一定的預處理。然后再進行一系列的實驗后，最終實現(xiàn)圖像的準確配準。此方法也存在一定的不足，由于圖像的不同質(zhì)量，還有方法的局限，應用的范圍不是很廣。因此該方法有局限性。34參考文獻1 孫即祥圖像處理北京 科學出版社 2004年2 賈永紅 數(shù)字圖像處理武漢 武漢大學出版社2003年9月3 許錄平 數(shù)字圖像處理北京 科學出版社 2007年4 曹茂永，孫農(nóng)亮等數(shù)字圖像處理北京 北京大學出版社2007年9月5 楊杰，黃朝兵數(shù)字圖像處理及MATLAB實現(xiàn)北京 電子工業(yè)出版社2010年2月6 阮秋琦數(shù)字圖像處理北京 電子工業(yè)出版社2001年1月7 王洪元，石澄賢

43、，鄭明芳等MATLAB語言及在電子信息工程中的應用北京 清華大學出版社2004年12月8 Jain,a.k.著；韓博，徐楓譯數(shù)字圖像處理基礎北京 清華大學出版社2006年11月9 張德豐MATLAB數(shù)字圖像處理北京 機械工業(yè)出版社2009年1月10 賀興華，周媛媛，王繼陽，周暉等MATLAB7.X圖像處理北京 人民郵電出版社2006年11月11張德豐詳解MATLABA數(shù)字圖像處理北京 電子工業(yè)出版社2010年7月35致 謝本論文能在有限的時間內(nèi)完成，首先要誠摯感謝我的指導老師李向群老師，在忙碌的教學工作中擠出時間來檢查、修改我的論文。還要感謝一直幫助我完成論文的同學，沒有你們的耐心講解，我是不會保質(zhì)完成論文，在此表示感謝。在完成本論文的過程中，讓我學會了如何分析問題，而且培養(yǎng)了我的耐性。在論文設計過程中也出現(xiàn)了許多問題，但在老師以及同學、朋友的積極討論，和查找相關