基于角点的图像配准.docxVIP

基于角点的图像配准课程设计班级： 021151 专业： 智能科学与技术学号： 名：基于角点的图像配准图像配准现在已成为数字图像处理的研究热点，方法繁多，站在时代的前沿。图像配准多采用基于图像特征点的方法，这种方法易于用计算机处理并且容易实现人机交互，其重点在于如何提取图像上的有效特征点。对图像拼接技术的目的、意义、国内外研究现状、发展方向以及本课题研究的目的和意义进行了阐述，着重介绍了图像拼接过程的核心技术——图像配准。阐明了现有配准方法的工作原理，并对常用的各种经典算法的优点和不足进行了比较总结。角点定义图像匹配的算子，主要是用来提取两幅配准图像中的角点。角点，又称为兴趣点，是像素点在其邻域内的各个方向上灰度变化量足够大的点，且大于阈值的点。它是一种重要的图像特征点，包含了图像中丰富的二维结构信息，广泛应用于各种图像处理技术中。角点最大的优点是：它所代表的局部结构关系信息不会因为视角的不同而改变，这在三维物体识别上很有用。此外，角点特征也常用在汉字识别，染色体识别等应用系统中。常用角点检测的算法 Harris算子Harris算子是Harris和Stephens提出的一种基于信号的角点特征提取的算子。其处理过程表示如下[7]： （2-1） （2-2）式中：为方向上的梯度，为方向上的梯度，为高斯模板，为矩阵的行列式，为矩阵的迹，为常数，表示图中相应像素点的兴趣值。小波变换算子小波变换算子[8]可以非常有效地用于信号的多分辨率局部分析，它已经被成功的用于许多图像分析领域。对于图像配准来说，由于两幅图像中共同特征往往是大而强的边缘信息，根据小波变换能够反映图像的阶跃型边缘突变点的性质，可以利用小波变换提取用于图像配准的特征点。假设图像具有个像素。在个尺度上对进行分解，即尺度。选择适当的二维平滑函数，定义小波为： （2-3） （2-4）构造出离散滤波器，在尺度上，采用二维离散小波变换的快速算法计算每个点的离散二进小波变换，。点的模值为： （2-5）相角为： （2-6）然而，模极大值点就是该点的模大于在相角方向上的两个相邻位置上模值的点。当模极大值点大于所设定的门限值时，则该点被认为是特征点。Moravec算子Moravec算子[9]是Moravec提出的利用灰度方差提取点特征的算子。其提取点特征的步骤为：(1)计算各像元的兴趣值IV（Interest Value）。在以像素为中心的的图像窗口中，相邻4个方向像素灰度差的平方和为： （2-7） （2-8） （2-9） （2-10）式中：。取其中最小者作为该像素的兴趣值，即： （2-11）(2)给定一经验阈值，将兴趣值大于该阈值的点作为候选点，阈值的选择应以候选点中包括所需要的特征点，而又不含过多的非特征点为原则。(3)选取候选点中的极值点作为特征点，在一定大小的窗口内（可不同于兴趣值计算窗口），将候选点中兴趣值不是最大者去掉，仅留下一个兴趣值最大者，该像素即为一个特征点。Forstner算子Forstner算子[10]是通过计算各像素的Robert’s梯度和以像素为中心的一个窗口灰度协方差矩阵，在图像中寻找具有尽可能小而接近圆的误差椭圆的点作为特征点。其步骤为：(1)计算各像素的Robert’s梯度 （2-12） （2-13）(2)计算窗口中灰度的协方差矩阵 （2-14）式中： （2-15） （2-16） （2-17）(3)计算兴趣值和 （2-18）式中：代表矩阵的行列式；代表矩阵的迹。(4)确定待选点如果兴趣值大于给定的阈值，则该像元为待选点，阈值为经验值，可参考下列值： （2-19）式中：为权平均值；为本权的中值。当，且时，该像素为待选点。(5)选取极值点以权值为依据，选择极值点，即在一个适当窗口中选择最大的待选点，而去掉其余的点。常用角点检测算法比较Harris 角点检测算法是基于图像的灰度自相关函数的一种算法，该算法直接从原始图像中检测特征点，能够在图像发生灰度变化、旋转和干扰噪声等情况下检测兴趣点。相对于 Moravec 算法，在抗噪能力有了很大提高，而且兼顾了效率和精度两方面的要求，误检测率低。提取的角点均匀合理，可以定量提取特征点，计算量小，易于编程。基于小波变换的特征点提取算法在实际应用中，可以满足图像配准的要求，而且适用性也比较强，但是由于它的计算量比较大，不利于图像的快速配准，用MATLAB软件对其编程，运行时间需要的较多。Moravec 角点检测算法是一种比较传统的提取兴趣点的算法，由于该算法是通过计算水平、垂直、对角线、反对角线四个方向上灰度方差检测角点，该算子各项异性。具有思路简单，计算过程易于实现，判断条件少的优点，但其定位准确度不高，抗噪能力较低。Forstner算子与Moravec算子有大多数的方面相似，都是传统的点特征