一种新基于梯度方向直方图图像配准方法.docVIP

一种新的基于梯度方向直方图的图像配准方法 　　摘要：构建了一种新的局部梯度方向直方图，同时定义了特征点的主方向，从而提出了一种具有旋转不变性的图像配准算法。首先采用高斯加权求模技术对特征点邻域内的像素的梯度作直方图统计，确定出具有旋转不变性和抗噪性的特征点主方向；然后用主方向作角度直方图统计，确定待配准图像之间的旋转角度。根据得到的特征点信息及旋转角度定义了特征点对互信息匹配准则，这样使得新配准算法对于图像间旋转角度的范围没有限制，获得了良好的配准效果。 　　关键词：图像配准；主方向；梯度方向直方图；旋转不变性；互信息 　　中图分类号：TP391文献标志码：A 　　文章编号：1001―3695(2007)03―0312―03 　　0引言?? 　　目前很多图像配准技术[1―3]只适用于图像间存在小角度旋转（大约为0～5°）的情况。如何在图像间存在大角度旋转的情况下进行配准还值得深入研究。文献[3]在USAN模型，即同值分割吸收核（UnivalueSegmentAssimilatingNucleus）基础上提出了一种新的角点检测方法，通过沿圆弧曲线扫描得到角点及边缘方向信息，然后利用这些信息对图像进行配准。从原理上分析，此方法对于图像间旋转角度的范围没有限制。文献[4]也提出了一种对图像间旋转角度的范围没有限制的基于边缘的配准算法，首先利用小波多尺度积提取特征点，再通过线性拟合模型为每个特征点设计一个边缘方向，然后用角度直方图估计配准图像之间的旋转角度，最后用相关度准则确定匹配点对。?? 　　本文构建了一种新的基于梯度方向直方图的图像配准方法，实现了大角度下的图像配准。充分利用图像的局部性质，融入特征点圆形邻域内所有像素点的梯度信息，定义了特征点主方向（MajorOrientationorDominantDirection）。为获得准确的主方向，基于统计的思想，利用高斯圆环窗构造了一种新的梯度方向直方图（GradientOrientationHistogram,GOH）。该配准算法的原理可简述为：首先通过对特征点邻域内所有像素点的梯度作高斯加权求模，获取具有抗噪性和旋转不变性的特征点主方向，以此代替特征点梯度方向作角度直方图统计，准确有效地计算出待配准图像间的旋转角度。根据得到的特征点信息及旋转角度定义了特征点对互信息匹配准则，从而得到匹配点对。理论分析和实验结果表明，本文建立的新图像配准方法对于图像间旋转角度的范围没有限制,具有良好的旋转不变性和噪声鲁棒性。?? 　　 　　1梯度方向直方图确定特征点主方向?? 　　首先对图像作平滑预处理，提高算法的抗噪性。?? 　　其中，(x,y)为二维的图像信号，G(x,y,σ)为具有低通特性的高斯滤波器，??为卷积运算。?? 　　平滑图像L(x,y)的每个像素点用式（2）、（3）计算其梯度模和方向，得到与原图等大的梯度图像。 　　对每一个特征点构造一个梯度方向直方图H(n)，表示特征点邻域内方向角落在第n级的点的高斯加权模之和。具体地，将360°的角度空间量化为36级（故1≤n≤36），在以特征点为中心的邻域内用高斯圆形窗口函数对每个像素的梯度模作高斯加权，如图1所示。 　　图1（a)为以特征点为心的高斯圆环窗，箭头表示该像素点的梯度方向，箭头长度表示该点的梯度模；图1（b)为特征点的梯度方向直方图，横坐标代表36个角度级，每级为10°，纵坐标代表对应角度级的高斯梯度模之和，峰值即为该特征点的主方向区间。?? 　　 　　在直方图中，可能存在与峰值差异较小的次峰值，这些次峰值反映了更加丰富的特征点邻域的方向信息。因此，给定适当的阈值T，0T1（如0.8），将大于T×H(n)的次峰值也提取为峰值，从而在每个特征点的直方图中可能产生多个主方向的存在区间（图1（b））。这样，为某些特征点设计的多个主方向增加了整体特征点的奇异性，有利于图像旋转角度估计的准确性和提高匹配算法的稳定性。 　　至此，仅仅获得了特征点主方向所在的区间，与真实值之间误差为0―10°。本文采用抛物线拟合技术在准确定位主方向位置的同时又可保证主方向对应的直方图的绝对峰值。?? 　　具体地，对得到的直方图作归一化处理，用抛物线f(x)=a(x-c)??2+b拟合峰值及它左右两条直方图值。若特征点??p(x,y)??的直方图峰值H出现在第n级，提取该点及其左右直方图信息为（-1,H(n-1)），（0,H(n)），（1,H(n+1)）,通过抛物线拟合求出参数a、b、c。其中，b即是校正后的新峰值，对应特征点主方向的模；c∈[-1,1]是峰值位置的偏移，代表了真实主方向在10°的主方向区间内距中心位置的偏移量，所以可确定出特征点的真实主方向为θ=(n+c)×10。?? 　　这种新的局部梯度方向直方图