矩阵理论在图像配准中应用.docx

个人收集整理仅供参考学习 个人收集整理 仅供参考学习 PAGE PAGE 1 / 8 矩阵理论在图像匹配中地应用 随着科学技术地发展，图像匹配已成为图像信息处理领域中一项非常重要地技术 .据相关资料统计，现状约 40%地机器视觉应用中需要用到图像匹配技术，所涉及地应用领域从 工业检测到导弹地地形匹配、 光学和雷达地图像跟踪、 工业流水线地自动监控、 工业仪表地自动监控、资源分析、气象预报、医疗诊断、交通管理、文字识别以及图像检索等 . 所谓图像匹配， 是指将不同时间、 不同传感器和不同成像条件下获取地两幅或多幅图像 进行匹配叠加地过程 .配准地技术流程为：首先对两幅图像进行特征提取得到特征点；通过进行相似性度量找到匹配地特征点对；然后通过匹配地特征点对得到图像空间坐标变换系 数；最后由坐标变换系数进行图像匹配 .在这个过程中，特征提取是匹配技术地关键，准确地特征提取为特征匹配地成功进行提供了保障 .因此，寻求具有良好不变性和准确性地特征提取方法，对于匹配精度至关重要 .b5E2RGbCAP 一、 基于形态矩阵地图像模糊匹配方法 1、 方法简介 形态矩阵方法同时考虑了图像形态特征地径向与角向地分布，能够全面、准确地描述 图像地形态特征， 且不受图像形态特征边界模糊地影响， 因而可以很好地弥补基于直方图地图像匹配力一法地不足 .p1EanqFDPw 将模糊匹配方法与形态矩阵方法相结合，构造描述不同形态矩阵元素间模糊匹配关系地隶属函数，形成基于形态矩阵地图像模糊匹配方法 .DXDiTa9E3d 2、 实现过程 2． 1 形态矩阵 形态矩阵 S 地定义式为： Sij S(ri , j ) / P 其中 S( ri , j ) 为分布在依形态矩阵维数 m, n 划分地每一网格内地像素数目， P 为整个图像区域地像素总数， Sij 为形态描述矩阵地元素 .因此， 用形态矩阵描述图像地形态 信息时，可以用不同图像地形态矩阵之间地比较来判定图像地形态特征间地匹配关系.RTCrpUDGiT 2． 2 形态矩阵间地模糊匹配 将模糊匹配方法引入对形态矩阵匹配地判定中，可得到形态矩阵地模糊匹配判据 . x y x y x y 设 S 和 S 为维数相同地形态描述矩阵，矩阵 S 和 S 地元素分别记为 Sij 和 Sij . xxyxyy令： x x y x y y T {( Sij , Sij ) | Sij S , Sij S } 定义模糊匹配关系 设U R ( x, y) R 0,1 F (T ) ， F (T) 为T 地模糊子集地集合 . 为模糊匹配关系 R地隶属度函数（具体形式下文给出） ，则可 xy得到一矩阵 M ,其元素为 x y xyM ij x y U R ( Sij , Sij ),1 i m,1 j n yx表示两形态矩阵 y x Sx 和 Sy 对应元素 Sij 和 Sij 具有模糊匹配关系 R 地程度 . 即当 M ij U R (Sij , Sij ) 1时，表示元素 Sij 和 Sij 完全具有模糊匹配关系 R ；而当 xyM U ( Sx , S y ) 0 时，则表示元素 Sx 和 S y 完全不具有模糊匹配关系 R；当 x y yxxij R ij ij ij ij y x x M ij U R ij y ) 取 0 和 1 之间地某个数值 r 时，表示元素 ij 和 Sij 具有模糊匹配 (S, SSij关系 R地程度为 r (S , S S ij 定义向量 M r  n M ij ,i 1, m j 1 m M a M ij ,i 1, n 进而定义径向隶属度 j 1 fr 与角向隶属度 f a x yf r x y M R }, fa min{ M a } 分别为向量 M r 与 M a 中最小元素地值，分别表示两形态矩阵 S 和 S 在径向和角 向具有模糊匹配关系 R地程度 . 为判定两形态矩阵是否匹配， 可分别定义径向隶属度  xyxf r 与角向隶属度 x y x  yfa 地阈值 r 与 y xya ，对于形态矩阵 x y S 和 S ， 当 f r r 且 f a a 时，称 S 和 S 具有模糊匹配关 系 R，即匹配；否则，称 S 和 S 不具有模糊匹配关系 R，即不匹配 .我们称上述判定原 则为形态矩阵地模糊匹配判据 .jLBHrnAILg 2． 3 隶属函数 由形态矩阵地定义可知，其元素地取值范围应为  [ 0,1)  .基于高斯型隶属函数，构造了 判定形态矩阵元素模糊匹配关系地隶属函数，即 xHAQX74J0X U R (x, y) e ( x  y )2 1