目录

4.4.1 如何判断旋转系数的方法 ............................................................................... 25 4.4.2 图像配准算法中的插值 ................................................................................... 26 4.4.3 图像配准的流程图 ........................................................................................... 27 4.5 基于特征的配准方法 .................................................................................................. 29 4.6 基于灰度的配准方法 .................................................................................................. 30 4.7 降低配准精度的原因和改善方法 .............................................................................. 30

4.7.1 图像的有限采样和截断误差 ........................................................................... 30 4.7.2 旋转引起的混叠现象 ....................................................................................... 31 4.7.3 由笛卡尔坐标系向对数-极坐标系转化的误差及插值错误 ......................... 31 4.8 实验过程 ...................................................................................................................... 32 第五章 仿真 ............................................................................................................................... 33

1 实际操作 .......................................................................................................................... 33 2 实验总结 .......................................................................................................................... 36 参考文献 ..................................................................................................................................... 37 致 谢 ..................................................................................................................................... 38 附录 ............................................................................................................................................. 39

II

绪论

第一章 绪论

1.1 研究背景

现如今，越来越多的科学研究领域都开始注意到图像配准的重要性，图像配准的作用就是把两幅或者几幅在不同因素影响下获取的图像进行整合配准，例如图像一幅来自照相机一幅来自手机，两幅图像一幅拍摄于早上，一幅拍摄于晚上，一幅是仰视拍摄，一幅是俯视拍摄等等，或者有时不一定是同样的事物也会遇到不同事物的图像配准问题。详细地说，对于一组图像数据集中的两幅待配准图像，通过寻找某种方法变换把一幅图像映射到另一幅图像，图像配准就是把两幅待配准图像的点进行融合以此来得到配准后的图像。

图像配准技术如今在许多方面都有应用，而且已经成为了不可或缺的一种技术。根据图像配准在不同研究领域，有的侧重于不同的配准方法，有的侧重于在配准的过程中图像之间出现的一些配准属性。进入20世纪图像配准在医学领域经历了从静态到动态，从二维到三维的飞速发展。

把每个图像上的信息结合在一起，然后在同一张图像上统一显示出来，将结合了所有图像信息的图像提供给临床医学诊断，这一技术对医学上是非常有价值的，其中的关键点和难点是如何将图像配准变得高效又准确。因而图像配准技术无论计算机视觉方面，还是医学方面都有着重要的作用。

1.2 国内外研究现状及发展趋势

图像配准技术发展到今天，在数字图像处理领域无论是国内还是国外，已经被业界所知道的图像配准方法，在许多科研领域都具有无法替代的价值。例如在研究计算机视觉图像时，在对景物的匹配以及飞行器在定位时，需要对地图进行匹配，根据图像配准结果把实验称为目标检测和目标定位，同时根据图像配准所用的算法，把它称为图像相关算法等等。从图像配准出现到如今已经发展了三十几年，图像配准技术已经获得了许多科研成就，在计算识别机识别和模式识别中都被广泛应用。例如测绘立体图像、目标的、图像的分割、形状的重建、运动跟踪与估计和识别符号等。也可以对医学图像进行分析，例如在医学图像领域中可以用图像配准来检测肿瘤的位置和确定体内的病变部位所在位置，在生物科技及高端医学临床研究领域中可以用来分类显微镜图像像是研究人体血细胞、子宫颈

涂片和染色体、也可以对军队军事中或者生活中的遥感图像进行处理、分类多功能光谱、农业、地理学、海洋学、林业、石油和煤矿勘测、空气监测和城市环境、天气报告、锁定目标和确定以及合成超分辨率遥感图像等、导弹所打击的目标地和制导导弹的区域与地图相匹配、声学和雷达追踪目标、分析资源、对景物的变化进行分析、融合图像等很多领域。

从2006年到如今的10年间图像配准技术在医学领域得到了充分的发展，并且在医学临床上用的比较多。只是在设备成像上的方式各种各样，所以成像方式也是各不相同。从广泛性上来说，生物形态的解剖成像模型也可以描述还可以表现出人体功能或生物代谢功

1

绪论

能的成像模式。有许多原因促成，临床病人需要进行多种模式的识别或者通过不断地重复配准以此来获得准确地配准数据。也就是说把待配准的几幅图像中的信息提取出来，进行系统地分析。大多数情况下只通过一次图像配准并不能够得到所需要的图像数据或者说得到的数据不充分，这时候采用多种模式成像可以很好地弥补单次成像的不足。比如：用CT来观察骨组织，以此来获得软组织的数据，也可以从PET，SPECT的功能信息与来源于CT的信息放在一起进行具体分析。

进入21世纪以来现代科学正在飞速发展 ，比如说卫星探测，在当代越来越多的遥感卫星被发射到外太空用来监控地球上的所有相关信息。遥感卫星的关键在于不管在什么时间什么情况下都能过不间断地获取地球上的所有信息，由于不同波段的敏感程度不尽相同所以卫星对大地监控得到的一部分信息也不可能一样。所以，我们非常迫切地想要把不同波段所获取的信息整合到一起，对于以后研究我们的家园地球会非常方便。首先，对图像进行配准并且融合是一个问题，要想很好地解决这个问题就必学要完成图像配准这一步骤。图像配准主要应用于监控大气云层的变化，预报天气情况，探测地表物体的变化以及可以知道地球资源的分布等。与此同时，可以通过图像配准来做到观测植物在生长过程中的非常细微的生长变化，还有探测外星物种等相类似的研究。总的来说，图像配准对科学技术的进步是一个非常重要的研究手段。

现代科学发展迅速，从上个世纪到21世纪20年时间里图像配准的方法有了质的飞跃。在1992年，学者Brown总结了图像配准的一些主要方法。2003年，zitov等人综述了从1992年到2003年10年间图像配准领域的相关方法。目前，普及的图像配准方法有以下四个步骤：首先进行特征检测、接下来需要对待配准图像整合对比、紧接着变换模型，最后实现把两幅图像的相同部分提取实现配准。图像配准方法的主要准则是根据图像的不同处理方法来区别图像配准，其中可以通过频域和时域进行配准。以下几种图像配准的方法是科学家们日积月累研究出来的例如表面分析法、非线性变换方法、取点法、矩阵法和主

轴法、最大互信息法、曲线法、流体力学模型法、相关相位法(时域和频域)、光流场模型法等。在关于特征的图像配准方法当中，HulLi等一批学者在基于轮廓的配准方法中，通过使用链码相关性和矩阵不变的相似性原则来匹配图像。在此之后Francisco等一批研究人员又通过把典型海岸线特征轮廓提取出从而达到了配准多传感器卫星图像成功的最终目的。然而在基于区域的配准方法中，基于区域的主要配准方法就是相关法和互信息法等。

在对相关法的研究中，Jordi等科学家一起研究分析得出了多传感器图像自动配准中出现的一些问题，将用图像相似性准则来代替相关系数这一方法引入到图像配准当中，能够解决图像配准精度不高的问题。Kuglin这些人利用Fourier-Mellin变换过程中的平移不变性，得出了相位相关技术，此技术用在检测图像整像素的平移问题。Foroosh等研究人员把相关法扩大到亚像素级别，他根据互功率谱的最大点周围形成的图形来计算图像的平移。想要估算图像配准过程中的平移可以使用对数和线性回归的特性。只要没有任何不确定因素来影响图像配准，两幅待配准图像间平移的互功率谱矩阵的秩都是一，所以 - -

2

绪论

scottHoge等研究人员研究出了使用奇异值来分解图像的方法(SVD)，完全分割开来图像的矩阵，而且不仅可以在低维度的情况下使用互功率谱而且互功率谱也能在高维度的情况下使用，相关法在医学临床应用中是比较常用的。Chan，Reddy等研究人员使用对数极坐标变量来分离图像，将频域配准技术成功的应用于需要进行平移变换、旋转变换和缩放变换的图像配准中。他们的方法都是将2维FFT逼近与图像的对数极坐标频谱相类似。随着不断的改进极坐标傅立叶变换的计算方法，Keller等科研人员利用Averbuch等人之前提出的伪极坐标傅立叶变换技术改进了图像在平移变换、旋转变换和尺度变换过程中的检测稳定性。Lie等一批人构造了将坐标变换为假对数极坐标通过Fourier变换逼近对数极坐标傅立叶变换，更加改善了图像配准技术，与此同时，通过设置图像配准的数据，像?，m，

n，坐标里面的信息全部有变化，使该方法的优点在于能够根据具体情况改变配准精度。

在研究互信息这种方法的过程中，一开始是由viofa和wells等人在图像的配准研究中才开始使用互信息这种方法的。Hell等研究人员在一九九四年就发表了“相似性测度”这一方法主要应用在医学图像领域。相似性其实就是统筹计算;简单地来讲，互信息也包含在相似性测度中。callignon等研究人员在1996年发表的联合熵的主要的作用是在定量配准测度中。可以说是在同一时间段，Viala发表了关于互信息在配准中的应用的文章。利用互信息匹配形状特征点进行图像配准的方法是Rangarejan等研究人员提出的一种新的的研究策略。在互信息匹配形状特征点进行图像配准这一方法中，第一步是要把待配准的两幅图像所有的配准数值集合在一起构成两个集合:把这两个集合，把两个几何的互信息量找出来，然后把它们的互信息量放大，从而达到配准的效果。

如今计算机视觉技术的飞速发展已经和其它学科出现了交叉点，除去上面所介绍的方法，接着人们又继续提出了像是光流场方法、流体力学模型和弹性力

学模型等一系列图像配准方法。与此同时为了检测图像配准的最终结果，最近20年也有许多人提出了评价图像配准性能和精确度的评价准绳。只是因为待配准的几幅图像大多数情况下都是在不是在相同的时间地点或不同环境条件下获得的，所以没有绝对的在图像配准上的问题，也就是根本不存在什么唯一的标准，只存在最适合自己使用的配准方法。在这种情况下，使用哪种配准方法和实现配准的要求有关。颜色是一种特具说服力的描绘方式，能够方便我们更好地区分场景和从场景中把目标提取出来，这样可以让彩色的图像把某个场景更加生动的描述出来。但是，彩色图像虽然能更好地描述出场景但是色彩表示非常复杂所以使得彩色图像处理成为了一个极具挑战的步骤。如今大多数图像配准的方法都是在灰度图像的基础上发展而来的，然而彩色图像的配准方法也是和灰度图像的配准方法是一样的只是把彩色图像通过某种手段转换成灰度图像然后再利用灰度图像的配准算法对几幅图像进行图像配准，这样做可以把各色彩分量之间的联系割地四分五裂，这种情况可能会导致配准精度降低甚至引起配准错误。所以，现如今在图像处理方面最大的难点和关键点都集中在如何有效的配准彩色图像。科学家们提出把彩色图像的各个分量进行统一处理利会很好地解决问题，所以需要利用四元数矩阵来表示彩色图像，这就让理想成为了可能，同时更是促进了彩色图像处理技术的发展。但是因为图像配准的过程中输入数据

- -

3