一种快速稳健的图像配准方法及其应用

《一种快速稳健的图像配准方法及其应用》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、http://www.paper.edu.cn一种快速稳健的图像配准方法及其应用1赵辉，陈辉，于泓（山东大学信息科学与工程学院济南250100）E-mail：bugzhao@sdu.edu.cn摘要：本文提出了一种基于角点匹配的快速稳健的图像配准方法。首先将图像在大尺度上进行角点匹配并估算6参数仿射变换矩阵，然后再在小尺度上更加精确的计算8参数透视变换矩阵。算法中使用聚类法和RANSAC算法去外点。最后文中算法被成功的应用于全景图自动拼接系统和运动检测系统。关键词：角点提取；透视变换；图像拼接；运动检测1引言图像配准定义为把同一场景

2、在不同时刻、不同传感器或不同角度拍摄的图片进行空间上的对齐与灰度上的融合，其广泛用于遥感图像处理、三维场景重建等技术中[1]。图像配准算法主要分为基于直接像素灰度差的方法和基于特征的方法。基于特征的方法首先要对待配准图像进行特征提取，然后将特征进行匹配，这就可以采用各种筛选技术以去除错配[2]，所以对于存在透视变形失真、光照变化和含运动物体的图像等情况均能较好的配准。本文提出一种改进的基于角点特征的图像配准方法。现有的图像配准算法对于处理大图像时速度慢而且鲁棒性差，本文提出的一种基于层次化角点匹配的算法可以很好的解决这个问题。文末将

3、本文算法应用于图像自动拼接系统与运动检测系统以验证算法的有效性。2图像特征点提取与匹配2.1角点提取算法本文采用Harris算法[3]进行角点提取。设I为二维图像，Ix和Iy分别为图像在水平、竖直两个方向的一阶偏导数，w(x,y)是二维高斯平滑函数，有如下公式：M⎡⎤III2∑=w(x,y⎥)⎢xxy⎢III2⎥x,y⎣xyy⎦(1)RtraceM(2)=M−k⋅,其中k0.04~0.2det()2=这里detM和traceM分别为矩阵M的行列式和迹。对于图像的每一点由公式(2)解得R，其在某一阈值之上并取得局部极大值的点即作为角点

4、。2.2层次化角点匹配以往的特征点匹配过程直接在原始图像上直接进行穷尽式搜索，计算开销较大而且得到的候选匹配点太多，不利于后续筛选处理。这里我们采用的思路是先将大尺度图像中的角点进行匹配然后估算图像变换矩阵，在下一步更小尺度的角点匹配过程中，我们使用上一尺度估算的图像变换矩阵粗确定匹配角点区域，以加速小尺度图像角点的匹配。具体步骤如下。首先利用公式(3)将不同尺度s的高斯函数G与图像I进行卷积：I(x,y,s)=I(x,y)⊗G(x,y,s)(3)然后再把得到的图像进行抽取，这样就可以得到一组不同尺度的图像，其中大尺度对应着低分辨率

5、，小尺度对应着高分辨率。我们先在大尺度图像上提取角点，然后利用灰度互相关进行匹配，其公式如下：1基金项目：山东省优秀中青年科学家奖励基金No.03BS001-1-http://www.paper.edu.cnC((,))((,))(4)=IxiyiIIxjyjI∑∑−−−′−−−′ij接下来我们使用筛选算法去掉错配的角点，并利用最终得到的角点计算仿射变换。根据此仿射变换模型可以粗确定下一尺度的图像中匹配角点大体位置，这样在下一尺度图像角点匹配的搜索过程中仅在估算的区域内（一般取窗口为20×20的像素区域）进行，大大提高了匹配运算的搜

6、索速度。设在尺度s1=s上检测出图像I中的角点位置用向量P1表示。那么在尺度为s2=s/2的图像上结合s1尺度角点的信息，我们可以得到角点P2的近似估计位置：P2=P1×2(5)2.1角点筛选算法由于我们使用灰度互相关方法来确定初始的角点匹配点对，这样当图像受噪声影响严重或者存在透视变形、运动物体时，不可避免的存在错配。关于去错配算法我们使用了一种简单而快速的思路：首先利用每组匹配点来形成一个二维参数，即摄像机水平摇移角和垂直偏移角，然后将其进行聚类分析，保留大的聚类，而放弃小的聚类（认为是错配的点对）。如图1所示，圆圈中的点被认为

7、是正确匹配的点对，圆圈之外的点被认为是错配的点对。图1利用聚类法去除错配角点对然后，我们使用更加精确的RANSAC算法[2]来对数据进行进一步的提纯以最大限度去掉外点的影响。外点的存在将对后续的变换模型参数计算产生极大的影响。如果直接使用RANSAC算法，往往会因为错配较多而导致算法变的很慢，甚至无法收敛。3图像变换模型参数的计算与优化在大尺度图像中我们采用仿射变换模型来近似表示图像关联关系，而在小尺度图像中我们采用了更加精确的透视变换模型[4]。使用了齐次坐标表示的8参数透视变换模型如下：⎡x⎤′⎢⎥′y⎢⎥⎢⎥1⎣⎦=H⎡x⎤⎢

8、⎥⋅y⎢⎥⎢⎥1⎣⎦=⎡h0⎢⎢h3⎢⎣h6h1h4h7h⎤⎡x⎤2⎥⎢⎥h⋅y⎥⎢⎥5⎥⎢⎥11⎦⎣⎦(6)这里(x,y),(x,,y,)分别为两幅图像中对应角点的坐标。H为变换矩阵。如果h6=h7=0，上式则为6参数仿射变换模型。