物联网识别技术 丁明跃 物联网-第六章

《物联网识别技术 丁明跃 物联网-第六章》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第六章图像配准与融合技术主要内容图像配准的原理和方法常用的特征提取算法图像融合原理和方法目前，数字图像处理已成为计算机科学、信息科学、统计学、医学等领域学习和研究的对象和热点，涉及到各种图像处理技术：图像增强、分割、配准、去噪、显示等。图像配准就是将不同时间、不同传感器或不同条件下获取的两幅或多幅图像进行匹配、叠加的过程。由于不同图像传感器获取的图像数据在几何、光谱、时间和空间分辨率等方面存在明显的局限性和差异性。图像融合技术就是将不同传感器获取的图像数据综合起来，达到对目标有一个更全面、更清晰、准确的理解和认识的目的。图像配准概述第一节图像配准

2、图像配准就是将不同时间、不同传感器(成像设备)或不同条件下(天候、照度、摄影位置和角度等)获取的两幅或多幅图像进行匹配、叠加的过程。其流程如下：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的特征点对，然后通过匹配的特征点对得到图像空间坐标变换的参数；最后由坐标变换参数进行图像配准。从上述过程可以看到，特征提取是图像配准技术中的关键步骤，只有准确提取才能为特征匹配的成功提供保障。因此，寻求具有良好不变性和准确性的特征提取方法，对于匹配的精度至关重要。图像配准的原理1、图像配准的数学定义把xy实平面分为网格，每一网格中心的坐标就是

3、笛卡尔积Z2的一对元素，Z2是所有有序元素对(zi，zj)的集合，zi和zj是Z中的整数。令(x，y)为Z2中的整数，f为把灰度级值R赋予每个坐标对(x，y)的函数，则f(x，y)就表示一幅数字图像。若约定原点坐标值(x，y)=(1，1)，则M×N的数字图像f(x，y)可用矩阵表示为：数字图像可以用一个二维矩阵表示，如果用I1(x，y)、I2(x，y)分别浮动图像和参考图像在点(x，y)处的灰度值，那么图像I1、I2的配准关系可表示为：其中，f代表二维的几何变换函数；g表示一维的灰度变换函数。配准的主要任务就是寻找最佳的空间变换关系f与灰度变换关

4、系g，是两幅图像实现最佳对准。由于空间变换是灰度变换的前提，而且有些情况下灰度变换关系的求解并不c是必需的，所以寻找空间几何变换关系f便成为配准的关键所在，于是改为更为简单的表示形式：图像配准的原理2、图像配准的基本框架前面已经提到过图像配准的流程，从中可以看出，图像配准的基本框架可以由以下四个部分组成：特征空间、搜索空间、搜索策略和相似性测度。特征空间：是指从参考图像和浮动图像中提取的可用于配准的特征。在基于灰度的图像配准方法中，特征空间为图像像素的灰度值；而在基于特征的图像配准方法中，特征空间可以是点、边缘、曲线、曲面、不变矩等。理想的特征空

5、间应该满足一下几个条件：特征提取简单快捷；特征匹配运算量小；特征数据量合适；不受噪声、光照度等因素影响；对各种图像均能使用。搜索空间：是指在配准过程中对图像进行变换的范围及变换方式。图像的变换范围可以分为三类：全局的、局部的和位移场的。全局变换是指在图像配准过程中整个图像的空间变换都可以用相同的变换参数表示。局部变换是指在图像的不同区域可以有不同的变换参数，通常做法是在区域的关键点位置上进行参数变换，其他位置进行差值处理。位移场变换是指对图像中的每一像素点独立地进行参数变换，通常使用一个连续函数来实现优化和约束。图像配准的原理相似性度量：是衡量每

6、次变换结果优劣的准则，用来对变换结果进行评估，为搜索策略的下一步动作提供依据。相似性度量和特征空间、搜索空间紧密相关，不同的特征空间往往对应不同的相似性度量；而相似性度量的值将直接决定配准变换的选择，以及判断在当前所取的变换模型下图像是否被正确匹配了。通常配准算法抗干扰的能力是由特征提取和相似性度量共同决定的。常用的相似性度量有互信息、归一化互信息、联合熵、相关性、欧式距离、梯度相关性等。搜索策略：是在搜索空间中找到最优的配准参数，在搜索过程中以相似性度量的值作为判优依据。由于配准算法往往需要大量的运算，而常规的贪婪搜索法在实践中是无法接受的，因

7、此设计一个有效的搜索策略显得尤为重要。搜索策略将直接关系到配准进程的快慢，而搜索空间和相似性度量也在一定程度上影响了搜索策略的性能。常用的搜索策略有黄金分割法、Brent法、抛物线法、三次插值法、Powell法、遗传算法、蚁群算法、牛顿法、梯度下降法、粒子群法等。图像配准的原理1、按图像的维数分类按图像的空间维数可分为2D/2D，2D/3D，3D/3D图像配准。2D/2D是指两幅二维空间图像间的配准，在医学影像上主要应用于相同或不同断层扫描数据的不同片层之间的配准，是目前应用最为广泛的图像配准。2D/3D是指二维空间图像和三维空间图像的配准，主要

8、应用于空间数据和投影数据之间的配准，如手术过程中的二维X线影像和手术前的三维CT影像间的配准。还有是2D片层扫描数据和3D空间数据的配准