资源描述：
《cus_1124_一种基于学习的自动图像配准检验方法.pdf》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、第34卷第1期自动化学报Vol.34,No.12008年1月ACTAAUTOMATICASINICAJanuary,2007一种基于学习的自动图像配准检验方法李晓明1;2张继福3摘要图像配准是众多具体应用的共性核心技术,如图像融合,变化检测等.然而,当参考图像经过变换后,如何自动地确定变换后的图像是否与目标图像真正达到了配准仍然是目前文献中一个尚未很好解决的问题.究其原因,主要是很难找到一种图像相似性的度量方法来有效地对配准后的图像进行评价.不同于传统的方法,本文提出了一种基于学习的相似性度量方法,即将图像配准的度量问题转化为模式分类问题,由基于机器学习设计的分类器自动检验图
2、像是否配准.本文对400组图像进行了配准检验,实验结果显示了该方法的可行性和可靠性.尽管本文方法的具体实现是针对基于Fourier-Mellin变换的配准算法,但这种基于学习的图像配准检验思想同样可以应用到其他配准方法中.关键词图像配准,检验准则,基于学习的分类,Fourier-Mellin变换中图分类号TP391AnEvaluationMethodforImageRegistrationbyMachineLearning1;23LIXiao-MingZHANGJi-FuAbstractImageregistrationisakeystepinmanyrealapplicat
3、ions,suchasimagefusionandchangedetection.However,aftertransformingthereferenceimage,itisusuallydi±culttoassesswhetherthetransformedimageisindeedregisteredwiththetargetimage.Theunderlyingreasonisthatasuitablemeasureisunavailablecurrentlyinliteraturetoadequatelyevaluatethesimilarityoftwoimage
4、s.Incontrasttothetraditionalevaluationmethods,inthispaper,theregistrationevaluationproblemisconvertedintoaclassi¯cationproblemthroughmachinelearning.Experimentsbasedon400pairsofimagesdemonstratethevalidityandreliabilityofourproposedmethod.Althoughtheproposedmethodisspeci¯callydesignedforFou
5、rier-Mellintransformbasedregistrationtechnique,itsbasicprinciplescouldalsobeappliedtootherregistrationtechniques.KeywordsImageregistration,evaluationmeasure,classi¯cationbymachinelearning,Fourier-Mellintransform图像配准是计算机视觉及其相关应用领域中的像几何要素之间的相似性却是至关重要的.事实上,一个基本问题.如何度量二幅图像是否真正配准,即如何评价图像的相似性,涉及到
6、了人类的视觉感知如何合理度量配准变换后二幅图像之间的相似性,问题.从目前人们对视觉感知模型的研究进展来看,是图像配准的一个核心问题,直接关系到是否可以还很难给出一种合适的方式来定量描述视觉感知模进行图像的全自动配准.关于图像的相似性度量,经型,这也是进行图像配准自动检验的难点.不同于上典的方法是基于灰度的相关性度量[1];对于不同模述这些直接对图像灰度进行相似性度量的方法,本态的图像配准问题,基于互信息的相似性度量[2]成文提出了一种基于机器学习的自动图像配准检验方为近几年的主流方法;Hausdor®距离常用于二值图法.该方法将配准检验问题转换为模式分类问题,通像的相似性度量
7、[3]等.对图像配准而言,上述这些过机器学习的方法对图像是否配准做出决断.尽管相似性度量方法的共同不足是仅仅考虑了图像间灰这种方法的具体实现是针对基于Fourier-Mellin变度的相似性,而没有考虑图像内容间的相似性,特别换的配准算法的,但这种基于学习的相似性度量思是图像几何要素之间的相似性.而在实际应用中,图想同样可以应用到其他配准方法中.基于Fourier-Mellin变换的图像配准算法[4¡5]收稿日期2007-01-24收修改稿日期2007-04-29ReceivedJanuary24,20
