基于小波变换与互信息图像配准算法探究

《基于小波变换与互信息图像配准算法探究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于小波变换与互信息图像配准算法探究　　【摘要】为了能够快速稳定的实现图像的配准，本文研究了一种基于互信息与小波变换的图像配准算法。该方法用小波变换对参考图像和配准图像作多层分解，基于图像的灰度特征，利用互信息的方法寻找一个空间变换关系，使得变换后的两幅图像间的互信息达到最大，从而实现图像配准过程。并在matlabr2009平台上基于该方法实现两幅图像的配准。【关键词】图像配准；小波变换；互信息引言图像配准是图像处理的基本任务之一，对从不同传感器、不同时相、不同角度所获得的两幅或多幅图像进行最佳匹配（主要是几何意义的匹配）的处理过程。本文利用互信息的方法确定图像的相似性测度，在结合小

2、波变换实现图像配准，并在matlab上实现两幅的配准过程。1小波变换的相关理论Mallat分解与重构算法设是给定的多分辨率分析，和分别是相应的小波函数和尺度函数。对于一个函数（信号）（为一确定整数）便有分解：4（1-16）二维Mallat算法图像的重构可表示为：（1-26）2基于互信息的图像配准互信息是信息论中的一个基本概念，通常用于描述两个系统间的系统相观性，或者是在一个系统中包含的另一个系统的信息的多少，可以用熵来描述。熵表达的是一个系统的复杂性或者是不确定性。互信息可用于图像配准的理论依据是：如果两幅图像已经配准，则它们的互信息达到极大值。基于互信息的图像配准就是寻求一个空间变

3、换关系，使得经过该空间变换后，两幅图像间的互信息达到最大。基本步骤如下：（1）对于待配准的图像，以一幅图像作为参考图像，定义一个统一的坐标系，确定图像间的空间变换形式。（2）分别对参考图像和待配准图像做低通滤波处理，并确定初始搜索点和初始搜索方向。（3）对待配准图像进行空间变换，计算其于参考图像的互信息值。（4）用Powell算法优化参数，寻找出最大的互信息值，循环迭代步骤（3）和（4），直至找到最优配准参数。4（5）输出最终配准结果参数，再利用灰度插值的方法得到配准后的图像。3基于小波变换和互信息的图像配准算法研究由于基于互信息的图像配准算法匹配时间较长，效率较低，匹配精度也不够高

4、，因而结合小波变换，利用小波变换先把图像多层分解，对每一层的图像分别进行配准，以低层图像配准的结果作为下一层图像配准的基础，然后逐层迭代配准，最终得到最优的配准参数，从而实现图像配准过程。图像配准过程如下：首先将参考图像及配准图像进行小波分解。从图像的最顶层进行搜索，设置搜索步长，依据互信息最大的相似性准则，确定图像间的变换参数，并作为下一层搜索的粗略位置。以上一层额结果作为粗略位置，在缩小搜索步长的情况下逐层搜索，直到最低层。根据所得的最终搜索结果，将待配准图像进行相应的变换，完成图像配准。4在matlab上实现该算法的图像配准利用本文所提出的算法，对图像进行实验，采用matlab

5、r2009中图像处理和小波函数工具箱。采用小波变换对参考图像和待配准图像作3层分解，小波变换后对每层参考图像和待配准图像运行互信息测度函数MI并输出参数，然后根据上层输出参数作为下层输入参数，直达输出最终结果。4本实验选取两张256*256的遥感图像，（a）为参考图像，（b）为待配准图像，配准结果如下图所示：5结束语本文研究了基于小波变换和互信息的图像配准方法，利用小波变换对图像分解，对每一层的图像分别进行配准，以低层图像配准的结果作为下一层图像配准的基础，然后逐层迭代配准，最终得到最优的配准参数。这种分层的配准方法不仅缩小了搜索空间，降低了计算量，大大减小了求取互信息极值点的时间，

6、而且由于各层信息量的减少使得匹配误差减小，从而提高配准的精度。参考文献：[1]杨福生.小波变换的工程分析与应用[M].北京：科学出版社，2000[2]张旭东，卢国栋，冯建.图像编码基础和小波压缩技术-原理、算法和标准[M].北京：清华大学出版社，2004[3]BrownLG.Asurveyofimageregistrationtechniques[J].ACMComputingSurveys，1992，24（4）：325-3764