同轴异场图片的图像配准算法研究
|
摘要
图像配准技术是图像处理领域中的一个基础任务,也是极其重要的一环。很多图像处理任务非常依赖图像配准,图像配准是这些图像处理任务的必要前期处理,其结果的好坏也对整个图像处理产生巨大的影响。甚至有些图像处理任务,如图像拼接,完全离不开图像配准的支持。如果图像没有经过正确配准,图像拼接是无法进行的。
本文主要的任务是以全局的图像为背景,与全局景象中的细节图片进行图像配准。这样做的目的是使得观察者不仅可以得到全局的基本信息,也可以对部分感兴趣的细节进行跟踪和监测。此外,对图像中不感兴趣的区域的信息可以进行弱化。这样既可以减少观察人员对无关信息的注意,也减少了图像的数据量,使后续的图像处理更加快捷。
本文针对以上制定的目标,以两幅图片的图像配准进行研究。取同一方向拍摄的两幅不同焦距和视场的图片进行研究和配准。采用基于特征点的图像配准算法进行配准。由于拍摄两幅图片时照相机的朝向没有改变,改变的只是焦距,所以图像中的物体形状是相似的,只是物体的大小发生了改变。所以可以从两对应物体之间估计两图的位置关系。
本文分别讨论了图像的特征点提取算法、特征点匹配算法和图像变换参数的估计。并给出若干图像处理的结果进行比对,根据实际的处理结果给出分析和误差讨论。本文详细讨论了特征点的提取算法,主要采用了Susan角点检测算法。并比较了Susan算法与其他算法的差异。通过实验表明,Susan角点检测算法有良好的角点检测性能。
Image registration is a basis in the field of image processing tasks, and it is an extremely important part. Most image processing tasks rely heavily on image registration. Image registration is a necessary pre-processing of these image processing tasks. Quality of its result is an enormous impact on the entire image processing. Some image processing tasks-such as image stitching-can not do without the support of image registration. If the image has not been correct registering, image stitching cannot carry on.
The main task of this paper is an image registration between a part of a picture based on global image as the background and the global image itself. This aim is to make the observer can not only get the basic information of the global image and can also track and monitor the details which are interested. In addition, the information of the uninterested regional in the image can be weakened. This is to reduce the attention of the observers on irrelevant information, and also to reduce the amount of image data. This makes the subsequent image processing faster.
For the goals set above, this paper studies on a two picture image registration. This paper researches on two pictures which are filmed in the same direction but different focal length and field, and register them. The way of the image registration based on the feature point. Due to the filmed of two pictures, the orientation of the camera has not changed, but the focal length changed. The shape of the objects in the image is similar, and only the size of the objects has changed. So the positional relationship of the two graphs can be estimated from the two corresponding objects.
This paper respectively discusses the image feature extraction algorithm, feature point matching algorithm and image transformation parameters estimated. And it gives out some image processing results to compare. According to the actual results, it gives out analytics and error discusses. This paper detailedly discusses the feature point extraction algorithm. It mainly uses the Susan-corner-detecting algorithm. And it compares the differences between the Susan-corner-detecting algorithm and other algorithms. Through experiments, it shows that the Susan-corner-detection algorithm has a good performance of corner detection.
本文主要的任务是以全局的图像为背景,与全局景象中的细节图片进行图像配准。这样做的目的是使得观察者不仅可以得到全局的基本信息,也可以对部分感兴趣的细节进行跟踪和监测。此外,对图像中不感兴趣的区域的信息可以进行弱化。这样既可以减少观察人员对无关信息的注意,也减少了图像的数据量,使后续的图像处理更加快捷。
本文针对以上制定的目标,以两幅图片的图像配准进行研究。取同一方向拍摄的两幅不同焦距和视场的图片进行研究和配准。采用基于特征点的图像配准算法进行配准。由于拍摄两幅图片时照相机的朝向没有改变,改变的只是焦距,所以图像中的物体形状是相似的,只是物体的大小发生了改变。所以可以从两对应物体之间估计两图的位置关系。
本文分别讨论了图像的特征点提取算法、特征点匹配算法和图像变换参数的估计。并给出若干图像处理的结果进行比对,根据实际的处理结果给出分析和误差讨论。本文详细讨论了特征点的提取算法,主要采用了Susan角点检测算法。并比较了Susan算法与其他算法的差异。通过实验表明,Susan角点检测算法有良好的角点检测性能。
Image registration is a basis in the field of image processing tasks, and it is an extremely important part. Most image processing tasks rely heavily on image registration. Image registration is a necessary pre-processing of these image processing tasks. Quality of its result is an enormous impact on the entire image processing. Some image processing tasks-such as image stitching-can not do without the support of image registration. If the image has not been correct registering, image stitching cannot carry on.
The main task of this paper is an image registration between a part of a picture based on global image as the background and the global image itself. This aim is to make the observer can not only get the basic information of the global image and can also track and monitor the details which are interested. In addition, the information of the uninterested regional in the image can be weakened. This is to reduce the attention of the observers on irrelevant information, and also to reduce the amount of image data. This makes the subsequent image processing faster.
For the goals set above, this paper studies on a two picture image registration. This paper researches on two pictures which are filmed in the same direction but different focal length and field, and register them. The way of the image registration based on the feature point. Due to the filmed of two pictures, the orientation of the camera has not changed, but the focal length changed. The shape of the objects in the image is similar, and only the size of the objects has changed. So the positional relationship of the two graphs can be estimated from the two corresponding objects.
This paper respectively discusses the image feature extraction algorithm, feature point matching algorithm and image transformation parameters estimated. And it gives out some image processing results to compare. According to the actual results, it gives out analytics and error discusses. This paper detailedly discusses the feature point extraction algorithm. It mainly uses the Susan-corner-detecting algorithm. And it compares the differences between the Susan-corner-detecting algorithm and other algorithms. Through experiments, it shows that the Susan-corner-detection algorithm has a good performance of corner detection.
引文
[1]党向盈.基于边缘方向的高精度快速图像插值算法研究与应用[D].无锡：江南大学,2008,4：1-3
[2]夏咏梅.低照度图像降噪技术研究[D].南京：南京理工大学,2009,1：1-5
[3]朱宪伟.基于结构特征的异源图像配准技术研究[D].北京：国防科学技术大学研究生院,2009：13～23
[4]王少飞.数字图像压缩算法的并行化方法研究[D].山东师范大学,2008,4：1-2
[5]陈贤巧.基于特征的图像配准算法研究[D].中国科学技术大学,2009,5：1-12
[6]Zhao Long, Wang Guangfang. Study on adaptation of SAR/CCD image fusion algorithm[J]. International Symposium on Photoelectronic Detection and Imageing:2007: 1～5
[7]杨柳青.基于角点和边缘特征的图像配准方法的研究[D].南京：南京理工大学,2009：10～11,20-22
[8]Masao Shimizu, SoonKeun Chang and Masatoshi Okutomi. Robust and Accurate Image Registration with Pixel Selection[J]. Symposium on Signal Processing and Information Technology,2006:851～856
[9]王肖云.基于互信息的多光谱图像配准算法研究[D].南京：南京航空航天大学,2009：1-5
[10]杨金宝.基于灰度相似性测度的医学图像配准技术研究[D].济南：山东大学,2008：1-8
[11]苑津莎,赵振兵,高强等.红外与可见光图像配准研究现状与展望[J].红外技术,2009,31(5)：270～273
[12]赵振兵.电气设备红外与可见光图像的配准方法研究[D].保定：华北电力大学,2009,3：1-7
[13]曹洁,李浩茹,陈继开.基于Matlab的车辆图像的配准与融合[J].计算机工程与科学,2009,4(31)：43～45
[14]刘天宝,高艳超,孙佳慧等.一种对非线性配准问题的信赖域方法综述[J].电脑知识与技术,2010,6,16：4500～4501
[15]王召斌SUSAN算法与虚拟圆技术在图像配准的中的应用[D].山东师范大学,2008,4：1-2
[16]A.Rosenfeld and A.C.Kak, Digital Picture Processing[J], Vol. Ⅰ and Ⅱ, Academic Press, Orlando, FL,1982
[17]吴巾一.基于角点匹配的图像配准算法研究[D].杭州：浙江大学,2009,11：1-4
[18]马程.车辆辅助驾驶全视角成像关键技术的研究[D].合肥：合肥工业大学,2009,4：34～35
[19]刘学.基于特征的彩色图像配准技术研究[D].国防科学技术大学研究生院,2010,12：4-5
[20]张密,吴效明.放疗中基于灰度的图像配准算法性能研究[J].医疗卫生装备,2009,5(30)：12～15
[21]邓鹏.边缘与灰度信息结合的SAR图像配准方法研究[D].北京：中国科学院研究生院,2003：13-15
[22]吕海霞.自动图像配准技术研究[D].西安：西北工业大学,2007：2-8
[23]杨金宝,刘长春,胡顺波.广义信息熵测度在医学图像配准中的应用[J].计算机工程与应用,2008,44(8)：34～36
[24]刘汉洲,郭宝龙,冯宗哲.基于傅里叶变换的遥感图像配准[J].光电子·激光,2006,17(11)：1393～1397
[25]王蕾.图像配准技术及应用研究[D].西安：西安电子科技大学,2007,1：1-9
[26]李晖.多分辨率医学图像配准技术及自适应图像插值技术的研究[D].山东大学,2009：17～22
[27]江舒.基于角点的图像配准问题研究[D].上海：上海交通大学,2008,1：10-11
[28]张小洪,李博,杨丹.一种新的Harris多尺度角点检测[J].电子与信息学报,2007,29：1735～1738
[29]王崴,唐一平,任娟莉等.一种改进的Harris角点提取算法[J].光学精密工程,2008,10(16)：1995～2001
[30]卢瑜,郝兴文,王永俊Moravec和Harris角点检测方法比较研究[J].计算机技术与发展,2011,21(6)：95～100
[31]梁艳.多摄像机环境下目标交接的研究[D].河北工业大学,2010,12：24-25
[32]陈利军.图像角点检测和匹配算法的研究[D].西安：西安电子科技大学,2005,1：1-11
[33]岳义振.基于点采样和边缘特征的图像插值方法[D].济南：山东大学,2010：1-10
[34]贺坤,张凤春,孟祥磊等.基于特征点匹配的拼接算法研究与实现[J].吉林大学学报,2011,29(2)：164～167
[35]李博.图像的不变特征检测与描述研究[D].重庆：重庆大学,2007,10：31-32
[36]熊兴华,钱曾波,王任享.遗传算法与最小二乘法相结合的遥感图像子像素匹配[J].测绘学报,2001,1(30)：54～59
[37]张晓茹,肖珂.基于角点匹配图像拼接方法的改进[J].河北农业大学学报,2008, 31(4)：119～122
[38]陈庆芳.图像配准研究及其应用[D].无锡：江南大学,2011：23～30
[39]孙雅琳.红外与可见光图像配准技术研究.西安：西安电子科技大学,2010,1：35～37
[40]陶冰洁,王敬儒,张启衡.采用仿射变换的红外与可见光图像配准方法[J].光电工程,2004,31(11)：39～41
[41]王旭光,王志衡,吴福朝Harris相关与特征匹配[J].模式识别与人工智能,2009,22(4)：505～512
[42]张浩.多信息融合图像边缘特征提取及图像配准研究与应用[D].浙江大学,2008：21-24
[43]顾吉.基于图形卡的二维/三维配准的算法实现[D].上海：上海交通大学,2007,5：32～37
[44]李光鑫.红外和可见光图像融合技术的研究[D].吉林：吉林大学,2008：21-32
[45]卢洵,王东升,罗少鹏.多聚焦彩色图像融合预处理[J].现代电子技术,2009,13：171～176
[2]夏咏梅.低照度图像降噪技术研究[D].南京：南京理工大学,2009,1：1-5
[3]朱宪伟.基于结构特征的异源图像配准技术研究[D].北京：国防科学技术大学研究生院,2009：13～23
[4]王少飞.数字图像压缩算法的并行化方法研究[D].山东师范大学,2008,4：1-2
[5]陈贤巧.基于特征的图像配准算法研究[D].中国科学技术大学,2009,5：1-12
[6]Zhao Long, Wang Guangfang. Study on adaptation of SAR/CCD image fusion algorithm[J]. International Symposium on Photoelectronic Detection and Imageing:2007: 1～5
[7]杨柳青.基于角点和边缘特征的图像配准方法的研究[D].南京：南京理工大学,2009：10～11,20-22
[8]Masao Shimizu, SoonKeun Chang and Masatoshi Okutomi. Robust and Accurate Image Registration with Pixel Selection[J]. Symposium on Signal Processing and Information Technology,2006:851～856
[9]王肖云.基于互信息的多光谱图像配准算法研究[D].南京：南京航空航天大学,2009：1-5
[10]杨金宝.基于灰度相似性测度的医学图像配准技术研究[D].济南：山东大学,2008：1-8
[11]苑津莎,赵振兵,高强等.红外与可见光图像配准研究现状与展望[J].红外技术,2009,31(5)：270～273
[12]赵振兵.电气设备红外与可见光图像的配准方法研究[D].保定：华北电力大学,2009,3：1-7
[13]曹洁,李浩茹,陈继开.基于Matlab的车辆图像的配准与融合[J].计算机工程与科学,2009,4(31)：43～45
[14]刘天宝,高艳超,孙佳慧等.一种对非线性配准问题的信赖域方法综述[J].电脑知识与技术,2010,6,16：4500～4501
[15]王召斌SUSAN算法与虚拟圆技术在图像配准的中的应用[D].山东师范大学,2008,4：1-2
[16]A.Rosenfeld and A.C.Kak, Digital Picture Processing[J], Vol. Ⅰ and Ⅱ, Academic Press, Orlando, FL,1982
[17]吴巾一.基于角点匹配的图像配准算法研究[D].杭州：浙江大学,2009,11：1-4
[18]马程.车辆辅助驾驶全视角成像关键技术的研究[D].合肥：合肥工业大学,2009,4：34～35
[19]刘学.基于特征的彩色图像配准技术研究[D].国防科学技术大学研究生院,2010,12：4-5
[20]张密,吴效明.放疗中基于灰度的图像配准算法性能研究[J].医疗卫生装备,2009,5(30)：12～15
[21]邓鹏.边缘与灰度信息结合的SAR图像配准方法研究[D].北京：中国科学院研究生院,2003：13-15
[22]吕海霞.自动图像配准技术研究[D].西安：西北工业大学,2007：2-8
[23]杨金宝,刘长春,胡顺波.广义信息熵测度在医学图像配准中的应用[J].计算机工程与应用,2008,44(8)：34～36
[24]刘汉洲,郭宝龙,冯宗哲.基于傅里叶变换的遥感图像配准[J].光电子·激光,2006,17(11)：1393～1397
[25]王蕾.图像配准技术及应用研究[D].西安：西安电子科技大学,2007,1：1-9
[26]李晖.多分辨率医学图像配准技术及自适应图像插值技术的研究[D].山东大学,2009：17～22
[27]江舒.基于角点的图像配准问题研究[D].上海：上海交通大学,2008,1：10-11
[28]张小洪,李博,杨丹.一种新的Harris多尺度角点检测[J].电子与信息学报,2007,29：1735～1738
[29]王崴,唐一平,任娟莉等.一种改进的Harris角点提取算法[J].光学精密工程,2008,10(16)：1995～2001
[30]卢瑜,郝兴文,王永俊Moravec和Harris角点检测方法比较研究[J].计算机技术与发展,2011,21(6)：95～100
[31]梁艳.多摄像机环境下目标交接的研究[D].河北工业大学,2010,12：24-25
[32]陈利军.图像角点检测和匹配算法的研究[D].西安：西安电子科技大学,2005,1：1-11
[33]岳义振.基于点采样和边缘特征的图像插值方法[D].济南：山东大学,2010：1-10
[34]贺坤,张凤春,孟祥磊等.基于特征点匹配的拼接算法研究与实现[J].吉林大学学报,2011,29(2)：164～167
[35]李博.图像的不变特征检测与描述研究[D].重庆：重庆大学,2007,10：31-32
[36]熊兴华,钱曾波,王任享.遗传算法与最小二乘法相结合的遥感图像子像素匹配[J].测绘学报,2001,1(30)：54～59
[37]张晓茹,肖珂.基于角点匹配图像拼接方法的改进[J].河北农业大学学报,2008, 31(4)：119～122
[38]陈庆芳.图像配准研究及其应用[D].无锡：江南大学,2011：23～30
[39]孙雅琳.红外与可见光图像配准技术研究.西安：西安电子科技大学,2010,1：35～37
[40]陶冰洁,王敬儒,张启衡.采用仿射变换的红外与可见光图像配准方法[J].光电工程,2004,31(11)：39～41
[41]王旭光,王志衡,吴福朝Harris相关与特征匹配[J].模式识别与人工智能,2009,22(4)：505～512
[42]张浩.多信息融合图像边缘特征提取及图像配准研究与应用[D].浙江大学,2008：21-24
[43]顾吉.基于图形卡的二维/三维配准的算法实现[D].上海：上海交通大学,2007,5：32～37
[44]李光鑫.红外和可见光图像融合技术的研究[D].吉林：吉林大学,2008：21-32
[45]卢洵,王东升,罗少鹏.多聚焦彩色图像融合预处理[J].现代电子技术,2009,13：171～176