图像配准毕业论文.docx
《图像配准毕业论文.docx》由会员分享，可在线阅读，更多相关《图像配准毕业论文.docx（42页珍藏版）》请在冰豆网上搜索。
学海无涯苦作舟！
摘 要
数字图像配准技术是将不同时间、不同传感器、不同视角及不同拍摄条件下获取的同一场景的两幅或多幅图像进行配准的处理过程，是数字图像处理中的一个基本问题。
配准的效果将直接影响到其后续图像处理工作的效果。
目前提出的图像配准算法大多可分为基于灰度的配准方法和基于特征的配准
方法。
基于灰度的配准方法计算复杂度高、对图像的灰度、旋转、形变以及遮挡都比较敏感，而基于特征的配准方法可以克服这些缺点，从而在图像配准领域得到了广泛应用。
关键词：
图像配准灰度特征互信息
目 录
摘 要 I
Abstract 错误！
未定义书签。
第1章 绪论 2
1.1课题背景 2
1.2目的和意义 2
1.3国内外现状 3
1.4论文内容及结构安排 3
第2章 图像配准原理 5
2.1图像配准的基本过程 5
2.2图像配准方法的分类 6
2.3主要的图像配准方法 7
2.3.1基于特征的配准方法 7
2.3.2基于灰度的配准方法 8
2.4本章小结 8
第3章 图像配准算法 9
3.1 基于灰度信息的图像配准算法 9
3.1.1互相关配准方法 9
3..2互信息的概念 10
3.2.1熵 10
3.2.2互信息 11
3.2.3基于互信息的配准方法 12
3.3基于点特征的图像配准 13
3.3.1Moravec算子 13
3.3.2Forstner 14
3.3.3小波变换算子 16
3.3.4基于特征的图像配准 17
3.4本章小节 17
第4章 互信息图像配准的技术 19
4.1插值技术 19
4.1.1最近邻插值法 19
4.1.2三线性插值法 20
4.1.3部分体积分布插值法 21
4.2出界点处理 22
4.3灰度级别对配准的影响 23
4.4优化算法 25
4.4.1优化算法简介 25
4.4.2蚁群算法 25
4.4本章小结 27
第5章实验结果及分析 29
5.1实验环境 29
5.2互信息实现过程 29
5.3特征点的实现 30
5.4本章小结 32
结 论 33
致 谢 34
附录1译文 38
附录2英文参考资料 错误！
未定义书签。
附录3 源程序代码 错误！
未定义书签。
学海无涯苦作舟！
第1章 绪论
1.1课题背景
目前我们所处的时代，无论是对信息的获得、加工、处理还是应用都有了飞跃地发展。
图像作为一种十分重要的媒体和手段已越来越受到人们的重视。
随着二十世纪九十年代的第三代计算机的问世，多媒体技术得到了前所未有的迅猛发展，这极大地推动了计算机图像处理技术向更高级方向迅速发展。
同时，图像的处理技术也愈来愈广泛地应用于众多的科学和工程领域。
目前，图像处理已成为工程学、计算机科学、信息科学、统计学、物理学、化学、生物学、医学甚至社会科学等领域学科之间学习和研究的对象。
在一些用图像进行研究和分析的领域中，常常是将图像通过打印在胶片上或挂在灯箱上等手段来进行读片，但由于图像的分辨率和对比度的差异，以及成像时空间坐标的变化，使得人们很难在脑海中精确地将这些图像综合起来。
图像配准可以利用计算机图像处理技术，将这些图像统一在公共的坐标系中，通过计算机的可视性来提供辅助。
通过图像的配准，我们可以综合从不同的传感器收集来的信息、可以在不同时间或者在不同条件下所获得的图像之间寻找变化、可以从移动的相机所拍的图像或者移动的物体的图像中收集三维信息以及进行基于模板的模式识别等。
目前，图像配准已是数据融合、图像分析、目标变化检测与识别、图像镶嵌等
实际问题中的重要步骤，其应用遍及遥感、军事、医学、计算机视觉等多个领域。
由于图像配准的重要价值和广阔的应用前景，正日益受到国际上越来越多科研机构的高度重视，是图像处理领域中重点和热门的研究课题。
1.2目的和意义
数字图像配准是八十年代末+以来发转极为迅速的图像处理技术之一，它是模式识别，自动导航，医学诊断，计算机视觉，遥感图像处理的重要组成部分。
图像配准技术经过多年的研究，已经取得了众多研究成果，但由于图像配准的输入数据来源的多样性，以及不同的应用对图像配准的要求各不相同，同时由于影响图像配准的因素的多样性，以及配准问题的复杂性，图像配准的技术还有待进一步的发展。
目前国内外同行都在研究图像配准的方式与其相关的技术。
对于图像配准问题，已有一套统一的处理框架和思路，但是每一类具体的图像配准问题又有其特殊的分析，处理方法。
同时由于图像之间存在复杂多变的成像畸变，因此图像配准技术是一个非常困难的课题。
通过对图像的精确配准，将能更好的进行图像信息融合，目标定位，变化检测，高分辨率图像的重建等后续处理工作，处理结果的好坏将直接影响后续的工作质量。
所以，对图像配准进行研究，具有理
论和实践双重意义。
1.3国内外现状
图像配准最早是在美国七十年代的飞行器辅助导航系统、武器投射系统的末制导以及寻的等应用研究中提出，并且得到军方的大力支持与赞助。
经过长达二十多年的研究，最终成功地用于潘兴Ⅱ式中程导弹巡航导弹上，使其弹着点平均圆误差半径不超过十几米，从而大大提高了导弹的命中率。
八十年代后，在很多领域都有大量配准技术的研究，如腰杆领域，模式识别，自动导航，医学诊断，计算机视觉等。
各个领域的配准技术都是对各自具体的应用背景结合实际情况度身订制的技术。
但是不同领域的配准技术之间在理论方法上又具有很大的相似性。
在某一领域的配准技术很容易移植到其他相关领域
70年代初，P.E.Anuta[1]提出了使用FFT进行相关图像检测计算的图像配准技术，以提高配准过程的速度性能；D.L.Barnea[2]等提出了利用模板子图像差值相似性测度的图像配准技术，它比使用FFT计算互相关相似性测度进行图像检测计算的图像配准方法具有更高的性能；M.Svedlow[3]等对图像配准的相似性测度和预处理方法进行了比较分析；Flussr[4]针对变形图像间的匹配又提出一个自适应映射方法，自动地对两幅遥感图像进行分割，使得分割后两幅图像中相应子块间的相似度很大，从这些子块的空间位置关系来对原来的两幅图像进行匹配。
在国内，图像配准技术起步相对较晚，但后来获得了很大的发展。
国内很多学者在图像配准方面进行了研究。
李智[5]等提出了基于轮廓相似性测度的图像配准方法，它适用于轮廓特征比较丰富的图像的配准；郭海涛[6]等提出了一种将遗传算法
（GeneticAlgorithm，简称GA）用于图像配准的算法；熊兴华[7]等提出了将遗传算法和最小二乘算法相结合的，并应用于图像的子像素的配准方法。
从国内外的发展现状中可以看出，图像配准技术已经取得了很多研究成果，在图像的匹配度方面研究出了多种配准方法，但由于图像配准的输入数据来源的多样性，以及不同的应用对图像配准的要求各不相同，同时，由于影响图像配准的因素的多样性，以及配准问题的复杂性，图像配准的技术还有待于进一步发展，目前国内外同行都在研究图像配准的方式与其相关的技术，作为图像配准的最终方式，图像的自动配准技术内容也在积极的研究过程中。
1.4论文内容及结构安排
本文将主要从以下几个部分进行阐述：
第一章，绪论。
介绍了医学图像配准的应用前景及意义和国内外的研究现状，简要叙述了本文的工作，给出了文章组织结构。
第二章介绍了图像配准的有关知识，包括图像配准的基本过程、方法分类。
第三章介绍了互信息、互相关及特征点的有关知识，包括熵和互信息的基本概念、互信息和基于特征配准法的基本步骤，以及在MATLAB平台中互信息的配准。
第四章详细讨论了插值方法、出界点处理方法、灰度级数和优化算法对配准的影
学海无涯苦作舟！
响。
提出了采用蚁群算法进行优化的互信息像配准方法。
最后对全文进行了总结，概括了主要研究成果以及有待于进一步完善和改进的问题，并对图像配准的发展前景做了展望。
第2章 图像配准原理
图像配准是指对于一幅图像寻求一种（或一系列）空间变换，使它与另一幅图像上的对应点达到空间上的一致。
配准的结果应使两幅图像上所有的点，或至少是所有具有意义的点及感兴趣的点都达到匹配[8]。
2.1图像配准的基本过程
对在不同时间或不同条件下获取的两幅图像I（x）和J（x）配准，就是要定义一个相似性测度，并寻找一个空间变换关系，使得经过该空间变换后，两幅图像的相似性达到最大。
即使得图像I上的每一个点在图像J上都有唯一的点与之对应，并且这两点对应同一位置。
如：
S（T）=S（I（x）,J（Tα（x））） （2-1）
式中S是相似性测度，Tα为空间变换，α为空间变换参数。
配准过程可归结为寻求最佳空间变换：
T* arg
maxSTaTa
（2-2）
一般配准的基本步骤如下[9]。
（1）图像分割与特征的提取：
进行图像配准的第一步就是要进行图像分割从而找到并提取出图像的特征空间。
图像分割是按照一定的准则来检测图像区域的一致性，达到将一幅图像分割为若干个不同区域的过程，从而可以对图像进行更高层的分析和理解。
（2）变换，即将一幅图像中的坐标点变换到另一幅图像的坐标系中。
常用的空间变换有刚体变换（Rigidbodytransformation）、仿射变换（Affinetransformation）、投影变换（Projectivetransformation）和非线性变换（Nonlineartransformation）。
刚体变换使得一幅图像中任意两点间的距离变换到另一幅图像中后仍然保持不变；仿射变换使得一幅图像中的直线经过变换后仍保持直线，并且平行线仍保持平行；投影变换将直线映射为直线，但不再保持平行性质，主要用于二维投影图像与三维体积图像的配准；非线性变换也称作弯曲变换（Curvedtransformation），它把直线变换为曲线，这种变换一般用多项式函数来表示。
图2.1是这四种变换的示意图。
（3）寻优，即在选择了一种相似性测度以后采用优化算法使该测度达到最优值：
经过坐标变换以后，两幅图像中相关点的几何关系已经一一对应，接下来就需要选择一种相似性测度来衡量两幅图像的相似性程度，并且通过不断地改变变换参数，使得相似性测度达到最优。
当然，配准的过程并不绝对按上述步骤进行，一些自动配准的方法，如采用的基于灰度信息的配准方法，其配准过程中一般都不包括分割步骤。
此外，坐标变换和寻优过程在实际计算过程中是彼此交叉进行的。
学海无涯苦作舟！
原始图像 变换后图像
图2.1 空间变换示意图
2.2图像配准方法的分类
刚体变换
投影变换
仿射变换
非线性变换
根据图像的属性不同、配准对象之间的关系不同，图像配准可有多种不同的分类方法[10]：
1.按待配准图像之间的维数的分类
不考虑配准图像是否包括时间维时，可按图像空间维数分为 2D/2D、2D/3D和
3D/3D配准；2D/2D配准通常指两个断层层面间的配准；2D/3D配准通常指空间图像和投影图像（或是单独的一个层面）间的直接配准；3D/3D配准指两幅三维空间图像间的配准。
在空间维数的基础上再加上时间维数，则原来的2D、3D就分别变成了3D、
4D。
2.按图像特点的来源分类
包括基于外部特征的配准和基于内部特征的配准。
基于外部特征的配准通过外部标记的方法来实现配准，这种配准方法配准
升级会员 