CN102521837B - 基于全局信息的图像配准方法 - Google Patents
基于全局信息的图像配准方法 Download PDFInfo
- Publication number
- CN102521837B CN102521837B CN201110424256.1A CN201110424256A CN102521837B CN 102521837 B CN102521837 B CN 102521837B CN 201110424256 A CN201110424256 A CN 201110424256A CN 102521837 B CN102521837 B CN 102521837B
- Authority
- CN
- China
- Prior art keywords
- image
- registration
- field
- variance
- mrv
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000004364 calculation method Methods 0.000 claims abstract description 8
- 230000009466 transformation Effects 0.000 claims description 10
- 238000005457 optimization Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 8
- 230000002708 enhancing effect Effects 0.000 abstract 1
- 238000000354 decomposition reaction Methods 0.000 description 4
- 238000013507 mapping Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 2
- 125000004432 carbon atom Chemical group C* 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开一种基于全局信息的图像配准方法,涉及图像处理领域,以提高图像配准的精度、增强配准方法的鲁棒性。本发明提供的图像配准方法利用了图像的全局信息。为了度量图像的配准程度,提供了图像的最大方差变化场的定义与计算及基于算术-几何不等式的图像配准测度。本发明提供的技术方案包括:图像最大方差变化场的计算,基于最大方差变化场的图像间配准测度的计算,对配准测度的改进,配准参数的优化,依据配准参数对图像进行配准。本发明实施例提供的技术方案适用于需要对图像进行配准的图像处理系统。
Description
技术领域
本发明涉及图像处理领域,尤其涉及一种图像配准方法。
背景技术
在图像处理与应用中,为了获得准确而全面的信息,有时需要将同一对象的不同模式的图像或不同时间的图像进行融合或差异检测。在这些应用中,图像配准是前提条件。图像配准的方法有基于像素和基于特征的两类方法,其中,在基于像素的方法中,作为图像配准程度的测度系数,互信息在图像配准中经常使用。传统的互信息测量图像灰度的统计相关性,只使用了图像的灰度信息,没有考虑空间信息。因此,部分基于互信息的图像配准方法可能出现误配。有人提出最大距离梯度场的概念,并将其应用于基于互信息的图像配准中,改善了图像配准的准确性。但对于不同模式的图像,由于灰度特性不同,其最大距离梯度场难以准确反映图像中的变化。同时,直接使用灰度计算梯度使得这种场易受噪声干扰。为此,本发明提供一种基于图像全局信息的配准方法。
发明内容
本发明实施例提供一种基于全局信息的图像配准方法,适用于图像配准领域,为解决以上技术问题,本发明采用如下技术方案实现:所述的基于全局信息的图像配准方法包括如下步骤:
1)图像的最大方差变化场的定义与计算;
2)基于最大方差变化场的配准测度的定义与计算;
3)基于最大方差变化场的配准测度的改进;
4)配准参数的优化;
5)依配准参数对图像进行配准变换。
技术方案中的第一项图像的最大方差变化场的定义与计算,包括如下步骤:
1)以像素点为中心的局部区域大小的确定,局部区域方差的计算;
2)在图像的全局范围内选取与当前处理像素的具有最大方差变化率的点,定义最大方差变化场,计算变化率的值及两点的方向角。
技术方案中第二项基于最大方差变化场的配准测度的定义与计算,包括如下步骤:
1)由算术-几何不等式出发,定义不等式中两项的偏离度,即距离;
2)根据算术-几何不等式的距离定义,定义基于最大方差变化场的图像配准测度。
技术方案中的第三项基于最大方差变化场的配准测度的改进,包括如下步骤:
1)为减小配准测度的计算量,将配准测度分解为基于最大方差变化场幅度的对准测度与方向的对准测度两部分;
2)定义基于最大方差变化场幅度及方向的对准测度,总的配准测度为两者之积。
技术方案中第四项配准参数的优化,包括如下步骤:
1) 对参考图像及待配准图像分别进行小波多分辨率分析,得到多级分辨率的子图;
2) 从最低分辨率的子图开始配准,最优参数采用Powell算法寻找。将较低分辨率的图像配准参数通过插值映射为高一级分辨率图像的配准参数的初始值,继续进行本级配准参数的最优化,直到得到最高分辨率下图像的配准参数。
技术方案中第五项依配准参数对图像进行配准变换,包括如下步骤:
根据最高分辨率下图像的配准参数,对待配准图像所有像素进行坐标变换,并对非整数坐标处像素灰度进行插值,得到整幅配准图像。
本发明所述方案,通过对参与配准的图像进行多分辨分析,得到不同分辨率下的子图,计算各级子图及变换图像的最大方差变化场,并计算对应图像配准测度,得到最优化的配准参数,经过逐级配准,直到得到最高分辨率的配准图像,即原始图像的配准。
附图说明
图1为本发明实施例提供的基于全局信息的图像配准流程图。
图2为本发明实施例提供的信号的多分辨分解图。
具体实施方式
为了解决图像处理中的图像配准问题,本发明例提供一种基于全局信息的图像配准方法,下面结合附图和具体实施例对本发明方法进行详细说明。
图1为本发明实施例提供的基于全局信息的图像配准流程图,包括:
步骤101,最大方差变化场的定义,包括以像素点为中心的局部区域大小的确定,局部区域方差的计算;2)在图像的全局范围内选取与当前处理像素的最大方差变化率的点,并计算方向值。
其中,
全部像素的最大方差变化矢量构成了一个矢量场,该矢量场反应了图像的灰度信息及空间信息,称为最大方差变化场,用表示。MRV矢量的幅值描述了像素的最大方差变化率,其中空间信息包含局部信息(即方差信息)及全局信息(即整幅图像范围的最大方差变化率)。MRV场的变化是平滑的,其矢量的方向描述了最大方差的变化方向。对于不同模式的图像,尽管其灰度特性表现不同,但其方差仍能反映图像内容的变化。因此,基于方差的MRV矢量场适用于不同模式的图像配准。
函数反映了非负实数a、b间的距离,当时,为零, 相差越大, 越大。将该距离函数应用于图像配准程度的度量,构造图像的配准测度。将MRV场矢量简写为,令、分别表示图像A、B的矢量场取值、的概率。表示图像A、B的矢量场取值的联合概率。
定义图像A、B基于MRV矢量场的配准测度:
步骤103,基于最大方差变化场的配准测度定义的改进,步骤102中的图像配准测度的计算是在四维空间进行的,计算量很大。为了减小计算量,需要对配准测度的定义式进行改进。MRV值中的幅度和角度是相互独立的变量,可以分开计算。将MRV场的幅度和角度分别进行配准测度定义,定义基于MRV场幅度的配准测度为:
对于方向角的匹配测度,也可用计算对应点的夹角余弦和代替:
i、j表示图像MRV场的像素位置,、分别表示图像A、B对应点的方向角。对应点对准程度越大,方向角之差越小,余弦值越大。因此上述含余弦式子的测度分量反映了两图像方向分量的对准程度。相对而言,使用余弦进行计算的计算量要少。
两部分相乘便得到反映配准程度的测度值:
。
代表图像在分辨率2j下的近似图像,代表图像在分辨率2j-1下的近似图像(LL分量,L表示低通滤波,H表示高通滤波),代表在分辨率2j-1下水平方向的近似与垂直方向的细节分量(LH分量),代表在分辨率2j-1下水平方向的细节与垂直方向的近似分量(HL分量),代表在分辨率2j-1下对角方向的细节分量(HH分量),如图2所示:
其中:
本方案中只用到各级分辨率下的近似图像。在图像处理中为了能够精确地重构原图像,滤波器系数需要满足对称性要求。本方案采用D9-7小波进行实验。分解时边界的延拓采用对称延拓方式。
最优参数集的确定通过迭代搜索来完成,应用Powell法来搜索最优参数集。为了节省计算量及避免可能陷入局部最优值,采用Mallat提出的信号多分辨分解算法对图像进行多级分解。低一级分辨率图像的配准参数经插值后作为高一级的分辨率图像的配准初始值,逐级进行配准,直到获得原始图像的配准参数及配准图像。配准过程为:
1)对参考图像及待配准图像分别进行多分辨率分析,得到多级分辨率的子图;
2)从最低分辨率的子图开始配准:a)根据优化策略确定一组变换参数,对待配准图像进行变换,得到变换图像。b)计算图像的MRV场。c)计算基于MRV场的配准测度。d)判断配准测度是否达到最大值;如未达到,继续寻找下一组变换参数。如配准测度已达最大值,则得到本分辨率下图像的配准参数;
3)将低分辨率的图像配准参数通过插值映射为高一级分辨率图像的配准参数的初始值,平移参数放大一倍,旋转参数则保持不变,继续进行配准,得到本分辨率下图像的配准参数;
4)如果未达到最高分辨率的图像,则继续配准过程,直至得到最高分辨率图像(即原始图像)的配准参数。
步骤106,配准变换步骤为:根据配准参数及配准变换式计算待配准图像像素点的坐标;对非整数坐标进行灰度插值。经过配准变换计算的坐标往往是非整数值,还需要以适当的灰度插值技术计算整数坐标处的图像灰度值。本方案采用线性插值的方法。设映射位置为,,,对二维图像,利用邻近的四个像素点为进行灰度插值,通过一阶线性插值得出、:
Claims (1)
1. 一种基于全局信息的图像配准方法,其特征在于:
1)定义与计算图像的最大方差变化场,包括:
图像中任意两点 间方差变化矢量为,为区域内的灰度方差,为由指向的单位矢量;对任意像素点,在整幅图像中总存在一个使得方差变化率为最大值的像素点,该点的最大方差变化矢量MRV为,全部像素的最大方差变化矢量构成了一个矢量场,该矢量场反应了图像的灰度信息及空间信息,称为图像的最大方差变化场;
2)对基于图像最大方差变化场的配准测度的定义与计算进行改进,包括:
3)配准参数的优化:
a) 对参考图像及待配准图像分别进行多分辨率分析,得到多级分辨率的子图;
b) 从最低分辨率的子图开始配准,逐级进行配准,直到得到最高分辨率下图像的配准参数;
4)依配准参数对图像进行配准变换:根据最高分辨率下图像的配准参数,对待配准图像进行坐标变换,对非整数坐标像素进行灰度插值,得到整幅配准图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110424256.1A CN102521837B (zh) | 2011-12-19 | 2011-12-19 | 基于全局信息的图像配准方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110424256.1A CN102521837B (zh) | 2011-12-19 | 2011-12-19 | 基于全局信息的图像配准方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102521837A CN102521837A (zh) | 2012-06-27 |
CN102521837B true CN102521837B (zh) | 2014-05-28 |
Family
ID=46292741
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110424256.1A Active CN102521837B (zh) | 2011-12-19 | 2011-12-19 | 基于全局信息的图像配准方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102521837B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103745463A (zh) * | 2013-12-26 | 2014-04-23 | 大连理工大学 | 基于梯度信息的新颖多源图像快速配准方法 |
CN105913375A (zh) * | 2016-04-13 | 2016-08-31 | 漯河医学高等专科学校 | 一种用于解剖图像进行配准的方法和设备 |
CN105957056A (zh) * | 2016-04-20 | 2016-09-21 | 青岛大学 | 人体局部影像自动标准化方法 |
CN106097338A (zh) * | 2016-06-08 | 2016-11-09 | 孙凯 | 心脏头颈部血管联合成像方法 |
CN107909608A (zh) * | 2017-10-30 | 2018-04-13 | 北京航天福道高技术股份有限公司 | 基于互信息和局部频谱抑制的运动目标定位方法及装置 |
WO2019110295A1 (en) * | 2017-12-04 | 2019-06-13 | Koninklijke Philips N.V. | Image data processing method, device and system |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100456323C (zh) * | 2006-11-17 | 2009-01-28 | 南方医科大学 | 三维图像的快速配准方法 |
CN101976437B (zh) * | 2010-09-29 | 2012-10-03 | 中国资源卫星应用中心 | 基于自适应阈值分割的高分辨率遥感影像变化检测方法 |
-
2011
- 2011-12-19 CN CN201110424256.1A patent/CN102521837B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN102521837A (zh) | 2012-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11410262B2 (en) | Signal processors and methods for estimating transformations between signals with least squares | |
CN102521837B (zh) | 基于全局信息的图像配准方法 | |
CN107301661B (zh) | 基于边缘点特征的高分辨率遥感图像配准方法 | |
CN104200461B (zh) | 基于互信息图像选块和sift特征的遥感图像配准方法 | |
Zhang et al. | Application of an improved subpixel registration algorithm on digital speckle correlation measurement | |
Yu et al. | Robust robot pose estimation for challenging scenes with an RGB-D camera | |
CN106971404A (zh) | 一种鲁棒surf无人机彩色遥感图像配准方法 | |
TW201514867A (zh) | 光流追蹤方法和裝置 | |
CN106709943B (zh) | 一种基于最优传输的点云配准方法 | |
CN108765476A (zh) | 一种偏振图像配准方法 | |
US20160188972A1 (en) | Signal processors and methods for estimating transformations between signals with phase estimation | |
CN116664892A (zh) | 基于交叉注意与可形变卷积的多时相遥感图像配准方法 | |
CN110688440B (zh) | 一种适用于子地图重叠部分较少的地图融合方法 | |
CN110517300B (zh) | 基于局部结构算子的弹性图像配准算法 | |
CN111739071A (zh) | 基于初始值的快速迭代配准方法、介质、终端和装置 | |
CN106651756B (zh) | 一种基于sift和验证机制的图像配准方法 | |
CN109886988A (zh) | 一种微波成像仪定位误差的度量方法、系统、装置及介质 | |
CN113066015B (zh) | 一种基于神经网络的多模态遥感影像旋转差异校正方法 | |
CN105913375A (zh) | 一种用于解剖图像进行配准的方法和设备 | |
WO2021000471A1 (zh) | 一种高分辨率图像匹配方法及系统 | |
JP2004310281A (ja) | 物体追跡装置 | |
Jammal et al. | Multi-resolution for disparity estimation with convolutional neural networks | |
QiShen et al. | A camera self-calibration method based on hybrid optimization algorithm | |
Wang et al. | Feature matching based on Gaussian kernel convolution and minimum relative motion | |
CN117372485A (zh) | 基于相位谱与幅度谱重组的一维相位相关图像配准方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |