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 PDF

Info

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
Application number
CN201110424256.1A
Other languages
English (en)
Other versions
CN102521837A (zh
Inventor
舒小华
蔡叶菁
钟云飞
刘素君
陈胜蓝
李维彪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hunan University of Technology
Original Assignee
Hunan University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hunan University of Technology filed Critical Hunan University of Technology
Priority to CN201110424256.1A priority Critical patent/CN102521837B/zh
Publication of CN102521837A publication Critical patent/CN102521837A/zh
Application granted granted Critical
Publication of CN102521837B publication Critical patent/CN102521837B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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

基于全局信息的图像配准方法
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。
   图像局部区域方差的反映了此区域内像素灰度的分散程度。方差越大，此区域内图像变化越大，所包含的细节内容也越丰富。因此可以用局部方差度量此图像区域内容的多少。图像中任意两点                                                间方差变化矢量
Figure 106228DEST_PATH_IMAGE002
为：
Figure 204108DEST_PATH_IMAGE003
其中
Figure 217063DEST_PATH_IMAGE004
为区域
Figure 99569DEST_PATH_IMAGE005
内的灰度方差，为由
Figure 269967DEST_PATH_IMAGE007
指向
Figure 707902DEST_PATH_IMAGE008
的单位矢量。
矢量
Figure 440103DEST_PATH_IMAGE009
的方向指向之间方差增大的方向，大小等于方差函数
Figure 88439DEST_PATH_IMAGE004
在两点之间的平均变化率。
   对任意像素点
Figure 113344DEST_PATH_IMAGE011
，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
Figure 489355DEST_PATH_IMAGE012
，该点的最大方差变化矢量MRV（Maximum Rate of Variance-change）为： 
Figure 773706DEST_PATH_IMAGE013
其中，
Figure 248550DEST_PATH_IMAGE014
式中
Figure 89598DEST_PATH_IMAGE015
是图像空间，
Figure 271181DEST_PATH_IMAGE012
一般位于靠近
Figure 834755DEST_PATH_IMAGE016
的图像细节量大的区域。
   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。
   步骤102，基于最大方差变化场的配准测度定义，设两组非负实数
Figure 363005DEST_PATH_IMAGE018
，定义距离函数
Figure 477723DEST_PATH_IMAGE019
为：
Figure 900614DEST_PATH_IMAGE020
 
函数
Figure 287733DEST_PATH_IMAGE019
反映了非负实数a、b间的距离，当
Figure 972049DEST_PATH_IMAGE021
时，
Figure 924961DEST_PATH_IMAGE019
为零，
Figure 722016DEST_PATH_IMAGE022
 相差越大， 
Figure 143901DEST_PATH_IMAGE019
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
Figure 701976DEST_PATH_IMAGE024
，令
Figure 732249DEST_PATH_IMAGE025
、
Figure 828381DEST_PATH_IMAGE026
分别表示图像A、B的矢量场取值
Figure 353034DEST_PATH_IMAGE027
、
Figure 280539DEST_PATH_IMAGE028
的概率。
Figure 733910DEST_PATH_IMAGE029
表示图像A、B的矢量场取值
Figure 379655DEST_PATH_IMAGE030
的联合概率。
   定义图像A、B基于MRV矢量场的配准测度：
Figure 427694DEST_PATH_IMAGE032
 
Figure 799770DEST_PATH_IMAGE031
反映了图像A和B的对准程度。当两幅图像完全无关时，
Figure 182078DEST_PATH_IMAGE025
与
Figure 297802DEST_PATH_IMAGE026
相互独立，有：
Figure 950631DEST_PATH_IMAGE033
 
这时
Figure 493608DEST_PATH_IMAGE031
=0，对准程度最小。随着两幅图像对准程度增大， 
Figure 786049DEST_PATH_IMAGE025
与
Figure 945942DEST_PATH_IMAGE026
的关联性增大，与
Figure 167156DEST_PATH_IMAGE034
的差异相应增大，
Figure 274789DEST_PATH_IMAGE035
也增大；当两幅图像的关联性达到最大时，
Figure 981583DEST_PATH_IMAGE031
取最大值时,图像间的对准程度也达到了最大，因此可以将其作为图像的配准测度。 
   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
Figure 530376DEST_PATH_IMAGE036
为：
Figure 680735DEST_PATH_IMAGE037
Figure 760817DEST_PATH_IMAGE036
反映了图像A和B的MRV场幅度的匹配程度。
   基于MRV场方向的配准测度
Figure 959717DEST_PATH_IMAGE038
定义为：
Figure 425334DEST_PATH_IMAGE039
Figure 998791DEST_PATH_IMAGE038
反映了图像A、B的MRV场方向角的匹配程度。
   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：
Figure 815437DEST_PATH_IMAGE040
i、j表示图像MRV场的像素位置，
Figure 552449DEST_PATH_IMAGE041
、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：  
  。
   步骤104，图像的多分辨分析步骤，采用Mallat算法对图像进行二维小波分解，设图像f(x,y)，其近似图像
Figure 357091DEST_PATH_IMAGE044
可以分解为：
Figure 209378DEST_PATH_IMAGE045
  
Figure 852849DEST_PATH_IMAGE046
代表图像在分辨率2j下的近似图像，
Figure 250332DEST_PATH_IMAGE047
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），
Figure 792303DEST_PATH_IMAGE048
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），
Figure 871118DEST_PATH_IMAGE049
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），
Figure 431412DEST_PATH_IMAGE050
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：
Figure 530529DEST_PATH_IMAGE052
Figure 413034DEST_PATH_IMAGE053
Figure 578567DEST_PATH_IMAGE054
Figure 583432DEST_PATH_IMAGE055
。
   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。
   步骤105，配准参数的优化步骤为：基于像素的图像配准是将待配准图像
Figure 21367DEST_PATH_IMAGE056
经过变换后的图像
Figure 753568DEST_PATH_IMAGE057
与参考图像
Figure 226138DEST_PATH_IMAGE058
的配准测度达到最大。设为待求的图像变换T的参数集。图像配准即为寻找最优参数集使得配准测度达到最大值，即：
Figure 488306DEST_PATH_IMAGE062
  
 最优参数集
Figure 87171DEST_PATH_IMAGE063
的确定通过迭代搜索来完成，应用Powell法来搜索最优参数集
Figure 562015DEST_PATH_IMAGE063
。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
Figure 324435DEST_PATH_IMAGE064
。b）计算图像的MRV场。c）计算基于MRV场的配准测度
Figure 319066DEST_PATH_IMAGE065
。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
Figure 836635DEST_PATH_IMAGE066
，
Figure 736458DEST_PATH_IMAGE067
，
Figure 614153DEST_PATH_IMAGE068
，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
Figure 712559DEST_PATH_IMAGE069
、
Figure 338713DEST_PATH_IMAGE070
：
Figure 538881DEST_PATH_IMAGE071
Figure 705420DEST_PATH_IMAGE072
        
对垂直方向的
Figure 861595DEST_PATH_IMAGE069
、
Figure 984883DEST_PATH_IMAGE070
进行一阶线性插值，确定
Figure 656035DEST_PATH_IMAGE073
：
Figure 642577DEST_PATH_IMAGE074
。

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                                               
Figure DEST_PATH_IMAGE001A
间方差变化矢量
Figure 2011104242561100001DEST_PATH_IMAGE002A
为
Figure DEST_PATH_IMAGE003A
，
Figure DEST_PATH_IMAGE004A
为区域
Figure DEST_PATH_IMAGE005A
内的灰度方差，
Figure DEST_PATH_IMAGE006A
为由
Figure DEST_PATH_IMAGE007A
指向的单位矢量；对任意像素点
Figure DEST_PATH_IMAGE009A
，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
Figure DEST_PATH_IMAGE010A
，该点的最大方差变化矢量MRV为
Figure DEST_PATH_IMAGE011A
，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：
       基于MRV场幅度的配准测度
Figure DEST_PATH_IMAGE012AA
为
Figure DEST_PATH_IMAGE013A
，其中
Figure DEST_PATH_IMAGE012AAA
反映了图像A和B的MRV场幅度的匹配程度；
基于MRV场方向的配准测度
Figure DEST_PATH_IMAGE014AA
定义为
Figure DEST_PATH_IMAGE015A
，其中
Figure DEST_PATH_IMAGE014AAA
反映了图像A、B的MRV场方向角的匹配程度；
两部分相乘便得到反映配准程度的测度值： 
Figure DEST_PATH_IMAGE016A
；
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。
CN201110424256.1A 2011-12-19 2011-12-19 基于全局信息的图像配准方法 Active CN102521837B (zh)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

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