CN103544710A - 一种图像配准方法 - Google Patents
一种图像配准方法 Download PDFInfo
- Publication number
- CN103544710A CN103544710A CN201310550092.6A CN201310550092A CN103544710A CN 103544710 A CN103544710 A CN 103544710A CN 201310550092 A CN201310550092 A CN 201310550092A CN 103544710 A CN103544710 A CN 103544710A
- Authority
- CN
- China
- Prior art keywords
- image
- registration
- carry out
- value
- translation
- 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.)
- Pending
Links
Images
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
一种图像配准方法。针对梯度法配准在具有高精度亚像素结果优点的同时不能适应大角度情形的缺点,以及相位相关法在具有较强抗噪声性优点的同时在亚像素精度方面相对欠缺的问题,本发明提供了一种结合相位相关法与梯度法的图像配准方法。本发明针对旋转-平移模型,梯度法使用Keren算法,且不需要使用复杂的金字塔处理。本方法首先使用相位相关法进行粗估计,然后对目标图像进行逆补偿,之后使用Keren算法进行精细估计,最后使用合成公式进行两步结果合成。本方明可以在大角度情形下获得高精度亚像素配准结果,并具有较好的计算效率及处理速度。
Description
技术领域
本发明涉及一种图像配准(image registration)方法。
背景技术
图像配准是把两幅或多幅同一目标的不同图像对齐到一个坐标系的过程,其中,不同的图像可能从不同时间、不同角度或不同相机拍摄得到。图像配准是图像处理研究与应用中的一个重要方向,它是许多图像应用的基础,比如,超分辨率图像重构(super-resolution image reconstruction)、图像拼接(image mosaicing)及图像融合(image fusion)。在众多性能指标中,配准精度(accuracy)是最为重要的,而且,亚像素(sub-pixel)精度是许多应用的基本要求,或可以明显提高图像处理应用的性能。一般可以把图像配准方法分为两大类:基于区域(area-based)的图像配准方法与基于特征(feature-based)的图像配准方法。其中,基于区域的图像配准直接对图像灰度值进行处理,而基于特征的图像配准则从图像中提取出一些特征点然后进行匹配。
在基于区域的图像配准方法中,基于梯度(gradient-based)的配准方法和相位相关(phase correlation)法是两种典型的配准方法,它们分别在时(空)域及频域中实现。而且,前者的最显著优点是可以提供高精度的亚像素结果,但其缺点是不能估计大旋转角度情形;后者的最大优点是对噪声具有强的鲁棒性,但在亚像素精度方面存在一定程度的缺陷。
针对上述问题,本发明提出一种结合相位相关法与基于梯度法的配准方法,它可以结合两者的优点而避开各自的缺点,即可以在大角度情形下获得高精度的亚像素配准结果。
参考文献:
B. Zitova and J. Flusser, "Image registration methods: A survey," Image and Vision Computing, Vol.21, No.11, pp.977-1000 (2003).
B.D. Lucas and T. Kanade, "An iterative image registration technique with an application to stereo vision," in Imaging Understanding Workshop, pp.121-130 (1981).
D. Keren, S. Peleg, and R. Brada, "Image sequence enhancement using sub-pixel displacement," in CVPR'88, pp.742-746 (1988).
C.D. Kuglin and D.C. Hines, "The phase correlation image alignment method," in IEEE International Conference on Cybernetics and Society, pp.163-165 (1975).
B.S. Reddy and B.N. Chatterji, "An FFT-based technique for translation, rotation, and scale-invariant image registration," IEEE Transactions on Image Processing, Vol.5, No.8, pp.1266-1271 (1996).
发明内容
本发明提供一种结合相位相关法与基于梯度法的图像配准方法,由于该方法结合了两种方法的优点而避开了各自的缺点,因而可以在获得大角度配准的同时保持高精度亚像素结果。该配准方法基于旋转-平移(rotation-translation:RT)模型,即包括三个参数:水平方向平移 、垂直方向平移及旋转角度;因此,具体来讲,本发明中的相位相关法使用基于傅里叶-梅林(Fourier-Mellin)变换的相位相关法,而基于梯度法为Keren方法(见D. Keren, S. Peleg, and R. Brada, "Image sequence enhancement using sub-pixel displacement," in CVPR'88, pp.742-746)。
本方法共由如下四个步骤组成:
步骤1)使用基于傅里叶-梅林(Fourier-Mellin)变换的相位相关法进行第一步粗配准,它由如下步骤组成:(1)对两幅图像分别进行加窗处理,以消除快速傅里叶变换(FFT)计算时的边界效应;(2)使用FFT计算两幅图像与的频谱,假设分别为和,并得到两者的幅度谱和;(3)对和进行正交坐标-极坐标转换,得到和;(4)对和应用相位相关法,得到角度的粗估计;(5)分别使用和对进行角度补偿得到两幅图像和,然后分别使用相位相关法计算它们与的相位相关,峰值大者对应正确角度值,即假如和的相位相关峰值大于和的相位相关峰值,则为正确角度估计值,并用给重新赋值,并求得对应的平移估计值和。
附图说明
图1是图像配准示意图,其中(11)为参考图像,(12)为目标图像,(13)表示配准过程,(14)为(11)和(12)配准后叠加示意图。
图2是本专利配准方法流程图,其中,(21)表示读入待配准图像数据,(22)表示对图像数据进行预处理,(23)表示第一步图像配准,(24)表示对目标图像进行逆补偿,(25)表示第二步图像配准,(26)表示两步结果的最后合成。
图3是相位相关法的流程图,其中,(30)为读入待配准数据与,(31)为对读入的数据进行加窗预处理,(32)对与计算频谱得到和,(33)为从频谱中得到幅度谱和,(34)把正交坐标系的幅度谱和转换为极坐标系和,(35)对和应用相位相关得到角度的估计,(361)使用对进行角度补偿得到,(362)使用对进行角度补偿得到,(371)对与计算相位相关,(372)对与计算相位相关,(38)比较(371)与(372)的相关峰值,(39)根据(38)的值,得到的正确估计,并求得对应的平移估计值和。
图4是Keren配准方法流程图,其中,(40)为读入待配准数据与,(41)对读入的数据进行低通预处理,(42)计算的梯度与,以及,(43)计算所示的系数矩阵及右边向量,计算出初始估计值,且与初始值等于,(44)对或迭代次数进行判断,若为“是”则结束,否则执行(45),(45)对进行逆补偿得到,(46)对与进行估计,系数矩阵保持不变,更新并求得,并更新,然后转入(44)进行下一次终止判断。
图5是对一组4幅低分辨率图像进行配准后进行超分辨率重构处理结果,其中,(5.1)为其中一幅低分辨率图像的局部放大图,(5.2)为本方法配准后的超分辨率重构结果的局部放大图,(5.3)为Vandewalle方法(见P. Vandewalle, S. Süsstrunk, and M. Vetterli, "A frequency domain approach to registration of aliased images with application to super-resolution," EURASIP Journal on Applied Signal Processing, Vol.2006, pp.1-14)配准后的超分辨率重构结果的局部放大图,(5.4)为Keren方法(见D. Keren, S. Peleg, and R. Brada, "Image sequence enhancement using sub-pixel displacement," in CVPR'88, pp.742-746)配准后的超分辨率重构结果的局部放大图。
图6是对另一组4幅低分辨率图像进行配准后进行超分辨率重构处理结果,其中,(6.1)为其中一幅低分辨率图像的局部放大图,(6.2)为本方法配准后的超分辨率重构结果的局部放大图,(6.3)为Vandewalle方法(见P. Vandewalle, S. Süsstrunk, and M. Vetterli, "A frequency domain approach to registration of aliased images with application to super-resolution," EURASIP Journal on Applied Signal Processing, Vol.2006, pp.1-14)配准后的超分辨率重构结果的局部放大图,(6.4)为Keren方法(见D. Keren, S. Peleg, and R. Brada, "Image sequence enhancement using sub-pixel displacement," in CVPR'88, pp.742-746)配准后的超分辨率重构结果的局部放大图。
具体实施方式
下面结合附图对本发明进行详细说明。
本发明提供一种结合相位相关法与基于梯度法的图像配准方法,属于一种由粗到精的“两步法”。如前所述,该配准方法的假定模型是旋转-平移(rotation-translation:RT)模型,即包括三个参数:水平方向平移、垂直方向平移及旋转角度,且假定参考图像与目标图像之间的关系为,配准的目的即估计出、及的值。为方便下面部分内容的描述,给出向量形式,,,以及为逆时针旋转矩阵,则与的关系表示为。
本方法共由如下四个步骤组成:
步骤1)主要是使用基于傅里叶-梅林(Fourier-Mellin)变换的相位相关法进行第一步配准,以获得大范围的像素级配准结果,即粗配准。它由如下步骤组成:在读入数据后(30),对两幅图像分别进行加窗预处理(31),目的是以消除快速傅里叶变换(FFT)计算时假定的周期性而引起的边界效应,具体来说,选用图基(Tukey)窗函数,并选用参数=0.25;并进行边界补零措施,以减小旋转补偿时引起的边界数据丢失;使用FFT计算两幅图像与的频谱和(32),并得到两者的幅度谱和(33);对和进行正交坐标-极坐标转换,得到和(34),根据与关系及傅里叶变换性质,可以表示为,因此,和之间是简单的平移关系;所以,对和应用相位相关法,可以得到角度的粗估计(35);由于实信号幅度谱的对称性,在和中存在模糊性问题,为解决这个问题,分别使用和对进行角度补偿,假定得到两幅图像(361)和(362),然后分别使用相位相关法计算与(371)和(372)的相位相关,并比较两者的峰值系数大小(38),峰值大者对应正确角度值,并求得对应的平移估计值和(39)。
步骤3)对与使用Keren方法进行第二步配准,由于Keren算法的亚像素结果,属于精细估计,而且,经过步骤1)的粗估计及步骤2)的逆补偿,与之间的残余较小,因此,此处Keren方法不使用复杂的金字塔处理。在读入待配准数据与(40)后,首先对读入的数据进行低通预处理(41),使用高斯滤波器进行滤波处理;然后计算的梯度与,梯度计算使用差分运算代替,并计算(42);之后计算系数矩阵及右边向量,计算出初始估计值,且与初始值等于(43);由于梯度法源自泰勒(Taylor)级数近似,仅适合于小数值情形,因此需要进行迭代逼近;每次迭代前先进行判断,若为“是”则迭代结束,反之为“否”则执行(45),每次迭代之前都要进行新的逆补偿,为减小积累误差,每次都对进行逆补偿操作得到(45);然后对与进行估计,此时,系数矩阵保持不变,仅更新并求得,并更新(46),然后转入(44)进行下一次终止判断。为防止迭代可能出现的不收敛现象,一般设置一个最大迭代次数,如迭代次数超出的预设值,同样终止迭代。假设该步骤的估计结果分别为、和。
最后,图5和图6为分别对两组低分辨率图像进行配准后进行超分辨率重构的局部结果示意图,并与另外两种方法进行了结果比较。
Claims (7)
1.一种图像配准方法,其特征在于:
基于旋转-平移(rotation-translation:RT)模型;定义 为参考图像,为目标图像,并定义它们的关系为:,其中,为水平方向坐标轴,为垂直方向坐标轴,为正弦函数,为余弦函数,且水平方向平移为,垂直方向平移为,旋转角度为;定义向量表示形式为与,且,其中,,,其中的为矩阵转置操作符,旋转矩阵定义为:;
本发明由如下步骤组成:
步骤1) 读入待配准图像数据(21);
步骤2) 对图像数据进行预处理(22);
步骤3) 进行第一步图像粗配准(23);
步骤4) 对目标图像进行逆补偿(24);
步骤5) 进行第二步图像精细配准(25);
步骤6) 两步结果的合成(26)。
4.根据权利要求1所述的进行第一步图像粗配准,其特征在于:读入待配准图像数据和(30)且进行权利要求3所述预处理后,对这两幅图像数据使用图基(Tukey)窗函数进行加窗预处理(31),图基窗参数经验值取0.25;进行边界补零处理,补零的尺寸大小根据图像尺寸自适应确定;然后使用二维快速傅里叶变换(FFT)计算两幅图像与的频谱和(32),其中和分别为水平方向频率和垂直方向频率,并得到两者的幅度谱和(33);然后对和进行正交坐标系-极坐标系转换,得到和(34),其中和分别为极坐标系的极径和极角;然后对和应用相位相关法,得到角度的粗估计(35);然后分别使用和对进行角度逆补偿,分别得到两幅图像(361)和(362);然后分别使用相位相关法计算与的相位相关(371)以及与(372)的相位相关,然后比较两者的峰值系数大小(38),峰值大者对应正确的角度值并对赋予正确值,并求得对应的平移估计值和(39),并记作。
6.根据权利要求1所述的进行第二步图像精细配准,其特征在于:不使用金字塔处理结构;读入待配准数据与(40);然后对读入的数据使用高斯滤波器进行低通滤波处理(41);然后计算的梯度与,梯度计算使用一阶差分运算,并计算(42);然后计算系数矩阵与右边向量:,,其中为求和运算,然后计算初始估计值,其中表示求矩阵的逆矩阵,且与初始值等于(43);使用迭代法进行逼近,设置最大迭代次数,其经验值取8;每次迭代前进行及迭代次数超出判断,若为“是”则迭代结束,反之为“否”则执行(45),其中表示均方根运算,门限的经验值取0.03;每次迭代使用对进行逆补偿得到(45);每次迭代中仅计算并求得,并更新(46),然后转入(44)进行下一次终止判断;该步骤的估计结果分别为、和,并记作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310550092.6A CN103544710A (zh) | 2013-11-08 | 2013-11-08 | 一种图像配准方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310550092.6A CN103544710A (zh) | 2013-11-08 | 2013-11-08 | 一种图像配准方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103544710A true CN103544710A (zh) | 2014-01-29 |
Family
ID=49968130
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310550092.6A Pending CN103544710A (zh) | 2013-11-08 | 2013-11-08 | 一种图像配准方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103544710A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103886600A (zh) * | 2014-03-24 | 2014-06-25 | 四川睿光科技有限责任公司 | 一种连续相位板加工误差识别方法 |
CN104537638A (zh) * | 2014-11-17 | 2015-04-22 | 中国科学院深圳先进技术研究院 | 三维图像配准方法和系统 |
CN106934762A (zh) * | 2017-03-09 | 2017-07-07 | 史鹏飞 | 一种图像拼接方法和设备 |
CN107369171A (zh) * | 2017-05-31 | 2017-11-21 | 三亚中科遥感研究所 | 一种新的基于相位相关和分形维数的遥感影像配准方法 |
CN107481275A (zh) * | 2017-07-04 | 2017-12-15 | 河南工业大学 | 一种基于参考图像补偿的两步图像配准方法 |
CN107492118A (zh) * | 2017-07-04 | 2017-12-19 | 河南工业大学 | 一种基于目标图像补偿的两步图像配准方法 |
CN109242893A (zh) * | 2018-08-23 | 2019-01-18 | 深圳市斯尔顿科技有限公司 | 成像方法、图像配准方法及装置 |
CN110136083A (zh) * | 2019-05-14 | 2019-08-16 | 深圳大学 | 一种结合交互式的底图更新方法及装置 |
CN111238488A (zh) * | 2020-03-18 | 2020-06-05 | 湖南云顶智能科技有限公司 | 一种基于异源图像匹配的飞行器精确定位方法 |
CN112070810A (zh) * | 2020-08-31 | 2020-12-11 | 上海爱观视觉科技有限公司 | 定位方法、可移动设备及计算机可读存储介质 |
CN113724300A (zh) * | 2020-05-25 | 2021-11-30 | 北京达佳互联信息技术有限公司 | 图像配准方法、装置、电子设备及存储介质 |
CN113837936A (zh) * | 2020-06-24 | 2021-12-24 | 上海汽车集团股份有限公司 | 一种全景图像的生成方法和装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101110103A (zh) * | 2006-07-20 | 2008-01-23 | 中国科学院自动化研究所 | 一种基于学习的图像配准自动检验方法 |
-
2013
- 2013-11-08 CN CN201310550092.6A patent/CN103544710A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101110103A (zh) * | 2006-07-20 | 2008-01-23 | 中国科学院自动化研究所 | 一种基于学习的图像配准自动检验方法 |
Non-Patent Citations (3)
Title |
---|
吴四夫等: "《基于相位相关算法的实时图像配准系统》", 《计算机仿真》, vol. 22, no. 11, 30 November 2005 (2005-11-30) * |
李晓明等: "《基于Fourier-Mellin变换的图像配准方法及应用拓展》", 《计算机学报》, vol. 29, no. 3, 31 March 2006 (2006-03-31) * |
李相国等: "《基于相位相关与Keren算法的图像配准》", 《微计算机应用》, vol. 30, no. 11, 30 November 2009 (2009-11-30) * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103886600B (zh) * | 2014-03-24 | 2017-01-25 | 四川睿光科技有限责任公司 | 一种连续相位板加工误差识别方法 |
CN103886600A (zh) * | 2014-03-24 | 2014-06-25 | 四川睿光科技有限责任公司 | 一种连续相位板加工误差识别方法 |
CN104537638A (zh) * | 2014-11-17 | 2015-04-22 | 中国科学院深圳先进技术研究院 | 三维图像配准方法和系统 |
CN106934762A (zh) * | 2017-03-09 | 2017-07-07 | 史鹏飞 | 一种图像拼接方法和设备 |
CN107369171A (zh) * | 2017-05-31 | 2017-11-21 | 三亚中科遥感研究所 | 一种新的基于相位相关和分形维数的遥感影像配准方法 |
CN107369171B (zh) * | 2017-05-31 | 2020-09-04 | 三亚中科遥感研究所 | 一种基于相位相关和分形维数的遥感影像配准方法 |
CN107481275A (zh) * | 2017-07-04 | 2017-12-15 | 河南工业大学 | 一种基于参考图像补偿的两步图像配准方法 |
CN107492118A (zh) * | 2017-07-04 | 2017-12-19 | 河南工业大学 | 一种基于目标图像补偿的两步图像配准方法 |
CN109242893B (zh) * | 2018-08-23 | 2020-09-04 | 深圳市斯尔顿科技有限公司 | 成像方法、图像配准方法及装置 |
CN109242893A (zh) * | 2018-08-23 | 2019-01-18 | 深圳市斯尔顿科技有限公司 | 成像方法、图像配准方法及装置 |
CN110136083A (zh) * | 2019-05-14 | 2019-08-16 | 深圳大学 | 一种结合交互式的底图更新方法及装置 |
CN111238488A (zh) * | 2020-03-18 | 2020-06-05 | 湖南云顶智能科技有限公司 | 一种基于异源图像匹配的飞行器精确定位方法 |
CN113724300A (zh) * | 2020-05-25 | 2021-11-30 | 北京达佳互联信息技术有限公司 | 图像配准方法、装置、电子设备及存储介质 |
CN113837936A (zh) * | 2020-06-24 | 2021-12-24 | 上海汽车集团股份有限公司 | 一种全景图像的生成方法和装置 |
CN112070810A (zh) * | 2020-08-31 | 2020-12-11 | 上海爱观视觉科技有限公司 | 定位方法、可移动设备及计算机可读存储介质 |
CN112070810B (zh) * | 2020-08-31 | 2024-03-22 | 安徽爱观视觉科技有限公司 | 定位方法、可移动设备及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103544710A (zh) | 一种图像配准方法 | |
Lee et al. | Local texture estimator for implicit representation function | |
CN106651938B (zh) | 一种融合高分辨率彩色图像的深度图增强方法 | |
CN106780590B (zh) | 一种深度图的获取方法及系统 | |
CN103345736B (zh) | 一种虚拟视点绘制方法 | |
CN107301654A (zh) | 一种多传感器的高精度即时定位与建图方法 | |
CN106373087B (zh) | 一种改进初始估计的图像超分辨率重建方法 | |
CN107516322B (zh) | 一种基于对数极空间的图像物体大小和旋转估计计算方法 | |
CN104933717A (zh) | 基于方向性标定靶标的摄像机内外参数自动标定方法 | |
JPWO2004063991A1 (ja) | 画像のサブピクセルマッチングにおける多パラメータ高精度同時推定方法及び多パラメータ高精度同時推定プログラム | |
CN110211169B (zh) | 基于多尺度超像素和相位相关的窄基线视差的重构方法 | |
CN106408654B (zh) | 一种三维地图的创建方法及系统 | |
He et al. | Research on 3D point-cloud registration technology based on Kinect V2 sensor | |
CN115937002B (zh) | 用于估算视频旋转的方法、装置、电子设备和存储介质 | |
Enríquez-Cervantes et al. | A super-resolution image reconstruction using natural neighbor interpolation | |
Jiazhen et al. | Real-time mosaicking for infrared videos from an oblique sweeping camera | |
Fan et al. | An improvement approach based on Keren sub-pixel registration method | |
Pan et al. | An adaptive harris corner detection algorithm for image mosaic | |
KR101644411B1 (ko) | 고해상도 이미지 복원 장치 및 그 방법 | |
Zhang et al. | Image automatic mosaics based on contour phase correlation | |
Pantilie et al. | Real-time image rectification and stereo reconstruction system on the gpu | |
Dighe et al. | Registration of multiple Low resolution images for motion using hybrid approach. | |
Zhang et al. | Image guided depth map superresolution using non-local total generalized variation | |
Kumar et al. | Estimation of motion among shifted images at coarse and fine levels | |
Nagashima et al. | High-accuracy estimation of image rotation using 1D phase-only correlation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140129 |