CN105761236A - 一种用于图像配准的图像预处理方法及装置 - Google Patents
一种用于图像配准的图像预处理方法及装置 Download PDFInfo
- Publication number
- CN105761236A CN105761236A CN201510786425.4A CN201510786425A CN105761236A CN 105761236 A CN105761236 A CN 105761236A CN 201510786425 A CN201510786425 A CN 201510786425A CN 105761236 A CN105761236 A CN 105761236A
- Authority
- CN
- China
- Prior art keywords
- image
- registration
- original image
- subject
- carried out
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明实施例提供一种用于图像配准的图像预处理方法及装置。选取高斯滤波的窗口尺寸和高斯滤波的平滑度参数用以构造高斯滤波函数;分别计算所述高斯滤波函数不同方向的一阶偏导数;将所述不同方向的一阶偏导数分别与相应方向的原图像和相应方向的待配准的图像进行卷积运算,得到相应方向滤波后的原图像和滤波后的待配准图像;将所述滤波后的原图像和所述滤波后的待配准图像进行图像配准。实现了图像配准之间的滤波去噪,提高了图像配准的精度。
Description
技术领域
本发明实施例涉及图像处理领域,尤其涉及一种用于图像配准的图像预处理方法及装置。
背景技术
图像配准(Imageregistration)就是将不同时间、不同传感器(成像设备)或不同条件下(天候、照度、摄像位置和角度等)获取的两幅或多幅图像进行匹配、叠加的过程,它已经被广泛地应用于计算机视觉、图像处理、遥感数据分析、图像融合、图像的超分辨率重建和医学图像处理等领域。
按照所使用的方法,图像配准可以分为两类:基于区域的图像配准和基于特征的图像配准。基于互功率谱(相位相关)配准方法的理论基础是傅里叶变换,在傅里叶变换领域有了快速傅里叶算法FFT的前提下,该配准方法具有算法简单,速度快等优势,在图像配准、模式识别、特征匹配等有着广泛应用。
但是,基于互功率谱的图像配准方法主要利用了图像中高频成分的变化,而高频成分易受噪声影响,因而导致图像配准的精度会降低。
因此,一种用于图像配准的图像预处理方法亟待提出。
发明内容
本发明实施例提供一种用于图像配准的图像预处理方法及装置,用以解决图像配准过程中因受噪声影响的缺陷,提高了图像配准的精确度。
本发明实施例提供一种用于图像配准的图像预处理方法,包括:
选取高斯滤波的窗口尺寸和高斯滤波的平滑度参数用以构造高斯滤波函数。
分别计算所述高斯滤波函数不同方向的一阶偏导数;
将所述不同方向的一阶偏导数分别与相应方向的原图像和相应方向的待配准的图像进行卷积运算,得到相应方向滤波后的原图像和滤波后的待配准图像;
将所述滤波后的原图像和所述滤波后的待配准图像进行图像配准。
本发明实施例提供一种用于图像配准的图像预处理装置,包括:
设置模块,用于选取高斯滤波的窗口尺寸和高斯滤波的平滑度参数用以构造高斯滤波函数。
计算模块,用于分别计算所述高斯滤波函数不同方向的一阶偏导数;
滤波模块,用于将所述不同方向的一阶偏导数分别与相应方向的原图像和相应方向的待配准的图像进行卷积运算,得到相应方向滤波后的原图像和滤波后的待配准图像;
配准模块,用于将所述滤波后的原图像和所述滤波后的待配准图像进行图像配准。
本发明实施例提供的用于图像配准的图像预处理方法和装置通过高斯核对图像进行卷积预处理,即对图像进行滤波处理,可以有效消除存在于图像中内容变化较小的部分中的噪声的影响,突出图像中细节丰富,内容变化较大的部分对图像配准的贡献,提高了图像配准的精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例一的技术流程图;
图2为本发明实施例二的技术流程图;
图3为本发明实施例三的技术流程图;
图4为本发明实施例四的装置结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,本发明的各个实施例之间不是独立存在的,而是一种技术方案在不同应用场景的详细阐述。
实施例一
图1是本发明实施例一的技术流程图,结合图1,本发明一种用于图像配准的图像预处理方法主要由如下的步骤实现:
步骤110:选取高斯滤波的窗口尺寸和高斯滤波的平滑度参数用以构造高斯滤波函数;
图像滤波总体上讲包括空域滤波和频域滤波。如果输出像素是输入像素邻域像素的线性组合则称为线性滤波(例如最常见的均值滤波和高斯滤波),否则为非线性滤波(中值滤波、边缘保持滤波等)。线性平滑滤波器去除高斯噪声的效果很好,且在大多数情况下,对其它类型的噪声也有很好的效果。
本发明实施例中,对原图像和待配准图像并不直接通过高斯滤波器进行滤波,而是通过高斯导数核的卷积进行滤波,由此可以在去噪的同时,更好地提取图像中各个方向的变化信息。高斯导数核卷积利用了高斯函数的偏微分,因此,还需预先设置高斯函数的参数,即选取高斯滤波器的窗口尺寸和平滑参数。
高斯滤波器的滤波是对整幅图像进行加权平均的过程,每一个像素点的值,都由其本身和窗口邻域内的其他像素值经过加权平均后得到。窗口尺寸的选择很关键,窗口尺寸太小,则对于像素点的去噪程度不够,像素点容易受到噪声的影响;窗口尺寸太大,会增加计算量。本发明实施例一般选用7*7的窗口大小,这是一个经验值,通常将高斯滤波器的窗口设置为7*7能够达到最好的滤波效果,但是本发明实施例并不对窗口尺寸的大小做限制。
步骤120:分别计算所述高斯滤波函数不同方向的一阶偏导数;
本发明实施例中,所述不同方向是根据被处理的图片的维度确定的,例如,对于普通的二维平面图片,应当选取二维高斯滤波器对应的数学模型进行偏导数的计算。二维高斯滤波器的数学模型如下:
其中,σ是平滑参数,高斯滤波器宽度(决定着平滑程度)是由平滑参数σ表征的,而且平滑参数σ和平滑程度的关系非常简单,σ越大,高斯滤波器的频带就越宽,平滑程度就越好。
当本发明实施例的应用场景为二维图像的图像配准时,分别计算二维高斯函数在水平和垂直两个方向的一阶偏导数:
其中,Gx为二维高斯函数G(x,y)在水平方向(x方向)上的一阶偏导数,Gy为二维高斯函数G(x,y)在垂直方向(y方向)上的一阶偏导数,
步骤130:将所述不同方向的一阶偏导数分别与相应方向的原图像和相应方向的待配准的图像进行卷积运算,得到相应方向滤波后的原图像和滤波后的待配准图像;
高斯导数核卷积的滤波结果以梯度图像展现,二维高斯导数核卷积的梯度图像如下所示:
其中,表示卷积运算,I(x,y)是待滤波的图像对应的函数,I_Gx(x,y)是水平方向上滤波后的梯度图像,I_Gy(x,y)是垂直方向上滤波后的梯度图像。
本发明实施例中,假设原图像为f(x,y),待配准图像为g(x,y),则滤波后所述原图像对应的水平方向和垂直方向对应的梯度图像分别为:
滤波后所述待配准图像对应的水平方向和垂直方向对应的梯度图像分别为:
步骤140:将所述滤波后的原图像和所述滤波后的待配准图像进行图像配准。
优选地,将本发明实施例的图像预处理方法应用于基于互功率谱的图像配准方法中。基于互功率谱(相位相关)的图像配准方法是基于区域的图像配准方法的一种,通过两幅图像间的平移、旋转、缩放进行检测,实现对图像的快速配准。基于互功率谱的图像配准方法主要利用了图像变换后的高频成分的变化,它通常直接对两幅图像进行配准计算,这其中既包含低频成分,也包含高频成分,但由于高频成分易受噪声影响,因而配准的精度会降低。
位移理论保证了互功率谱的相位与两幅图像相位差的等效性,因此通过对互功率谱进行傅里叶逆变换,可以得到脉冲函数δ(x-x0,y-y0)。由于脉冲函数在偏移位置(x0,y0)处有明显的尖锐峰值,其它位置的值接近于零,据此即能获取两图像间的偏移量。
基于互功率谱的图像配准原理如下:
设r(x,y)为二维图像,其傅里叶变换为R(u,v),图像p(x,y)相对图像r(x,y)发生(x0,y0)的位移:
p(x,y)=r(x-x0,y-y0)
p(x,y)的傅里叶变换为:
于是,其归一化的互功率谱可以表示为:
其中,P*(u,v)表示P(u,v)的共轭。
其中,R-1{}表示傅里叶逆变换。
脉冲函数δ(x-x0,y-y0)在偏移位置(x0,y0)处有明显的尖锐峰值,其它位置的值接近于零,据此即能获取两图像间的偏移量。
本发明实施例中,分别对于滤波处理后的原图像和待配准图像分别按照上述原理进行水平配准以及垂直配准,即将fh_Gx(x,y)和gh_Gx(x,y)进行配准,再将gh_Gx(x,y)和gv_Gy(x,y)进行配准。当然,上述配准的顺序仅供举例,水平方向的配准和垂直方向的配准实际上并无先后顺序。因图像配准在现有技术中十分成熟,此处不再赘述。
本实施例中,通过高斯核卷积对图像进行滤波预处理,有效消除存在于图像中内容变化较小的部分中噪声的影响,突出图像中细节丰富,内容变化较大的部分对图像配准的贡献,增强高频成份的作用,从而提高了图像配准的精度。
实施例二
图2是本发明实施例二的技术流程图,以下部分将结合图2,以一个更加详细的实施例说明本发明实施例一种用于图像配准的图像预处理方法中,图像间平移量配准的实现步骤。
步骤210:选取高斯滤波的窗口尺寸和高斯滤波的平滑度参数用以构造高斯滤波函数;
步骤220:分别计算所述高斯滤波函数不同方向的一阶偏导数;
步骤230:对原图像和待配准的图像进行边界扩充以得到与高斯滤波的所述窗口尺寸大小相适应的所述原图像和所述待配准的图像。
因基于高斯函数的滤波方法在滤波处理时,对每个像素点采用窗口邻域内的像素点的像素值加权求平均的算法,因此对图像进行边界进行扩展方便处理图像边缘部分的像素点。例如,对于窗口为3*3的高斯滤波,需要将原图片的边界向外扩展至少两个像素点,能够对原图片边缘上的像素点采用邻域内像素点加权求平均的方式进行去噪。
本发明实施例中使用的图像边界扩展方法可以是填充零、周期填充、镜像填充或复制外边界的值进行填充。
优选地,本发明实施例中采用镜像填充的方法对原图像进行边界扩展,扩展的大小根据选择的滤波窗口尺寸决定。
可选地,本发明实施例还可以借助OpenCV直接实现图像的边界扩展。OpenCV提供了几种不同的边界扩展策略:
*BORDER_REPLICATE:aaaaaa|abcdefgh|hhhhhhh
*BORDER_REFLECT:fedcba|abcdefgh|hgfedcb
*BORDER_REFLECT_101:gfedcb|abcdefgh|gfedcba
*BORDER_WRAP:cdefgh|abcdefgh|abcdefg
*BORDER_CONSTANT:iiiiii|abcdefgh|iiiiiiiwithsomespecified’i’
其中“|”表示的是图像的边界,连个“|”中间是图像的内容,最后一个边界扩展策略还要额外给定一个i值,用于对额外的边界进行赋值。
使用OpenCV提供的函数copyMakeBorder()来扩展边界,其原型如下:
voidcopyMakeBorder(InputArraysrc,OutputArraydst,inttop,intbottom,intleft,intright,intborderType,constScalar&value=Scalar())其中,src为输入的数组;dst为输出的扩展边界后的数组;top为在src上边界向上扩展的行数;bottom为在src下边界向下扩展的行数;left为在src的左边界向左扩展的列数;right为在src的右边界向右扩展的列数;borderType为边界扩展策略中的一个;value为当使用BORDER_CONSTANT作为所述边界扩展策略的时候,边界处填写的常数值。
需要说明的是,步骤220和步骤230之间没有先后顺序,本发明实施例中也可以是先对图像进行扩展,再计算高斯滤波函数不同方向的一阶偏导数。
步骤240:将所述不同方向的一阶偏导数分别与相应方向的原图像和相应方向的待配准的图像进行卷积运算,得到相应方向滤波后的原图像和滤波后的待配准图像;
具体地,步骤240进一步包括步骤241和步骤242。
步骤241:将水平方向的所述偏导数分别与所述原图像和所述待配准的图像进行卷积运算得到水平滤波后的原图像和水平滤波后的待配准图像;
步骤242:将垂直方向的所述偏导数分别与所述原图像和所述待配准的图像进行卷积运算得到垂直滤波后的原图像和垂直滤波后的待配准图像。
步骤250:对所述滤波后的原图像和所述滤波后的待配准图像进行边界裁剪,其中,所述边界裁剪的区域为所述边界扩充的区域。
本发明实施例中,将原图像和待配准的图像均进行边界扩展以获得与高斯滤波窗口相匹配的图像大小,主目的是滤波时方便处理图片原来边缘部分的像素点,但实际配准中并不需要这被扩展的部分。因此,优选地,本发明实施例在做完滤波处理后需将此部分本不属于原来图像的区域进行裁剪以保证配准效果。
步骤260:将所述滤波后的原图像和所述滤波后的待配准图像进行图像间平移量的配准。
本实施中对原图像和待处理图像进行边界扩展,目的在于得到更佳的滤波效果;通过对原图像和待处理图像进行滤波,实现了精确的图像间平移量的配准。
实施例三
图3是本发明实施例三的技术流程图,以下部分将结合图3,以一个更加详细的实施例说明本发明实施例一种用于图像配准的图像预处理方法中,图像间旋转角配准的实现步骤。
步骤310:将所述原图像和所述待配准的图像进行极坐标变换,得到极坐标下的所述原图像和所述待配准的图像;
在进行图像间旋转角的配准时,首先要获取原图像与待配准图像之间的旋转角大小,本发明实施例中采用的方法是先将原图像与待配准图像进行极坐标变换,获取原图像与待配准图像在极坐标下的平移量,再将极坐标下的所述平移量转化为平面直角坐标系下的旋转角度值。
步骤320:选取高斯滤波的窗口尺寸和高斯滤波的平滑度参数用以构造高斯滤波函数;
步骤330:分别计算所述高斯滤波函数不同方向的一阶偏导数;
步骤340:对原图像和待配准的图像进行边界扩充以得到与高斯滤波的所述窗口尺寸大小相适应的所述原图像和所述待配准的图像。
需要说明的是,步骤330和步骤340之间没有先后顺序,本发明实施例中也可以是先对图像进行扩展,再计算高斯滤波函数不同方向的一阶偏导数。
步骤350:将所述不同方向的一阶偏导数分别与相应方向的原图像和相应方向的待配准的图像进行卷积运算,得到相应方向滤波后的原图像和滤波后的待配准图像;
具体地,步骤340进一步包括步骤341和步骤342。
步骤351为将水平方向的所述偏导数分别与所述原图像和所述待配准的图像进行卷积运算得到水平滤波后的原图像和水平滤波后的待配准图像;
步骤352为将垂直方向的所述偏导数分别与所述原图像和所述待配准的图像进行卷积运算得到垂直滤波后的原图像和垂直滤波后的待配准图像。
步骤360:对所述滤波后的原图像和所述滤波后的待配准图像进行边界裁剪,其中,所述边界裁剪的区域为所述边界扩充的区域。
步骤370:获取所述滤波后的原图像和所述滤波后的待配准图像在极坐标下的平移量,再将极坐标转化为直角坐标,获取所述原图像与所述待配准图像之间的所述旋转角。
优选的,在进行图像间旋转角的配准时,本发明实施例采用基于傅里叶-梅林变换的图像配准,其原理如下所述:
假设图像f2(x,y)为图像f1(x,y)平移(x0,y0),旋转θ0角后的结果,即
f2(x,y)=f1(xcosθ0+ysinθ0-x0,-xsinθ0+ycosθ0-y0)
两者傅里叶变换后的关系为
其幅值M1和M2的关系为
M2(ε,η)=M1(εcosθ0+ηsinθ0,-εsinθ0+ηcosθ0)
在极坐标系下,两者的关系为
M2(ρ,θ)=M1(ρ,θ-θ0)
通过计算两者的互功率谱,获得在极坐标系中角度轴方向的平移量,再经转极坐标转换至直角坐标即可获取其旋转角。
本实施例中,通过将平面坐标中的图像转化为极坐标中的图像,再对极坐标中的图像进行滤波去噪,获取极坐标下原图像和待配准图像的平移量,再通过将极坐标转换到直角坐标,即获得去噪后原图像和待配准图像间的旋转角度值,从而提高了图像旋转角配准的精度。
实施例四
图4是本发明实施例四的装置结构示意图,结合图4,发明实施例一种用于图像配准的图像预处理装置主要包括如下模块:设置模块410、计算模块420、滤波模块430、配准模块440。
所述设置模块410,用于选取高斯滤波的窗口尺寸和高斯滤波的平滑度参数用以构造高斯滤波函数。
所述计算模块420与所述设置模块410相连接,用于根据所述设置模块410设置的参数分别计算所述高斯滤波函数不同方向的一阶偏导数;
所述滤波模块430与所述计算模块420相连,用于将所述不同方向的一阶偏导数分别与相应方向的原图像和相应方向的待配准的图像进行卷积运算,得到相应方向滤波后的原图像和滤波后的待配准图像;
所述配准模块440,用于将所述滤波后的原图像和所述滤波后的待配准图像进行图像配准。
所述装置进一步包括图像扩展模块450,所述图像扩展模块450用于,在将所述不同方向的一阶偏导数分别与相应方向的原图像和相应方向的待配准的图像进行卷积运算之前,对原图像和待配准的图像进行边界扩充以得到与高斯滤波的所述窗口尺寸大小相适应的所述原图像和所述待配准的图像。
进一步地,所述滤波模块430用于将水平方向的所述偏导数分别与所述原图像和所述待配准的图像进行卷积运算得到水平滤波后的原图像和水平滤波后的待配准图像;将垂直方向的所述偏导数分别与所述原图像和所述待配准的图像进行卷积运算得到垂直滤波后的原图像和垂直滤波后的待配准图像。
所述装置进一步包括图像裁剪模块460,所述图像裁剪模块460用于,
在将所述滤波后的原图像和所述滤波后的待配准图像进行图像配准之前,对所述滤波后的原图像和所述滤波后的待配准图像进行边界裁剪,其中,所述边界裁剪的区域为所述边界扩充的区域。
所述装置进一步包括坐标变换模块470,所述坐标变换模块470用于当进行图像旋转角的配准时,在进行所述卷积运算之前,预先将所述原图像和所述待配准的图像进行极坐标变换,得到极坐标下的所述原图像和所述待配准的图像。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是为以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解为其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种用于图像配准的图像预处理方法,其特征在于,包括如下的步骤:
选取高斯滤波的窗口尺寸和高斯滤波的平滑度参数用以构造高斯滤波函数;
分别计算所述高斯滤波函数不同方向的一阶偏导数;
将所述不同方向的一阶偏导数分别与相应方向的原图像和相应方向的待配准的图像进行卷积运算,得到相应方向滤波后的原图像和滤波后的待配准图像;
将所述滤波后的原图像和所述滤波后的待配准图像进行图像配准。
2.根据权利要求1所述的方法,其特征在于,将所述不同方向的一阶偏导数分别与相应方向的原图像和相应方向的待配准的图像进行卷积运算之前,进一步包括:
对原图像和待配准的图像进行边界扩充以得到与高斯滤波的所述窗口尺寸大小相适应的所述原图像和所述待配准的图像。
3.根据权利要求1所述的方法,将所述不同方向的一阶偏导数分别与相应方向的原图像和相应方向的待配准的图像进行卷积运算,进一步包括:
将水平方向的所述偏导数分别与所述原图像和所述待配准的图像进行卷积运算得到水平滤波后的原图像和水平滤波后的待配准图像;
将垂直方向的所述偏导数分别与所述原图像和所述待配准的图像进行卷积运算得到垂直滤波后的原图像和垂直滤波后的待配准图像。
4.根据权利要求1或2所述的方法,其特征在于,所述方法进一步包括:
将所述滤波后的原图像和所述滤波后的待配准图像进行图像配准之前,对所述滤波后的原图像和所述滤波后的待配准图像进行边界裁剪,其中,所述边界裁剪的区域为所述边界扩充的区域。
5.根据权利要求1所述的方法,其特征在于,所述方法进一步包括:
当进行图像旋转角的配准时,在进行所述卷积运算之前,预先将所述原图像和所述待配准的图像进行极坐标变换,得到极坐标下的所述原图像和所述待配准的图像。
6.一种用于图像配准的图像预处理装置,其特征在于,包括如下的模块:
设置模块,用于选取高斯滤波的窗口尺寸和高斯滤波的平滑度参数用以构造高斯滤波函数;
计算模块,用于分别计算所述高斯滤波函数不同方向的一阶偏导数;
滤波模块,用于将所述不同方向的一阶偏导数分别与相应方向的原图像和相应方向的待配准的图像进行卷积运算,得到相应方向滤波后的原图像和滤波后的待配准图像;
配准模块,用于将所述滤波后的原图像和所述滤波后的待配准图像进行图像配准。
7.根据权利要求6所述的装置,其特征在于,所述装置进一步包括图像扩展模块,所述图像扩展模块用于:
在将所述不同方向的一阶偏导数分别与相应方向的原图像和相应方向的待配准的图像进行卷积运算之前,对原图像和待配准的图像进行边界扩充以得到与高斯滤波的所述窗口尺寸大小相适应的所述原图像和所述待配准的图像。
8.根据权利要求6所述的装置,所述滤波模块进一步用于:
将水平方向的所述偏导数分别与所述原图像和所述待配准的图像进行卷积运算得到水平滤波后的原图像和水平滤波后的待配准图像;
将垂直方向的所述偏导数分别与所述原图像和所述待配准的图像进行卷积运算得到垂直滤波后的原图像和垂直滤波后的待配准图像。
9.根据权利要求6或7所述的装置,其特征在于,所述装置进一步包括图像裁剪模块,所述图像裁剪模块用于:
在将所述滤波后的原图像和所述滤波后的待配准图像进行图像配准之前,对所述滤波后的原图像和所述滤波后的待配准图像进行边界裁剪,其中,所述边界裁剪的区域为所述边界扩充的区域。
10.根据权利要求6所述的装置,其特征在于,所述装置进一步包括坐标变换模块,所述坐标变换模块用于:
当进行图像旋转角的配准时,在进行所述卷积运算之前,预先将所述原图像和所述待配准的图像进行极坐标变换,得到极坐标下的所述原图像和所述待配准的图像。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510786425.4A CN105761236A (zh) | 2015-11-16 | 2015-11-16 | 一种用于图像配准的图像预处理方法及装置 |
PCT/CN2016/082536 WO2017084261A1 (zh) | 2015-11-16 | 2016-05-18 | 一种用于图像配准的图像预处理方法及装置 |
US15/243,211 US20170140538A1 (en) | 2015-11-16 | 2016-08-22 | Image preprocessing method and electronic device for image registration |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510786425.4A CN105761236A (zh) | 2015-11-16 | 2015-11-16 | 一种用于图像配准的图像预处理方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105761236A true CN105761236A (zh) | 2016-07-13 |
Family
ID=56342052
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510786425.4A Pending CN105761236A (zh) | 2015-11-16 | 2015-11-16 | 一种用于图像配准的图像预处理方法及装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN105761236A (zh) |
WO (1) | WO2017084261A1 (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106897694A (zh) * | 2017-02-24 | 2017-06-27 | 西安天和防务技术股份有限公司 | 用于国土资源监控的违建场景识别方法 |
CN107749986A (zh) * | 2017-09-18 | 2018-03-02 | 深圳市天英联合教育股份有限公司 | 教学视频生成方法、装置、存储介质和计算机设备 |
CN111127529A (zh) * | 2019-12-18 | 2020-05-08 | 浙江大华技术股份有限公司 | 图像配准方法及装置、存储介质、电子装置 |
CN111160148A (zh) * | 2019-12-16 | 2020-05-15 | 上海聪育智能科技有限公司 | 一种基于像素差异的教学考勤识别系统及方法 |
CN111739073A (zh) * | 2020-06-24 | 2020-10-02 | 刘秀萍 | 高效快速的手持装置的影像配准优化方法 |
CN111815644A (zh) * | 2020-05-21 | 2020-10-23 | 艾瑞迈迪医疗科技(北京)有限公司 | 一种医学影像中患者皮肤面部数据的提取方法和装置 |
CN114913096A (zh) * | 2022-06-10 | 2022-08-16 | 中国科学院长春光学精密机械与物理研究所 | 一种特征初始化的非均匀校正方法及其系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130301950A1 (en) * | 2012-04-24 | 2013-11-14 | Stmicroelectronics S.R.I. | Multiplierless coprocessor for difference of gaussian (dog) calculation |
CN104268853A (zh) * | 2014-03-06 | 2015-01-07 | 上海大学 | 一种红外图像与可见光图像配准方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101714254A (zh) * | 2009-11-16 | 2010-05-26 | 哈尔滨工业大学 | 联合多尺度sift和区域不变矩特征的配准控制点提取方法 |
CN102646264B (zh) * | 2011-02-18 | 2014-04-23 | 北京卫金帆医学技术发展有限公司 | 补偿机械运动误差的图像配准方法 |
CN102208109B (zh) * | 2011-06-23 | 2012-08-22 | 南京林业大学 | X射线图像和激光图像的异源图像配准方法 |
CN103886589B (zh) * | 2014-02-27 | 2017-11-03 | 四川农业大学 | 面向目标的自动化高精度边缘提取方法 |
-
2015
- 2015-11-16 CN CN201510786425.4A patent/CN105761236A/zh active Pending
-
2016
- 2016-05-18 WO PCT/CN2016/082536 patent/WO2017084261A1/zh active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130301950A1 (en) * | 2012-04-24 | 2013-11-14 | Stmicroelectronics S.R.I. | Multiplierless coprocessor for difference of gaussian (dog) calculation |
CN104268853A (zh) * | 2014-03-06 | 2015-01-07 | 上海大学 | 一种红外图像与可见光图像配准方法 |
Non-Patent Citations (3)
Title |
---|
DUKINKIN: "高斯一阶导与图像卷积的程序", 《百度知道》 * |
XIAOJIANG0805: "图像处理(卷积)", 《CSDN》 * |
刘彩云 等: "一种自适应极坐标变换的旋转图像配准方法", 《扬州大学学报(自然科学版)》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106897694A (zh) * | 2017-02-24 | 2017-06-27 | 西安天和防务技术股份有限公司 | 用于国土资源监控的违建场景识别方法 |
CN107749986A (zh) * | 2017-09-18 | 2018-03-02 | 深圳市天英联合教育股份有限公司 | 教学视频生成方法、装置、存储介质和计算机设备 |
CN107749986B (zh) * | 2017-09-18 | 2019-12-06 | 深圳市天英联合教育股份有限公司 | 教学视频生成方法、装置、存储介质和计算机设备 |
CN111160148A (zh) * | 2019-12-16 | 2020-05-15 | 上海聪育智能科技有限公司 | 一种基于像素差异的教学考勤识别系统及方法 |
CN111127529A (zh) * | 2019-12-18 | 2020-05-08 | 浙江大华技术股份有限公司 | 图像配准方法及装置、存储介质、电子装置 |
CN111127529B (zh) * | 2019-12-18 | 2024-02-02 | 浙江大华技术股份有限公司 | 图像配准方法及装置、存储介质、电子装置 |
CN111815644A (zh) * | 2020-05-21 | 2020-10-23 | 艾瑞迈迪医疗科技(北京)有限公司 | 一种医学影像中患者皮肤面部数据的提取方法和装置 |
CN111739073A (zh) * | 2020-06-24 | 2020-10-02 | 刘秀萍 | 高效快速的手持装置的影像配准优化方法 |
CN114913096A (zh) * | 2022-06-10 | 2022-08-16 | 中国科学院长春光学精密机械与物理研究所 | 一种特征初始化的非均匀校正方法及其系统 |
CN114913096B (zh) * | 2022-06-10 | 2024-04-23 | 中国科学院长春光学精密机械与物理研究所 | 一种特征初始化的非均匀校正方法及其系统 |
Also Published As
Publication number | Publication date |
---|---|
WO2017084261A1 (zh) | 2017-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105761236A (zh) | 一种用于图像配准的图像预处理方法及装置 | |
Cho et al. | Weakly-and self-supervised learning for content-aware deep image retargeting | |
Zheng et al. | Non-local scan consolidation for 3D urban scenes | |
Sun et al. | Edge-based blur kernel estimation using patch priors | |
CN106940876A (zh) | 一种基于surf的快速无人机航拍图像拼接算法 | |
KR20130001213A (ko) | 입력 이미지로부터 증가된 픽셀 해상도의 출력 이미지를 생성하는 방법 및 시스템 | |
Zhang et al. | Exemplar-based image inpainting using color distribution analysis | |
Abdullah et al. | A multivariate empirical mode decompositionbased approach to pansharpening | |
CN104599242A (zh) | 使用多尺度非局部正则的模糊核估计方法 | |
CN105550994B (zh) | 一种基于卫星影像的无人机影像快速概略拼接方法 | |
CN110570440A (zh) | 一种基于深度学习边缘检测的图像自动分割方法及装置 | |
Su et al. | Natural scene statistics of color and range | |
CN103679672B (zh) | 基于边缘垂直距离匹配的全景图像拼接方法 | |
CN104285239A (zh) | 图像处理装置、图像处理方法、程序、印刷介质以及记录介质 | |
CN110930334A (zh) | 一种基于神经网络的网格去噪方法 | |
CN105513014A (zh) | 一种多帧图像超分辨率重建方法及其重建系统 | |
CN104853182A (zh) | 基于幅度和相位的立体图像质量客观评价方法 | |
CN106599891A (zh) | 一种基于尺度相位谱显著性的遥感图像兴趣区快速提取方法 | |
Shokouh et al. | Ridge detection by image filtering techniques: A review and an objective analysis | |
Moorfield et al. | Bilateral filtering of 3D point clouds for refined 3D roadside reconstructions | |
CN107093165A (zh) | 一种递归图像的快速显示方法及装置 | |
US20170140538A1 (en) | Image preprocessing method and electronic device for image registration | |
CN104091315B (zh) | 一种车牌图像去模糊的方法及系统 | |
CN103942775A (zh) | 基于最大核密度估计的相位相关亚像素匹配方法 | |
Li et al. | Exploiting multi-direction features in MRF-based image inpainting approaches |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160713 |
|
WD01 | Invention patent application deemed withdrawn after publication |