CN106780578A - 一种基于边缘归一化互信息测度函数的图像配准方法 - Google Patents

Abstract

一种基于边缘归一化互信息测度函数的图像配准方法。属于图像处理技术领域。为了解决互信息计算存在着没有涉及图像空间信息的缺点而导致配准精度低的问题。本发明包括以下步骤：步骤a、对待配准的图像进行图像去噪，然后利用自适应canny算子对去噪后的待配准图像进行边缘检测，得到待配准图像的边缘图；步骤b、根据待配准的图像的边缘图计算其边缘归一化互相关系数；步骤c、计算待配准图像的归一化互信息测度值；步骤d、将边缘归一化互相关系数引入到归一化互信息测度值中构造出边缘归一化互信息测度函数；步骤e、使用粒子群算法对图像进行配准。有益效果为图像配准精度高。适用于对图像的拼接。

Description

一种基于边缘归一化互信息测度函数的图像配准方法

技术领域

本发明属于图像处理技术领域。

背景技术

共焦扫描显微镜测量技术是一种用于微米及亚微米尺度测量的光学显微技术。因其具有无需样品制备、测量速度快、成本低、不损伤测量表面以及可直接测量高度大于半波长的台阶轮廓等优点，而被广泛用于材料学、微电子学、光学、生物工程学及医学领域的二/三维微尺度结构测量。但是共焦扫描显微镜同样面临着视场较小的问题，采用图像拼接技术在不增加仪器成本的情况下即可得到高分辨大视场的数据，使共焦扫描显微镜得应用更加灵活、实用。图像拼接面临的第一个问题就是图像配准，由于共焦扫描显微镜本身分辨率达到百纳米级，因此，对配准精度的要求非常高，至少要达到亚像素级别，才不会因为配准的问题造成最后的测量读数误差。配准方法中基于灰度的配准方法较基于特征的配准方法配准精度更高，其中在基于灰度的配准方法中基于互信息的配准方法的配准精度最高、鲁棒性最好，但是互信息计算存在着没有涉及图像空间信息的缺点。

发明内容

本发明的目的是为了解决互信息计算存在着没有涉及图像空间信息的缺点而导致配准精度低的问题，提出一种基于边缘归一化互信息测度函数的图像配准方法。

本发明所述的一种基于边缘归一化互信息测度函数的图像配准方法，该方法包括以下步骤：

步骤a、对待配准的图像进行图像去噪，然后利用自适应canny算子对去噪后的待配准图像进行边缘检测，得到待配准图像的边缘图；

步骤b、根据待配准的图像的边缘图计算其边缘归一化互相关系数；

步骤c、计算待配准图像的归一化互信息测度值；

步骤d、将边缘归一化互相关系数引入到归一化互信息测度值中构造出边缘归一化互信息测度函数；

步骤e、使用粒子群算法对图像进行配准。

优选的是，所述步骤a中利用自适应canny算子对去噪后的图像进行边缘检测时设置canny算子的高阀值和低阀值；

所述高阈值设置成图像归一化后的均方差；

所述低阈值为高阈值的0.1倍。

优选的是，所述步骤c中归一化互信息测度值的计算公式为：

其中，R为参考图，F为浮动图，H(R)为参考图的熵，H(R)为浮动图的熵，MI(R,F)为参考图和浮动图的互信息，NCC(R,F)为参考图和浮动图的归一化互信息测度值。

优选的是，所述步骤d中边缘归一化互信息测度函数的计算公式为：

K(R',F')＝exp(1/sg(R',F')-1),

其中，R`为参考图R和浮动图F的重叠区域中的参考图R的边缘图像，F`为参考图R和浮动图F的重叠区域中的浮动图F的边缘图像，为R`的平均值，为F`的平均值，NSAM(R,F)为基于参考图R和浮动图F的边缘归一化互信息测度函数。

本发明的有益效果是以边缘归一化互信息测度函数作为标准的测度函数，由于在计算边缘归一化互信息测度函数时引入边缘归一化互相关系数，并通过构造e指数函数，使得最后的边缘归一化互信息测度函数曲线更加光滑，极值点更加尖锐，因此，本发明的图像配准精度高。

附图说明

图1为具体实施方式一所述的一种基于边缘归一化互信息测度函数的图像配准方法的流程图；

图2为一副待配准图；

图3为另一幅副待配准图；

图4为图2和图3的配准结果图；

图5为四种互信息测度函数曲线，其中，mi是指传统的互信息测度函数曲线，ncc和nmi分别是指两种归一化互信息测度函数曲线，nsam为具体实施方式四中的边缘归一化互信息测度函数曲线；

图6为在图像上加载0.5的椒盐噪声后的四种互信息测度函数曲线，其中，mi是指在图像上加载0.5的椒盐噪声后的传统的互信息测度函数曲线，ncc和nmi分别是指在图像上加载0.5的椒盐噪声后的两种归一化互信息测度函数曲线，nsam为在图像上加载0.5的椒盐噪声后的具体实施方式四中的边缘归一化互信息测度函数曲线；

图7为在图像上加载0.2的椒盐噪声后的四种互信息测度函数曲线，其中，mi是指在图像上加载0.2的椒盐噪声后的传统的互信息测度函数曲线，ncc和nmi分别是指在图像上加载0.2的椒盐噪声后的两种归一化互信息测度函数曲线，nsam为在图像上加载0.2的椒盐噪声后的具体实施方式四中的边缘归一化互信息测度函数曲线；

图8为在图像上加载0.5的高斯噪声后的四种互信息测度函数曲线，其中，mi是指在图像上加载0.5的高斯噪声后的传统的互信息测度函数曲线，ncc和nmi分别是指在图像上加载0.5的高斯噪声后的两种归一化互信息测度函数曲线，nsam为在图像上加载0.5的高斯噪声后的具体实施方式四中的边缘归一化互信息测度函数曲线；

图9为在图像上加载0.2的高斯噪声后的四种互信息测度函数曲线，其中，mi是指在图像上加载0.2的高斯噪声后的传统的互信息测度函数曲线，ncc和nmi分别是指在图像上加载0.2的高斯噪声后的两种归一化互信息测度函数曲线，nsam为在图像上加载0.2的高斯噪声后的具体实施方式一中的边缘归一化互信息测度函数曲线。

具体实施方式

具体实施方式一：结合图1至图4说明本实施方式，本实施方式所述的一种基于边缘归一化互信息测度函数的图像配准方法，包括以下步骤：

步骤a、对待配准的图像进行图像去噪，然后利用自适应canny算子对去噪后的待配准图像进行边缘检测，得到待配准图像的边缘图；

步骤b、根据待配准的图像的边缘图计算其边缘归一化互相关系数；

步骤c、计算待配准图像的归一化互信息测度值；

步骤d、将边缘归一化互相关系数引入到归一化互信息测度值中构造出边缘归一化互信息测度函数；

步骤e、使用粒子群算法对图像进行配准。

通过本实施方式所述的一种基于边缘归一化互信息测度函数的图像配准方法将图2和图3两幅待配准图配准为一幅图，配准结果如图4所示。本实施方式是以边缘归一化互信息测度函数作为标准的测度函数，由于在计算边缘归一化互信息测度函数时引入边缘归一化互相关系数，因此，本发明的图像配准精度高。

具体实施方式二：本实施方式是对具体实施方式一所述的一种基于边缘归一化互信息测度函数的图像配准方法进一步限定，在本实施方式中，所述步骤a中利用自适应canny算子对去噪后的图像进行边缘检测时设置canny算子的高阀值和低阀值；

所述高阈值设置成图像归一化后的均方差；

所述低阈值为高阈值的0.1倍；

本实施方式为了确保提取的边缘信息准确、可靠。

具体实施方式三：本实施方式是对具体实施方式一所述的一种基于边缘归一化互信息测度函数的图像配准方法进一步限定，在本实施方式中，所述步骤c中归一化互信息测度值的计算公式为：其中，R为参考图，F为浮动图，H(R)为参考图的熵，H(R)为浮动图的熵，MI(R,F)为参考图和浮动图的互信息，NCC(R,F)为参考图和浮动图的归一化互信息测度值。

具体实施方式四：结合图5至图9说明本实施方式，本实施方式是对具体实施方式一所述的一种基于边缘归一化互信息测度函数的图像配准方法进一步限定，在本实施方式中，所述步骤d中边缘归一化互信息测度函数的计算公式为：

K(R',F')＝exp(1/sg(R',F')-1),

其中，R`为参考图R和浮动图F的重叠区域中的参考图R的边缘图像，F`为参考图R和浮动图F的重叠区域中的浮动图F的边缘图像，为R`的平均值，为F`的平均值，NSAM(R,F)为基于参考图R和浮动图F的边缘归一化互信息测度函数。

在本实施方式中，通过对四种互信息测度函数曲线(如图5所示)的对比，通过对图5中四种互信息测度函数曲线分别加载0.5的椒盐噪声(如图6所示)的对比，通过对图5中四种互信息测度函数曲线分别加载0.2的椒盐噪声(如图7所示)的对比，通过对图5中四种互信息测度函数曲线分别加载0.5的高斯噪声(如图8所示)的对比，以及通过对图5中四种互信息测度函数曲线分别加载0.2的高斯噪(如图9所示)的对比，能够确定本实施方式所述的一种基于边缘归一化互信息测度函数的图像配准方法使得最后的测度函数曲线更加光滑、极值点更加尖锐，因此图像配准精度更高。

虽然在本文中参照了特定的实施方式来描述本发明，但是应该理解的是，这些实施例仅仅是本发明的原理和应用的示例。因此应该理解的是，可以对示例性的实施例进行许多修改，并且可以设计出其他的布置，只要不偏离所附权利要求所限定的本发明的精神和范围。应该理解的是，可以通过不同于原始权利要求所描述的方式来结合不同的从属权利要求和本文中所述的特征。还可以理解的是，结合单独实施例所描述的特征可以使用在其他所述实施例中。

Claims (4)

1.一种基于边缘归一化互信息测度函数的图像配准方法，其特征在于，该方法包括以下步骤：

步骤a、对待配准的图像进行图像去噪，然后利用自适应canny算子对去噪后的待配准图像进行边缘检测，得到待配准图像的边缘图；

步骤b、根据待配准的图像的边缘图计算其边缘归一化互相关系数；

步骤c、计算待配准图像的归一化互信息测度值；

步骤d、将边缘归一化互相关系数引入到归一化互信息测度值中构造出边缘归一化互信息测度函数；

步骤e、使用粒子群算法对图像进行配准。

2.根据权利要求1所述的一种基于边缘归一化互信息测度函数的图像配准方法，其特征在于，所述步骤a中利用自适应canny算子对去噪后的图像进行边缘检测时设置canny算子的高阀值和低阀值；

所述高阈值设置成图像归一化后的均方差；

所述低阈值为高阈值的0.1倍。

3.根据权利要求2所述的一种基于边缘归一化互信息测度函数的图像配准方法，其特征在于，所述步骤c中归一化互信息测度值的计算公式为：其中，R为参考图，F为浮动图，H(R)为参考图的熵，H(R)为浮动图的熵，MI(R,F)为参考图和浮动图的互信息，NCC(R,F)为参考图和浮动图的归一化互信息测度值。

4.根据权利要求3所述的一种基于边缘归一化互信息测度函数的图像配准方法，其特征在于，所述步骤d中边缘归一化互信息测度函数的计算公式为：

$NSAM(R,F)=\frac{NCC(R,F)}{1+K(R^{\′},F^{\′})},$

K(R',F')＝exp(1/sg(R',F')-1),

$sg(R^{\′},F^{\′})=\frac{\mathrm{\Σ}\mathrm{\Σ}(R^{\′}-\stackrel{\‾}{R^{\′}})(F^{\′}-\stackrel{\‾}{F^{\′}})}{\sqrt{\mathrm{\Σ}\mathrm{\Σ}{(R^{\′}-\stackrel{\‾}{R^{\′}})}^2\sqrt{\mathrm{\Σ}\mathrm{\Σ}{(F^{\′}-\stackrel{\‾}{F^{\′}})}^2}}},$

其中，R`为参考图R和浮动图F的重叠区域中的参考图R的边缘图像，F`为参考图R和浮动图F的重叠区域中的浮动图F的边缘图像，为R`的平均值，为F`的平均值，NSAM(R,F)为基于参考图R和浮动图F的边缘归一化互信息测度函数。