07通信-圖像配準(zhǔn)終

......................................................................................................................................III 第一 研究背 超分辨重建基本流 圖像超分辨重建的現(xiàn) 超分辨重建與圖像配準(zhǔn)的關(guān) 第二 圖像配 圖像配準(zhǔn)定 圖像變換類 圖像配準(zhǔn)算法分 第三 圖像配準(zhǔn)算法介 空域相關(guān)匹 普通相 序貫匹 相位相關(guān) 基于特征點(diǎn)的匹 Harris角 SIFT算 基于塊的配準(zhǔn)算 基于塊的梯度下降 MVCB算 基于光流的配準(zhǔn)算 LK算 HS算 第四 Keren算 Keren算法原 Keren算法實(shí)現(xiàn)流 超分辨重建――插值算 第五 實(shí)驗(yàn)結(jié) 參考文 致 Imagesuperresolutionalgorithmsand——ImageSuperresolutionalgorithmisenhancedimageorresolutiontechnology,itspurposeistomaketheoutputimageorresolutionthananyframeresolutioninputishigher.Withthedevelopmentofsociety,thescientificprogressfaster,peopletomedical,remotesensing,military,astronomyandsoonvariousaspectsofimagequalityrequirementsareincreasinglyfine,soastoimproverecognitionabilityandpositioningtheaccuracyofBecausesomephysicallimitations,peoplegetisoftenlowresolutionimage,itcansatisfypeople'sneeds,sopeopleuseoflowresolutionimagetorebuildgetsuperresolutionimages.Superresolutionimagereconstructionmainuselowresolutionimageexistbetweenpixeldisplacement,andthesedifferentwithinthedisplacementoflowresolutionimagesarecontainsoriginalhigh-resolutionimagesofinformation,thisisalsothebasisofsuper-resolutionreconstructionimage.Imagesuperresolutionreconstructiontechniqueusuallyconsistsofregistrationandreconstructiontwoserialstepsconstitute:usesub-pixellevelsofimageregistrationtechnologywillallthelowresolutionimagetransformationtohighresolutionimagecoordinatesystem,andbyusingthereconstructionalgorithmofsamplingoftheseirregularpoint,super-resolutionreconstructiontoobtainhighresolutionimages.Accuraow-resolutionimagestoachieveimageregistrationisthekeysuper-resolutionreconstruction.Therefore,thisp rmainlystudiesisimageregistrationmethodandimageregistrationisrealized.Keywords：Superresolutionreconstruction，Imageregistration，Registration第一章 給使用者帶來(lái)較高的費(fèi)用支出，同時(shí)硬件改善的技術(shù)非常，而且很難在短時(shí) 研究器目前已接近極限，例如在0．351μm的CMOS技術(shù)水平下，一個(gè)像素的面積為40μm2，難以進(jìn)一步減小。提高空間分辨率的另法是增加尺寸，但它會(huì)導(dǎo)致超分辨重建基如圖1.1，其主要流程有：圖像超分辨重建的現(xiàn)SRRSRR也SRR算法的改進(jìn)，例如MAPPOCS算法的改進(jìn)，對(duì)小波域隱馬爾可夫數(shù)（HMT）SRR方法的改SRR插值方法的改進(jìn)，以及對(duì)SRR重構(gòu)方法的改進(jìn)。超分辨重建與圖像配準(zhǔn)關(guān) 的相關(guān)介言和交互式環(huán)境，主要包括和兩大部分。主要面對(duì)科學(xué)計(jì)算、可視化以及交互式程序設(shè)計(jì)的高科技計(jì)算環(huán)境。它在數(shù)學(xué)類科技應(yīng)用中在數(shù)值計(jì)算方面首屈一指?？梢赃M(jìn)行矩陣運(yùn)算、繪可以用來(lái)做以下工作：數(shù)值分析；數(shù)值和符號(hào)計(jì)算；工程與科學(xué)繪圖；控制系統(tǒng)的設(shè)計(jì)與仿真；數(shù)字圖像處理技術(shù)；數(shù)字信號(hào)處理技術(shù)；通訊系統(tǒng)設(shè)計(jì)與仿真；圖像處理、信號(hào)檢測(cè)、金融建模設(shè)計(jì)與分析。的基本數(shù)據(jù)單位是矩陣，它的FORTRAN等語(yǔ)言完成相同的事情簡(jiǎn)捷得多，并且也吸收了像Maple等的優(yōu)點(diǎn),使成為一個(gè)強(qiáng)大的數(shù)學(xué)。高效的數(shù)值計(jì)算及符號(hào)計(jì)算功能,使用戶從繁雜的數(shù)算分析中解脫出來(lái)具有圖形處理功能,實(shí)現(xiàn)計(jì)算結(jié)果和編程的可視化友好的用戶界面及接近數(shù)學(xué)表達(dá)式的自然化語(yǔ)言,使學(xué)者易于學(xué)習(xí)和掌握應(yīng)用的開(kāi)發(fā)平臺(tái) 的部分第二章拼接等)、醫(yī)學(xué)圖像處理以及計(jì)算機(jī)視覺(jué)等領(lǐng)域起著基礎(chǔ)性作用[4]。圖像假設(shè)有給定尺寸的二維矩陣I1和I2代表兩幅圖像I1(x，y)和I2(x，y)分別表示相應(yīng)位(x，y)上的灰度值，則圖像間的可表示為I2x,ygI1fx,式中f表示一個(gè)二坐標(biāo)變換，即：(x’，y’)=f(x，y)，g是一維灰度變換

配準(zhǔn)問(wèn)題的任務(wù)包括找到最優(yōu)的空間變換f和灰度變換g。通?；叶茸儞Qg是不需要 Ix,yIfx,y,fx, Gx2X72X8X9X12X2X

Gy2X32X6X?9X12X4X7 求出幅值

Gx,yGx22yGx22y

直方圖確定。計(jì)算各灰度級(jí)的概率P(G)

GMP(Ge，式中，GMAXGe為邊緣點(diǎn)數(shù)在整幅圖中所占的比例，T圖像圖像配準(zhǔn)技術(shù)最根本的問(wèn)題是找出適當(dāng)?shù)膱D像轉(zhuǎn)換或類型，以正確匹配兩幅transformation)、投影變換(Projectivetransformation)。變，則該變換稱為剛體變換。剛體變換可分解為平移、旋轉(zhuǎn)和反轉(zhuǎn)，在二中，點(diǎn)(x，y)經(jīng)剛體變換到點(diǎn)(x',y')的變換公式為x' -sinx+ cos

其中x'=a11a12x+ a 其中 x'a11xa12ya13a31xa32y

y'a21xa22ya31xa32y

x',y'Fx, x'aa10xa01ya20x2a11xya02y2 圖像配準(zhǔn)算法關(guān)的噪聲的特性。大多數(shù)頻率域的方法基于這樣的事實(shí)[6]兩幅相對(duì)平移的圖像在頻率域上表現(xiàn)為相位的移動(dòng),兩者相位相關(guān)性就可以估計(jì)平移值。而旋轉(zhuǎn)和縮放尺度的估計(jì),是通過(guò)對(duì)頻譜的幅值作對(duì)數(shù)—極變換,將估計(jì)旋轉(zhuǎn)和縮放問(wèn)題轉(zhuǎn)換成估計(jì)水平與垂直平移問(wèn)題后,再用相位相關(guān)法第三 空域x,yIxu,yI2xu,yI2xu,yvy

2Ixu,yv

Eu,vTx,yIxu,y

相位相位相關(guān)法是基于變換平移定理,即信號(hào)在空域的平移對(duì)應(yīng)于其頻域的相移,而通過(guò)相位相關(guān)可以把平移參數(shù)并提取出來(lái)。假定f(x,y)和g(x,y)之間只有如下g(x,y)fxx0,yy0 式(3.6)中G(u,v)和F(u,v)分別為g(x,y)和f(x,y)的變換。則它的歸一化互動(dòng)頻Gu,vF*u,vGu,vF*u,vCorru,v Gu,vF*u,v由此可見(jiàn)，式(3.7)的結(jié)果僅與平移量x0，y0有關(guān)。進(jìn)一步求解對(duì)相位因子exp[-取逆變換后得到一個(gè)平移的單位脈沖函數(shù)xx,yy,通過(guò)搜索可以獲得偏移量。受到頻譜混疊、噪聲以及間不完全等因素影響,脈沖的實(shí)際幅度要小于1,其余能量以噪聲形式均勻分布在區(qū)域內(nèi)?；谔卣鼽c(diǎn)的Ex,y

Ixu,yu

2x,yM

式中M

Ax,Cx,

Cx,

,Axy

2Gx,y，Bx,yI2Gx, Cx,yIxyGx,y，則Harris算子R（x,y R(x,y)=det(M)- SIFT算法的主要關(guān)鍵點(diǎn)描述子的生成，即生成SIFT基于塊的配準(zhǔn)MVCB(motionvectorcorrelationbasedmotionestimationalgorithm)算法是基于運(yùn)動(dòng)(2（4用HBS基于光流的配確定在位置(z，y，f)處的兩個(gè)光流分量u和v。 Eu,vK*IuIv 這里E(u,v)滿足E0和E KI2KII KII

xy

xt KIxIyKIy2 KIyItE u2u2v2v2 IuIv 最小。因?yàn)橛袃蓚€(gè)誤差ED和ES，再考慮彼此的權(quán)重，于是得到總的約束條件：總

u,vMinIuIvI

u

22v22

差EHS=ED+ES也應(yīng)該222 差EHS=ED+ES也應(yīng)該222不能反應(yīng)對(duì)基本方程的實(shí)際偏離情況，宜取較大的值以削弱ED。第四章Keren變換算法的基礎(chǔ)上擴(kuò)展到旋轉(zhuǎn)-平移模型。Keren算法采用三層金字塔，也就是對(duì)兩張都是N×N的原始圖像，進(jìn)行濾波和降采樣，變成兩張N/2×N/2的圖像，再對(duì)辨率由粗到精的圖像金字塔。再?gòu)拇值牡谝粚娱_(kāi)始求取參數(shù)X，然后根據(jù)X對(duì)第二層的Keren法原I2x,yGI1Hx,y 其中H表示二維坐標(biāo)變換，G表示一維灰度變換。圖像配準(zhǔn)的目的就是求取最優(yōu)的坐標(biāo)變換H和灰度變換G。通?；叶茸儞Q一般是不需要求取的，因此圖像配準(zhǔn)的關(guān)鍵問(wèn)題是待配準(zhǔn)圖像與基準(zhǔn)圖像之間的坐標(biāo)變換關(guān)系。而Keren算法就是基于剛體x' sinxy y b

其中為旋轉(zhuǎn)角度，a，b為平移量，帶入(4.1)I2x,yI1xcosysina,ycosxsin當(dāng)較小時(shí)，sin,cos

I2x,yI1xayx2/2,ybxy2/ Ix,yIx,yayx2/2I1bxy2/2

1 2 yEa,b,Ix,yayx2/2I1bxy2/2I11 2 yx,y XC

f f

Rf x x fgf

x f f 其中Xb，C ，R ，Vfgf x y y R

R

R2

Rgf

Keren法實(shí)將圖像 對(duì)邊緣圖像進(jìn)行3層金字塔分解初始化配準(zhǔn)參數(shù)X=[000]T超分辨重建――插值

圖4.1最近鄰域插值中。如圖4.2所示，P(xp，yp)的灰度值為Ix,y1 I121

I22

y

圖4.2雙線性插值雙三次線性插值法是用一個(gè)三次重采樣函數(shù)w(t)來(lái)近似表示灰度內(nèi)插時(shí)周圍像點(diǎn)12t2t3

0t

1t t圖4.3雙三次線性插值法設(shè)內(nèi)插點(diǎn)P的最近像素點(diǎn)為22，像素間的間隔為l，且P點(diǎn)到像素點(diǎn)22間的距離在xy方向的投影分別為x和y，則內(nèi)插點(diǎn)p的灰度值Dp為Dw1xwxw1xw2xD21D22

w1y 34 D41D42D43D44w2y式中Dij為點(diǎn)ij的灰度值，它的優(yōu)點(diǎn)是內(nèi)插精度高，缺點(diǎn)是運(yùn)算量(a)原始圖 (b)最近領(lǐng)域插 (c)雙線性插 (d)雙三次線性插圖4.4圖像插值方法第五章圖5.1原始圖像 圖5.2原始圖像圖5.3原始圖像 圖5.4原始圖像經(jīng)過(guò)Keren算法，2倍插值因子重建后圖5.5重建圖像表5.1實(shí)驗(yàn)一配準(zhǔn)參數(shù)XY100023-4-5000

圖5.6原始圖像 圖5.7原始圖像 圖5.8原