圖像識別匹配技術(shù)基礎(chǔ)學(xué)習(xí)知識原理要點

,.第1章 緒論1.1 研究背景及意義數(shù)字圖像，又稱數(shù)碼圖像或數(shù)位圖像，是二維圖像用有限數(shù)字?jǐn)?shù)值像素的表示。通常，像素在計算機(jī)中保存為二維整數(shù)數(shù)組的光柵圖像，這些值經(jīng)常用壓縮格式進(jìn)行傳輸和儲存。數(shù)字圖像可以由許多不同的輸入設(shè)備和技術(shù)生成，例如數(shù)碼相機(jī)、掃描儀、坐標(biāo)測量機(jī)等，也可以從任意的非圖像數(shù)據(jù)合成得到，例如數(shù)學(xué)函數(shù)或者三維幾何模型，三維幾何模型是計算機(jī)圖形學(xué)的一個主要分支。數(shù)字圖像處理領(lǐng)域就是研究它們的變換算法。感謝閱讀數(shù)字圖像處理(DigitalImageProcessing)是通過計算機(jī)對圖像進(jìn)行去除噪聲、增強(qiáng)、復(fù)原、分割、提取特征等處理的方法和技術(shù)。數(shù)字圖像處理的產(chǎn)生和迅速發(fā)展主要受三個因素的影響:一是計算機(jī)的發(fā)展;二是數(shù)學(xué)的發(fā)展(特別是離散數(shù)學(xué)理論的創(chuàng)立和完善);三是廣泛的農(nóng)牧業(yè)、林業(yè)、環(huán)境、軍事、工業(yè)和醫(yī)學(xué)等方面的應(yīng)用需求的增長。精品文檔放心下載圖像配準(zhǔn)(Imageregistration)就是將不同時間、不同傳感器(成像設(shè)備)或不同條件下(天候、照度、攝像位置和角度等)獲取的兩幅或多幅圖像進(jìn)行匹配、疊加的過程，它已經(jīng)被廣泛地應(yīng)用于遙感數(shù)據(jù)分析、計算機(jī)視覺、圖像處理等領(lǐng)域。謝謝閱讀圖像配準(zhǔn)的方法迄今為止，在國內(nèi)外的圖像處理研究領(lǐng)域，已經(jīng)報道了相當(dāng)多的圖像配準(zhǔn)研究工作，產(chǎn)生了不少圖像配準(zhǔn)方法?？偟膩碚f，各種方法都是面向一定范圍的應(yīng)用領(lǐng)域，也具有各自的特點。比如計算機(jī)視覺中的景物匹配和飛行器定位系統(tǒng)中的地圖匹配，依據(jù)其完成的主要功能而被稱為目標(biāo)檢測與定位，根據(jù)其所采用的算法稱之為圖像相關(guān)等等。感謝閱讀基于灰度信息的圖像配準(zhǔn)方法一般不需要對圖像進(jìn)行復(fù)雜的預(yù)先處理，而是利用圖像本身具有灰度的一些統(tǒng)計信息來度量圖像的相似程度。主要特點是實現(xiàn)簡單，但應(yīng)用范圍較窄，不能直接用于校正圖像的非線性形變，在最優(yōu)變換的搜索過程中往往需要巨大的運算量。經(jīng)過幾十年的發(fā)展，人們提出了許多基于灰度信息的圖像配準(zhǔn)方法，大致可以分為三類：互相關(guān)法（也稱模板匹配法）、序貫相似度檢測匹配法、交互信息法。謝謝閱讀目前主要圖像配準(zhǔn)方法有基于互信息的配準(zhǔn)方法，基于相關(guān)性的配準(zhǔn)方法和精品文檔放心下載,.基于梯度的配準(zhǔn)方法。其中基于梯度的方法基本很少單獨使用，而作為一個輔助性的測度與其它方法相結(jié)合起來使用。基于灰度的配準(zhǔn)算法是醫(yī)學(xué)圖像配準(zhǔn)研究的發(fā)展方向，也是目前研究的熱點之一?；诨叶鹊呐錅?zhǔn)方法與基于特征的配準(zhǔn)方法的區(qū)別在于前者沒有提取圖像特征的步驟，直接對圖像中的灰度進(jìn)行處理?；诨叶鹊呐錅?zhǔn)方法計算復(fù)雜度高、對圖像的灰度、旋轉(zhuǎn)、形變以及遮擋都比較敏感。謝謝閱讀灰度相關(guān)的配準(zhǔn)方法是從待拼接圖像的灰度值出發(fā),圖像拼接故而成為灰度相關(guān)的配準(zhǔn)算法的一個基礎(chǔ)。圖像拼接(imagemosaic)技術(shù)是將一組相互間重疊部分的圖像序列進(jìn)行空間匹配對準(zhǔn),經(jīng)重采樣合成后形成一幅包含各圖像序列信息的寬視角場景的、完整的、高清晰的新圖像的技術(shù)。圖像拼接在攝影測量學(xué)、計算機(jī)視覺、遙感圖像處理、醫(yī)學(xué)圖像分析、計算機(jī)圖形學(xué)等領(lǐng)域有著廣泛的應(yīng)用價值。感謝閱讀灰度相關(guān)的圖像配準(zhǔn)算法在圖像處理技術(shù)中起著十分關(guān)鍵的作用，它是圖像處理技術(shù)得以發(fā)展的一個重要基礎(chǔ)。它推動著圖像處理技術(shù)在醫(yī)學(xué)、生物、信息處理和其他很多高科技領(lǐng)域內(nèi)的應(yīng)用，它已漸漸發(fā)展成社會生活中不可分離的一種技術(shù)，對于圖像處理技術(shù)發(fā)展及應(yīng)用具有重要意義。謝謝閱讀1.2 圖像配準(zhǔn)方法概述配準(zhǔn)技術(shù)的流程如下：首先對兩幅圖像進(jìn)行特征提取得到特征點；通過進(jìn)行精品文檔放心下載相似性度量找到匹配的特征點對；然后通過匹配的特征點對得到圖像空間坐標(biāo)變精品文檔放心下載換參數(shù)：最后由坐標(biāo)變換參數(shù)進(jìn)行圖像配準(zhǔn)。而特征提取是配準(zhǔn)技術(shù)中的關(guān)鍵，感謝閱讀準(zhǔn)確的特征提取為特征匹配的成功進(jìn)行提供了保障。因此，尋求具有良好不變性精品文檔放心下載和準(zhǔn)確性的特征提取方法，對于匹配精度至關(guān)重要。圖像配準(zhǔn)的方式可以概括為相對配準(zhǔn)和絕對配準(zhǔn)兩種：相對配準(zhǔn)是指選擇多精品文檔放心下載圖像中的一張圖像作為參考圖像，將其它的相關(guān)圖像與之配準(zhǔn)，其坐標(biāo)系統(tǒng)是任謝謝閱讀意的。絕對配準(zhǔn)是指先定義一個控制網(wǎng)格，所有的圖像相對于這個網(wǎng)格來進(jìn)行配謝謝閱讀準(zhǔn)，也就是分別完成各分量圖像的幾何校正來實現(xiàn)坐標(biāo)系的統(tǒng)一。本文主要研究謝謝閱讀大幅面多圖像的相對配準(zhǔn)，因此如何確定多圖像之間的配準(zhǔn)函數(shù)映射關(guān)系是圖像感謝閱讀配準(zhǔn)的關(guān)鍵。通常通過一個適當(dāng)?shù)亩囗検絹頂M合兩圖像之間的平移、旋轉(zhuǎn)和仿射精品文檔放心下載變換，由此將圖像配準(zhǔn)函數(shù)映射關(guān)系轉(zhuǎn)化為如何確定多項式的系數(shù)，最終轉(zhuǎn)化為感謝閱讀如何確定配準(zhǔn)控制RCP 。,.目前，根據(jù)如何確定RCP的方法和圖像配準(zhǔn)中利用的圖像信息區(qū)別可將圖像配準(zhǔn)方法分為三個主要類別：基于灰度信息法、變換域法和基于特征法，其中基于特征法又可以根據(jù)所用的特征屬性的不同而細(xì)分為若干類別。以下將根據(jù)這一分類原則來討論目前已經(jīng)報道的各種圖像配準(zhǔn)方法和原理。感謝閱讀1.3 研究現(xiàn)狀國外從20世紀(jì)60年代就開始在圖像配準(zhǔn)領(lǐng)域進(jìn)行研究，但直到1980年感謝閱讀代才開始引起學(xué)者們的關(guān)注。到上世紀(jì)末，單模圖像配準(zhǔn)問題已基本解決，但多感謝閱讀模圖像配準(zhǔn)由于涉及模式和領(lǐng)域的復(fù)雜性，仍需密切關(guān)注。國際上對圖像配準(zhǔn)技謝謝閱讀術(shù)曾做過調(diào)查，其結(jié)論是1990年代初技術(shù)就明顯增加。而國內(nèi)從1990年代初謝謝閱讀才開始涉足此領(lǐng)域。與灰度相關(guān)的圖像配準(zhǔn)算法是圖像配準(zhǔn)算法中比較經(jīng)典的一謝謝閱讀種，很多配準(zhǔn)技術(shù)都以它為基礎(chǔ)進(jìn)行延伸和擴(kuò)展。針對多光譜遙感圖像，提出了一種基于局部灰度極值的配準(zhǔn)方法：通過在基精品文檔放心下載準(zhǔn)圖像和待配準(zhǔn)圖像中同步尋找含有灰度極值的小區(qū)域，再用多項式對極值區(qū)域感謝閱讀進(jìn)行曲面擬合，最后，分別計算小區(qū)域的極值點作為特征點進(jìn)行配準(zhǔn)。并用真實感謝閱讀和模擬多光譜圖像進(jìn)行了試驗結(jié)果顯示該課題提出具有算法簡單和配準(zhǔn)精度高感謝閱讀的特點。這是與灰度相關(guān)圖像配準(zhǔn)算法有關(guān)的一個擴(kuò)展應(yīng)用。謝謝閱讀1.4 研究問題及內(nèi)容本文在分析了灰度相關(guān)的圖像配準(zhǔn)算法中的線匹配法、比值匹配法和塊匹配精品文檔放心下載法，利用這三種方法分別實現(xiàn)兩幅圖像在水平垂直位移上的配準(zhǔn)，而本課題研究感謝閱讀的內(nèi)容是提出一種基于灰度相關(guān)的算法，不僅能實現(xiàn)兩幅圖在水平和垂直位移的精品文檔放心下載配準(zhǔn)，同時也能實現(xiàn)在繞光軸旋轉(zhuǎn)情況下的圖像配準(zhǔn)。這里提出了一種方法，多謝謝閱讀尺度模塊匹配法。在這三種匹配的環(huán)境下，它能實現(xiàn)水平垂直位移上的匹配、縮精品文檔放心下載放以及旋轉(zhuǎn)。同時通過在Matlab編程環(huán)境下編程實現(xiàn)相關(guān)算法，通過實際圖像精品文檔放心下載的配準(zhǔn)試驗，利用這些結(jié)論最終得到精確地配準(zhǔn)結(jié)果。,.第2章 圖像配準(zhǔn)基本理論2.1 圖像配準(zhǔn)的基本介紹2.1.1 圖像配準(zhǔn)的描述圖像配準(zhǔn)是對取自不同時間，不同傳感器或不同視角的同一場景的兩幅圖像或者多幅圖像匹配的過程。圖像配準(zhǔn)廣泛用于多模態(tài)圖像分析，是醫(yī)學(xué)圖像處理的一個重要分支，也是遙感圖像處理，目標(biāo)識別，圖像重建，機(jī)器人視覺等領(lǐng)域中的關(guān)鍵技術(shù)之一，也是圖像融合中要預(yù)處理的問題，待融合圖像之間往往存在偏移、旋轉(zhuǎn)、比例等空間變換關(guān)系，圖像配準(zhǔn)就是將這些圖像變換到同一坐標(biāo)系下，以供融合使用。感謝閱讀2.1.2 圖像配準(zhǔn)的定義對于二維圖像配準(zhǔn)可定義為兩幅圖像在空間和灰度上的映射 ，如果給定尺謝謝閱讀[4]寸的二維矩陣F1和F2代表兩幅圖像，F(xiàn)1(X,Y)和F2(X,Y)分別表示相應(yīng)位置謝謝閱讀(X,Y)上的灰度值，則圖像間的映射可表示為：F2(X,Y)G(F1(H(X,Y))),式中感謝閱讀表示一個二維空間坐標(biāo)變換，即(X',Y')H(X,Y)，且G是一維灰度變換。感謝閱讀2.1.3 圖像配準(zhǔn)的步驟圖像配準(zhǔn)的基本過程可以分為三個步驟：第一步是為每一個圖像信息模式各定義一個坐標(biāo)系F(X,Y)，然后再定義這些參考特征之間的失調(diào)或相似函數(shù)；第二步是分割出圖像的參考特征，再定義這些參數(shù)特征之間的失調(diào)或相似函數(shù)；第三步是應(yīng)用優(yōu)化算法，使第二步中失調(diào)（相似）函數(shù)達(dá)到全局最?。ㄗ畲螅┲担_(dá)到兩幅圖像的配準(zhǔn)。其中參考特征和對應(yīng)優(yōu)化算法的選擇是配準(zhǔn)的核心，也是不同配準(zhǔn)算法的差異所在。感謝閱讀2.2 圖像配準(zhǔn)的相關(guān)概念2.2.1 配準(zhǔn)基準(zhǔn)通常，圖像配準(zhǔn)中根據(jù)配準(zhǔn)基準(zhǔn)的特性，可分為基于外部基準(zhǔn)的配準(zhǔn)和基于精品文檔放心下載,.內(nèi)部基準(zhǔn)的配準(zhǔn)，外部基準(zhǔn)是指強(qiáng)加于待配準(zhǔn)對象的各種人造標(biāo)記，這些標(biāo)記謝謝閱讀[5]必須在各種配準(zhǔn)模式中都清晰可見且可準(zhǔn)確檢測到。內(nèi)部基準(zhǔn)是指由圖像本身得到的位置相對固定且圖像特征明晰的各種配準(zhǔn)標(biāo)識。謝謝閱讀2.2.2 映射變換與配準(zhǔn)區(qū)域f1和f2表示兩幅待匹配的圖像，I1(x)I1(x,y)和I2(x')I2(x',y')分別表示兩幅圖像的密度函數(shù)，其中x(x,y)和x'(x',y')分別表示在圖像D1和D2精品文檔放心下載中的像素坐標(biāo)。圖像匹配就是要找到一個把圖像 f1映射到圖像f2的變換感謝閱讀(x)(U(x,y),V(x,y)),使得變換后的圖像I3(M(x))和I2(x')具有幾何對應(yīng)性。這種映射變換有剛體變換、仿射變換、投影變換以及曲線變換等。配準(zhǔn)時的變換區(qū)域根據(jù)實際需要又分為局部配準(zhǔn)和全局配準(zhǔn)。局部變換一般很少直接使用，因為它會破壞圖像的局部連續(xù)性，且變換的雙映射性會影響圖像的再采樣。從近期關(guān)于圖像配準(zhǔn)方面的文章看，一般剛性和仿射多用于全局變換，而曲線變換多用于局部變換。精品文檔放心下載2.2.3 配準(zhǔn)的交互性與優(yōu)化根據(jù)人的參與程序配準(zhǔn)又可分為全自動式，交互式和半自動式三種。全自動式中使用者僅需給相應(yīng)算法提供圖像數(shù)據(jù)以及圖像獲取的一些可能信息；交互式中使用者必須親自進(jìn)行配準(zhǔn)，軟件僅給目前變換提供一個可視的或數(shù)字的感官印象以及初始變換的一個可能參數(shù)；半自動式中，交互式有兩種方式：一種是使用者須初始化算法，如分割數(shù)據(jù)，另一種是指導(dǎo)算法，如拒絕或接受配準(zhǔn)假設(shè)。謝謝閱讀配準(zhǔn)變換的參數(shù)可以是直接計算出的，也可以是搜索計算出的。直接計算的最優(yōu)化方法一般已完全由實例決定，所能研究的工作也僅限于如何使用非常少的信息把此計算方法應(yīng)用于實際。搜索計算的最優(yōu)化方法大多都可以用待優(yōu)化的變換參數(shù)的一個標(biāo)準(zhǔn)數(shù)學(xué)函數(shù)來表達(dá)配準(zhǔn)實例，此函數(shù)力圖使圖像在某一變換時兩幅圖像可達(dá)到最大相似。這些函數(shù)通常在單模配準(zhǔn)中能簡單一些，因為此時圖像的相似性更能容易直接定義。我們可以通過使用一個標(biāo)準(zhǔn)的、合適的最優(yōu)化方法使相似函數(shù)達(dá)到最優(yōu)。精品文檔放心下載目前應(yīng)用比較廣泛的方法有Powell的方法、DownhillSimplex方法、Brent的方法以及一系列一維搜索算法、Levenberg-Marquardt最優(yōu)化算法、Newton-Raphson迭代算法、stochastic搜索算法、梯度下降法(gradient精品文檔放心下載,.descentmethods)、遺傳算法(geneticmethods)、模擬退火法(simulatedannealing)，粒子群算法(particesworm)，蟻群算法(ant)，幾何散列法(geometrichashing)。多分辨率(如金字塔)和多尺度方法可以加速最優(yōu)化的收斂速度。許多實際應(yīng)用中使用了不止一種最優(yōu)化方法，一般是先使用一種粗糙但快速的算法，然后再接著使用一種準(zhǔn)確但運算速度慢的算法。精品文檔放心下載2.2.4 圖像成像模式與配準(zhǔn)方法的分類有單模式和多模式等，單模(monomodality)圖像配準(zhǔn)是指待配準(zhǔn)的兩幅圖感謝閱讀像是同一種成像設(shè)備獲取的。多模(multimodality)圖像配準(zhǔn)[6]是指待配準(zhǔn)的兩謝謝閱讀幅圖像來源于不同的成像設(shè)備?；诨叶刃畔⒌膱D像配準(zhǔn)方法一般不需要對圖像進(jìn)行復(fù)雜的預(yù)先處理，而是利用圖像本身具有灰度的一些統(tǒng)計信息來度量圖像的相似程度。主要特點是實現(xiàn)簡單，但應(yīng)用范圍較窄，不能直接用于校正圖像的非線性形變，在最優(yōu)變換的搜索過程中往往需要巨大的運算量。經(jīng)過幾十年的發(fā)展，人們提出了許多基于灰度信息的圖像配準(zhǔn)方法，大致可以分為三類：互相關(guān)法（也稱模板匹配法）、最大互信息法和基于小波變換的圖像配準(zhǔn)法。精品文檔放心下載互相關(guān)法對于同一物體由于各種圖像獲取條件的差異或物體自身發(fā)生的空間位置的改變而產(chǎn)生的單模圖像配準(zhǔn)問題常常應(yīng)用互相關(guān)法。在互相關(guān)法中互相關(guān)值的大小反映了配準(zhǔn)的效果?；ハ嚓P(guān)法的思路是找出使各圖像之間相關(guān)性最大的空間變換參數(shù)來實現(xiàn)圖像的配準(zhǔn)。該方法通過優(yōu)化兩幅圖像間謝謝閱讀的相似性測度來估計空間變換參數(shù)（剛體的平移和旋轉(zhuǎn)參數(shù)），采用的相似性測度可以是多種多樣的，例如相關(guān)系數(shù)，差值的平方和及相關(guān)函數(shù)等。精品文檔放心下載其中最經(jīng)典的相似性測度是歸一化的相關(guān)系數(shù)(correlationcoefficient,CC)，精品文檔放心下載即：,(2.1)式中，F(xiàn)為模板圖像，F(xiàn)fN1，f為圖像F的灰度；G為與F有相同大nn1n,.小的目標(biāo)圖像

Gg

N1，g為圖像nnn1

G的灰度；

f和g分別為圖像

F和G灰度的均方值。由于要對每種變換參數(shù)可能的取值都要計算一次相似性測度，感謝閱讀互相關(guān)法的計算量比較龐大，因此近年來發(fā)展了快速搜索算法，例如，用感謝閱讀相位相關(guān)傅立葉法估算平移和旋轉(zhuǎn)參數(shù)；用遺傳算法和模擬退火技術(shù)減少感謝閱讀搜索時間和克服局部極值問題。尤其注意的是互相關(guān)法受到不同模態(tài)成像特點的影響，例如同一物體在不同的模態(tài)圖像中表現(xiàn)出紋理和密度的非線性差異，使相關(guān)性計算無意義，故互相關(guān)性法主要局限于單模圖像配準(zhǔn)[7]。對于條件不好或曲線不完全閉合的圖像配準(zhǔn)，Kaneko等提出了一種選擇性相關(guān)系數(shù)法(selectivecorrelationcoefficient，即SCC)，SCC實際上是CC的擴(kuò)展，SCC在每次為其計算時間僅僅依靠兩幅圖像精品文檔放心下載灰度的比較過程，故其代價非常小甚至可以忽略不計。(2)最大互信息法(MaximizationofMutualInformation)謝謝閱讀互信息是信息論的一個基本概念，是兩個隨機(jī)變量統(tǒng)計相關(guān)性的測度。最大精品文檔放心下載互信息法幾乎可以用在任何不同模式圖像的配準(zhǔn)，特別是當(dāng)其中一個圖像的數(shù)據(jù)感謝閱讀部分缺損時也能得到很好的配準(zhǔn)效果。當(dāng)含有相同內(nèi)容的兩幅圖像通過幾何變換謝謝閱讀在空間對齊時，它們所包含的灰度值的互信息量最大。因此最大化的互信息量可感謝閱讀以作為圖像配準(zhǔn)準(zhǔn)則?；谧畲蠡バ畔8]的配準(zhǔn)過程實質(zhì)上是搜索最佳的幾何變換參數(shù)，使兩幅圖謝謝閱讀像的互信息達(dá)到最大。該方法采用整幅圖像的所有像素共同組成特征空間，再根感謝閱讀據(jù)特征空間確定一種空間變換，使一幅圖像經(jīng)過該變換后和另一幅圖像的互信息謝謝閱讀最大，最終實現(xiàn)配準(zhǔn)?；バ畔?MutualInformation,MI)是信息論中的一個測度，用于描述兩個變感謝閱讀量間的統(tǒng)計相關(guān)性，或一個變量中包含的另一個變量中的信息的多少，表示兩個謝謝閱讀隨機(jī)變量之間的依賴程度，一般用熵來表示。熵表達(dá)的是一個系數(shù)的復(fù)雜性和不精品文檔放心下載確定性。變量A的熵定義為：H(A)P(a)logP(a),(2.2)AAaH(A,B)P(a,b).logP(a,b),(2.3)ABAB,b,.將待配準(zhǔn)的兩幅醫(yī)學(xué)圖像定義為浮動圖像 A和參考圖像B，它們是關(guān)謝謝閱讀于圖像灰度的兩個隨機(jī)變量集。設(shè)它們的邊緣概率分布分別為PA(a)、謝謝閱讀PB(b)，聯(lián)合概率分布PAB(a,b)，則它們的互信息MI(A,B)為：精品文檔放心下載, (2.4)當(dāng)兩幅圖像的空間位置達(dá)到一致時，其中一幅圖像表達(dá)另一幅圖像的信息，即其互信息應(yīng)為最大。繼互信息測度提出后，學(xué)者們對基于Shannon熵的方法做了進(jìn)一步的研究，相繼提出了比互信息更為穩(wěn)定的，其它一些形式的熵測度，稱為歸一化的互信息，例如Studholme提出了歸一化互信息測度(nrimalizedmutualinformation,NMI):精品文檔放心下載, （2.5）(3)基于小波的圖像配準(zhǔn)方法近年來圖像配準(zhǔn)的重要發(fā)展之一是采用小波變換進(jìn)行圖像局部特征提取，該精品文檔放心下載方法的關(guān)鍵技術(shù)是二維離散小波分解。設(shè)在x,y平面內(nèi)的二維圖像f(xi,yi),精品文檔放心下載基于二維離散小波變換的圖像分解是將該原始圖像在某一尺度上分別在 x,y方感謝閱讀向上進(jìn)行小波分解，每次分解后的低頻部分用L表示，高頻部分用H表示。謝謝閱讀在某一尺度上，圖像可以經(jīng)過x方向和y方向的離散小波變換后分解為4個子圖像，在x方向和y方向都是高頻子圖像fHH(xi,yi),在x方向是低頻，在y方向是高頻子圖像fLH(xi,yi)和在x方向是高頻y方向是低頻的子圖像感謝閱讀fHL(xi,yi)。低頻子圖像給出了原圖像的概貌，高頻子圖像給出了原圖像的細(xì)貌。對于二維正交小波變換有其快速算法-Mallat算法，它把小波變換的計算問感謝閱讀題轉(zhuǎn)化為小波變換后系數(shù)的計算問題：在實際操作中，給出M1尺度層上的離感謝閱讀散采樣值{fM1(m,n)}數(shù)據(jù)，要計算M尺度層上的小波變換系數(shù)，即分解算法感謝閱讀的問題?；谛〔ㄗ儞Q的圖像配準(zhǔn)方法有多分辨率分析的優(yōu)勢，能夠提高配準(zhǔn)的感謝閱讀速度。2.3 灰度相關(guān)的配準(zhǔn)方法基于灰度信息的圖像配準(zhǔn)方法一般不需要對圖像進(jìn)行復(fù)雜的預(yù)先處理，而是謝謝閱讀利用圖像本身具有灰度的一些統(tǒng)計信息來度量圖像的相似程度。主要特點是實現(xiàn)精品文檔放心下載,.簡單，但應(yīng)用范圍較窄，不能直接用于校正圖像的非線性形變，在最優(yōu)變換的搜精品文檔放心下載索過程中往往需要巨大的運算量。經(jīng)過幾十年的發(fā)展，人們提出了許多基于灰度精品文檔放心下載信息的圖像配準(zhǔn)方法，大致可以分為三類：互相關(guān)法（也稱模板匹配法）、序貫感謝閱讀相似度檢測匹配法、交互信息法。互相關(guān)法是最基本的基于灰度統(tǒng)計的圖像配準(zhǔn)[9]方法，通常被用于進(jìn)行模板精品文檔放心下載匹配和模式識別。它是一種匹配度量，通過計算模板圖像和搜索窗口之間的互相精品文檔放心下載關(guān)值，來確定匹配的程度，互相關(guān)值最大時的搜索窗口位置決定了模板圖像在待感謝閱讀配準(zhǔn)圖像中的位置。序貫相似度檢測匹配法(SequentialSimilarityDetectionAlgorithms，感謝閱讀SSDA)是由Barnea等人提出來的。SSDA方法的最主要的特點是處理速度快。該方法先選擇一個簡單的固定門限T，若在某點上計算兩幅圖像殘差和的過程中，感謝閱讀殘差和大于該固定門限T，就認(rèn)為當(dāng)前點不是匹配點，從而終止當(dāng)前的殘差和的感謝閱讀計算，轉(zhuǎn)向別的點去計算殘差和，最后認(rèn)為殘差和增長最慢的點就是匹配點。這謝謝閱讀種方法的基本思想是基于對誤差的積累進(jìn)行分析。所以對于大部分非匹配點來謝謝閱讀說，只需計算模板中的前幾個像素點，而只有匹配點附近的點才需要計算整個模感謝閱讀板。這樣平均起來每一點的運算次數(shù)將遠(yuǎn)遠(yuǎn)小于實測圖像的點數(shù)，從而達(dá)到減少感謝閱讀整個匹配過程計算量的目的。交互信息法最初是Viola等人于1995年把交互信息引入到圖像配準(zhǔn)的領(lǐng)域精品文檔放心下載的，它是基于信息理論的交互信息相似性準(zhǔn)則。初衷是為了解決多模態(tài)醫(yī)學(xué)圖像精品文檔放心下載的配準(zhǔn)問題。交互信息用來比較兩幅圖像的統(tǒng)計依賴性。首先將圖像的灰度視作具有獨立謝謝閱讀樣本的空間均勻隨機(jī)過程，相關(guān)的隨機(jī)場可以采用高斯—馬爾科夫隨機(jī)場模型建感謝閱讀立，用統(tǒng)計特征[10]概率密度函數(shù)來描述圖像的統(tǒng)計性質(zhì)。交互信息是兩個隨機(jī)感謝閱讀變量A和B之間統(tǒng)計相關(guān)性的量度，或是一個變量包含另一個變量的信息量的量精品文檔放心下載度。交互信息圖像配準(zhǔn)方法一經(jīng)提出，有不少基于此類的研究，尤其在醫(yī)學(xué)圖像感謝閱讀的配準(zhǔn)問題上。比如將交互信息和梯度結(jié)合起來改善其極值性能的算法、多分辨精品文檔放心下載率圖像金字塔法等等。但交互信息是建立在概率密度估計的基礎(chǔ)上的，有時需要精品文檔放心下載建立參數(shù)化的概率密度模型，它要求的計算量很大，并且要求圖像之間有很大的精品文檔放心下載重疊區(qū)域，由此函數(shù)可能出現(xiàn)病態(tài)，且有大量的局部極值。精品文檔放心下載本文接下來將要陳述灰度相關(guān)的幾種配準(zhǔn)方法，大致可分為：線匹配法、比謝謝閱讀值匹配法和塊匹配法。比值匹配法是指將待配準(zhǔn)圖像的一定間隔的行或列的像素精品文檔放心下載,.的比值作為模板；塊匹配法是指將待配準(zhǔn)圖像的正方形區(qū)域的像素的集合作為模謝謝閱讀板。比值匹配法是從一幅圖像的重疊區(qū)域中部分相鄰的兩列上取出部分像素，然謝謝閱讀后以它們的比值作為模板，在另一幅圖像中搜索最佳匹配，這種算法計算量較小，精品文檔放心下載但精度低；塊匹配法是以一幅圖像重疊區(qū)域中的一塊作為模板，在另一幅圖像中謝謝閱讀搜索與此模板最相似的匹配塊，這種算法精度較高，但計算量過大。而設(shè)計一種謝謝閱讀基于灰度相關(guān)的算法，既能實現(xiàn)水平、垂直位移上的配準(zhǔn)，同時也能實現(xiàn)繞光軸精品文檔放心下載旋轉(zhuǎn)這種情況是本文的核心。,.第3章 線匹配法3.1 線匹配法基本介紹及原理針對圖像的平移、旋轉(zhuǎn)、尺度變換等整體匹配，提出了一種圖像線性變換的感謝閱讀匹配算法[11]。首先定義待匹配圖像匹配點間的線性變換模型，以對應(yīng)像素灰度精品文檔放心下載差平方和作為圖像匹配誤差函數(shù)，然后借助最小化誤差函數(shù)確定參數(shù)迭代增量，由迭代法求得最佳線性變換參數(shù)。為減少計算量與提高收斂速度提出了三種改進(jìn)策略：增加權(quán)函數(shù)、圖像網(wǎng)格點采樣和增加加速運動量。實驗顯示對于小范圍平移、旋轉(zhuǎn)及尺度變換的圖像能進(jìn)行準(zhǔn)確快速的整體匹配，而改進(jìn)策略能有效提高匹配速度。精品文檔放心下載3.2 線性變換圖像匹配模型令待匹配的兩幅二維圖像為F和G，兩幅圖像中任意一對匹配點的坐標(biāo)滿足謝謝閱讀線性變換關(guān)系。令圖像G中某一坐標(biāo)為X[x,y]T，它與圖像F中的坐標(biāo)Y對應(yīng)精品文檔放心下載(X,YR21)。上式中上標(biāo)T表示轉(zhuǎn)置運算。坐標(biāo)X與Y之間存在一個偏移量T，定義如下：精品文檔放心下載aaxay~T123@Xa,aaxay4561,x,y,0,0,0X0,0,0,1,x,y,感謝閱讀aa,a,a,a,a,aT精品文檔放心下載1 2 3 4 5 6因此坐標(biāo)變換可以表示為YXT,即像素G(X)與F(XT)對應(yīng)。感謝閱讀

(3.1)(3.2)(3.3)3.3 線匹配法具體的算法實現(xiàn)如果給定條件，兩幅圖像內(nèi)容整體間存在某種線性變換，則通過求解變換系感謝閱讀數(shù)能實現(xiàn)配準(zhǔn)。這對很多問題是一種合理假設(shè)?；谶@一思想，為解決圖像整體謝謝閱讀匹配問題，本文針對圖像的平移、旋轉(zhuǎn)、尺度變換等整體匹配，提出一種帶 6精品文檔放心下載,.個參數(shù)的坐標(biāo)線性變換圖像匹配新模型，該模型將匹配誤差定義為圖像整體誤差，通過最小化誤差函數(shù)確定參數(shù)迭代增量，由迭代法求得最佳線性變換參數(shù)。并且針對收斂速度提出了增加權(quán)函數(shù)、圖像網(wǎng)格點采樣和增加加速動量項三種策略及具體實現(xiàn)方法。精品文檔放心下載（1）誤差函數(shù)及參數(shù)求解算法圖像匹配的誤差函數(shù)定義為：E[F(XT)G(X)]2，(3.4)xR該公式中領(lǐng)域R與圖像G的分辨率一致。這種領(lǐng)域設(shè)置與光流模型的領(lǐng)域設(shè)置存在顯著不同，它對噪聲更不敏感。通過最小化誤差函數(shù)可以求出變換參數(shù)a，它決定各像素的偏移量T為建立迭代求解模型，引入增量a，代入式(3.1)得到謝謝閱讀0T，新的模型如下：aR61,TR21,(3.5)E[F(XTT)G(X)]2(3.6)xR為求解增量a，上述函數(shù)需要對a求偏導(dǎo)。一種可行方法是將F函數(shù)一階泰勒展開：F(XTT)F(XT)F'(XT)T(3.7)上式中點號表示積。將(3.7)代入(3.6)，對a求偏導(dǎo)，并令偏導(dǎo)為零，則得到下式：[~T~TT~TF'(3.8)(XF')(XF')]a(G(X)F(XT))XXRXR~TF'上式中F'表示F'(XT)，它用圖像F中坐標(biāo)X+T處得灰度梯度近似。X~T~TF')T]的逆矩陣即表示六維列向量。求a只需對方程(3.8)乘以[(XF')(XXR可。（2）迭代方法求解變換參數(shù)求解圖像G與圖像F間的匹配，可以用增量迭代法計算變換參數(shù)a向量，算謝謝閱讀法如下：,.①初始化a向量為零向量；②按式(3.8)計算參數(shù)增量a；③更新參數(shù)a:aaa；④如果a的二范數(shù)小于某一閾值，則表示迭代收斂，程序退出；若大于該閾精品文檔放心下載值則轉(zhuǎn)到步驟②繼續(xù)迭代；如果迭代次數(shù)超過最多限定次數(shù)則程序退出，提示不精品文檔放心下載收斂。判斷收斂的條件也可設(shè)置為最近n次迭代a的二范數(shù)之和小于某一閾值，感謝閱讀的典型取值為3。3.4 實驗結(jié)果和分析首先利用配準(zhǔn)圖像庫中的圖像，生成具有不同相對位移的子圖像；平移配準(zhǔn)謝謝閱讀參數(shù)可以在程序中進(jìn)行調(diào)整，圖3.1及圖3.2為配準(zhǔn)參數(shù)為rx112,cy112時生精品文檔放心下載成一對尺寸為400×400的兩幅圖像。圖3.1Lena參考圖像 圖3.2Lena待配準(zhǔn)圖像謝謝閱讀3.3及圖3.4為配準(zhǔn)參數(shù)為rx224;cy224時生成尺寸為288×288的兩幅圖像。精品文檔放心下載,.圖3.3Lena參考圖像 圖3.4Lena待配準(zhǔn)圖像精品文檔放心下載3.5及圖3.6為配準(zhǔn)參數(shù)為rx56;cy56生成尺寸為456×456的兩幅圖精品文檔放心下載像。圖3.5Lena參考圖像 圖3.6Lena待配準(zhǔn)圖像謝謝閱讀圖3.7為采用線模板匹配方法的實驗結(jié)果。黑色線段表示選取的線模板，連線表示線段兩端點為匹配點對。精品文檔放心下載圖3.7Lena線匹配效果圖由實驗可知，線模板匹配是在參考圖像中選定一行上取出部分像素的灰度值，在搜索圖中搜索最佳匹配。線匹配法的優(yōu)點是精確直觀，缺點是操作復(fù)雜，重復(fù)步驟較多，實用性不強(qiáng)。它只能處理簡單的平移變換下的圖像配準(zhǔn)，容易受謝謝閱讀,.光照的影響，不能實現(xiàn)圖像旋轉(zhuǎn)和縮放情況下的配準(zhǔn)，故而存在一定的局限性，適用性不強(qiáng)。謝謝閱讀,.第4章 比值匹配法4.1 比值匹配法基本介紹及原理比值匹配法[12]算法思路是利用圖像中兩列上的部分像素的比值作為模板，謝謝閱讀即在參考圖像(a)的重疊區(qū)域中分別在兩列上取出部分像素，用它們的比值作為謝謝閱讀模板，然后在搜索圖(b)中搜索最佳的匹配。匹配的過程是在搜索圖(b)中，由左至右依次從間距相同的兩列上取出部分像素，并逐一計算其對應(yīng)像素值比值;然后將這些比值依次與模板進(jìn)行比較，其最小差值對應(yīng)的列就是最佳匹配。這樣在比較中只利用了一組數(shù)據(jù)，而這組數(shù)據(jù)利用了兩列像素及其所包含的信息。精品文檔放心下載圖4.1為圖像模板選取示意圖，其中，圖1 (a)為(WH)像素的圖像，圖1感謝閱讀1(b)為(WH)像素的圖像，W和W可相等，也可不等。圖1(a)和圖1(b)為左感謝閱讀2 1 2右重疊關(guān)系，圖1(a)在圖1(b)的左邊。感謝閱讀jj+span jj+span(a)(WH)像素的圖像(b)(WH)像素的圖像12圖4.1圖像模板選取示意圖在圖4.1(a)的重疊區(qū)域選取間隔為span的2列像素（第j列和第jspan感謝閱讀列），計算其對應(yīng)像素比值，即a為模板。a(i)P(i,j)/P(i,(jspan))(4.1)11式中，i(1,H)，j為選定的列。在圖4.1(b)中從第1列開始依次取間隔為span的2列，計算其對應(yīng)像素的感謝閱讀比值，即為b模板。,.b(i,j)P(i,j)/P(i,j)(4.2)2122計算a模板與b模板差值，即為c模板，函數(shù)表達(dá)式為：c(i,j)(a(i,j)/b(i,j))2（4.3）式中，i(1,H)，j(1,Wspan)。c為二維數(shù)組，對c對應(yīng)的列向量求得到sum。精品文檔放心下載2Hc(i,j)（4.4）sum(j)i1sum(j)的大小就反映圖1所示圖像選定像素對應(yīng)列的差異，sum(j)的最小值精品文檔放心下載summin對應(yīng)的列坐標(biāo)Collable 即為最佳匹配。感謝閱讀min4.2 比值匹配法具體的算法實現(xiàn)該算法的具體實現(xiàn)步驟如下：在參考圖像(a)中間隔為c個像素的距離上的兩列像素中，各取m個像素，計算這m個像素的比值，將m個比值存入數(shù)組中，將其作為比較的模板。精品文檔放心下載從搜索圖(b)中在同樣相隔c個像素的距離上的兩列，各取出mn個像素，計算其比值，將mn個比值存入數(shù)組。假定垂直錯開距離不超過n個像素，多取的n個像素則可以解決圖像垂直方向上的交錯問題。精品文檔放心下載利用參考圖像(a)中的比值模板在搜索圖(b)中尋找相應(yīng)的匹配。首先進(jìn)行垂直方向上的比較，即記錄下搜索圖(b)中每個比值數(shù)組內(nèi)的最佳匹配。再將每個數(shù)組的組內(nèi)最佳匹配進(jìn)行比較，即進(jìn)行水平方向的比較，得到的最小值就認(rèn)為是全局最佳匹配。此時全局最佳匹配即為圖像間在水平方向上的偏移距離，該全局最佳匹配隊?wèi)?yīng)的組內(nèi)最佳匹配即為圖像間垂直方向上的偏移距離。精品文檔放心下載本算法的思路是在第1幅圖像的重疊區(qū)域中分別在2列取出部分像素，用精品文檔放心下載它們的比值作為模板；在第2幅圖像中由左至右依次從間距相同2列取出部分感謝閱讀像素，并逐一計算其對應(yīng)像素值比值；然后將這些比值依次與模板進(jìn)行比較，其感謝閱讀最小差值所對應(yīng)的列就是最佳匹配。,.4.3 實驗結(jié)果和分析以下是光照效果由弱到強(qiáng)的比值匹配仿真實驗結(jié)果圖。比值匹配和線匹配相感謝閱讀比不同之處是通過不同亮度的調(diào)節(jié)可檢測到配準(zhǔn)參數(shù)，由此可以看出它們的區(qū)感謝閱讀別。比值匹配是利用兩條線段的比值進(jìn)行匹配?；叶缺戎灯ヅ浞ㄝ^線匹配法多了精品文檔放心下載一項光照對平移參數(shù)的影響，下面我們以平移參數(shù)為主，著重研究輸入圖像存在謝謝閱讀亮度差異時，仿真圖像配準(zhǔn)的實驗效果。圖4.2為待配準(zhǔn)圖像與參考圖像之間存在亮度差異為-20%時的配準(zhǔn)效果謝謝閱讀圖。圖4.2Lena灰度比值匹配圖（亮度差異-20%）感謝閱讀圖4.3為待配準(zhǔn)圖像與參考圖像之間存在亮度差異為+5%時的配準(zhǔn)效果圖。感謝閱讀圖4.3Lena灰度比值匹配圖（亮度差異+5%）謝謝閱讀,.圖4.4為待配準(zhǔn)圖像與參考圖像之間存在亮度差異為+20%時的配準(zhǔn)效果圖。謝謝閱讀圖4.4Lena灰度比值匹配圖（亮度差異+20%）感謝閱讀由圖4.2-圖4.4可以看出灰度比值匹配的優(yōu)缺點如下：謝謝閱讀(1)比值匹配法的優(yōu)點:a.算法思路清晰簡單，容易理解，實現(xiàn)起來比較方便。b.匹配計算的時候，計算量小，速度快。比值匹配法的缺點:a.利用圖像的特征信息太少。只利用了兩條豎直的平行特征線段的像素的信精品文檔放心下載息，沒有能夠充分利用了圖像重疊區(qū)域的大部分特征信息。雖然算法提到，在搜感謝閱讀索圖(b)中由左至右依次從間距相同的兩列上取出部分像素，計算其對應(yīng)像素的感謝閱讀比值，然后將這些比值依次與模版進(jìn)行比較，好像是利用了搜索圖(b)中的重疊感謝閱讀區(qū)域的大部分圖像信息，但在參考圖像(a)中，只是任意選擇了兩條特征線，沒精品文檔放心下載有充分利用到參考圖像(a)的重疊區(qū)域的特征信息。精品文檔放心下載b.對圖片的采集提出了較高的要求。此算法對照片先進(jìn)行垂直方向上的比精品文檔放心下載較，然后再進(jìn)行水平方向上的比較，這樣可以解決上下較小的錯開問題。在采集感謝閱讀的時候只能使照相機(jī)在水平方向上移動。然而，有時候不可避免的照相機(jī)鏡頭會精品文檔放心下載有小角度的旋轉(zhuǎn)，使得拍攝出來的照片有一定的旋轉(zhuǎn)，在這個算法中是無法解決精品文檔放心下載的。而且對重疊區(qū)域無明顯特征的圖像，比較背景是海洋或者天空，這樣在選取謝謝閱讀特征模版的時候存在很大的問題。由于照片中存在大塊紋理相同的部分，所以與感謝閱讀模版的差別就不大，這樣有很多匹配點，很容易造成誤匹配。謝謝閱讀c.不易對兩條特征線以及特征線之間的距離進(jìn)行確定。算法中在參考圖像感謝閱讀(a)的重疊區(qū)域中取出兩列像素上的部分像素，并沒有給出選擇的限制。然而在精品文檔放心下載利用拼接算法實現(xiàn)自動拼接的時候，如果選取的特征線不是很恰當(dāng)，那么這樣的謝謝閱讀,.特征線算出來的模版就失去了作為模版的意義。同時，在確定特征線間距時，選感謝閱讀的過大，則不能充分利用重疊區(qū)域的圖像信息。選擇的過小，則計算量太大。精品文檔放心下載,.第5章 塊匹配法5.1 塊匹配法基本介紹及原理塊匹配法[13]是指將待配準(zhǔn)圖像的正方形區(qū)域的像素的集合作為模板。塊匹感謝閱讀配法是以一幅圖像重疊區(qū)域中的一塊作為模板，在另一幅圖像中搜索與此模板最謝謝閱讀相似的匹配塊，這種算法精度較高，但計算量過大?；叶刃畔俗畲罅康膱D像信息，而邊緣信息則反映了圖像內(nèi)在的性質(zhì)，精品文檔放心下載它不易受外界光照條件的影響而產(chǎn)生劇烈的變化。因此相比灰度信息，邊緣信息，感謝閱讀使得其抗灰度和幾何畸變能力強(qiáng)，采用邊緣信息構(gòu)建模板在圖像拼接[17]中可獲感謝閱讀得更加可靠的穩(wěn)定性。因此我們以圖像的邊緣為特征尋找基準(zhǔn)塊。感謝閱讀應(yīng)用塊匹配算法，首先要有搜索最佳匹配的標(biāo)準(zhǔn)，這里稱之為價值函數(shù)：均方誤差(MSE)、絕對誤差和(SAD)、平均絕對誤差(MAD)、方差和(SSE)、絕對變化誤差和(SATD)都可以作為價值函