基于特征的半自动图像配准技术的研究开题报告

毕 业 论 文 开 题 报 告

1．结合毕业论文情况，根据所查阅的文献资料，撰写2000字左右的文献综述： 文 献 综 述 一．课题研究的目的、意义和背景 图像配准[1]是图像处理的基本任务之一，用于将不同时间，不同传感器，不同视角及不同拍摄条件下获取的两幅或多幅图像进行匹配。图像配准的基本问题就是找出一种图像转换方法，用以纠正图形的形变。 图像配准主要指对参考图像和待拼接图像中的匹配信息进行提取,在提取出的信息后寻找图像间的变换模型,然后由待拼接图像经变换模型向参考图像进行对齐,变换后图像的坐标将不再是整数,这就涉及到重采样与插值的技术。图像拼接的成功与否主要是图像的配准。 图像配准可分为三类： (1)基于象素的配准方法。即根据待配准图像的相关函数、Fourier变换和各阶矩量之间的关系式来计算配准参数。 (2)基于特征的配准方法。即根据需要配准图像重要相同特征之间的几何关系确定配准参数。这类方法首先需要提取特征。如图像的边缘、角、点、线、曲率等具有不变性的特征。提取特征可在空间域内进行。也可在变换域内进行。在空间域内常使用的特征包括边缘、区域线的端点、线交叉点、区域中心、曲率不连续点等。其中边缘和区域边界最常用．可以由边缘检测方法和区域分割方法得到：基于特征的配准方法是图像配准中最常见的方法．对于不同特性的图像。选择图像中容易提取．并能够在一定程度上代表待配准图像相似性的特征作为配准依据。基于特征的配准方法在图像配准方法中具有最强的适应性[2]。 (3)基于模型的配准方法。这种方法是根据图像失真的数学模型来进行非线性校正式的配准。前两种方法是全局图像配准技术．需要假设图像中的对象仅是刚性地改变位置、姿态和刻度。改变的原因往往是由受试者运动引起的。第三类方法只适合图像中对象之间局部的非线性的、非刚性的变形校正。这种失真通常由于成像系统空间编码的非线性引起的。所以。它需要根据成像系统的非线性失真模型来实现配准。前两类方法多

用于图像的初步配准，且能够解析求解，后一类方法多用于图像的精细配准．通常利用非线性规划的方法数值求解。 基于图像特征的方法是图像配准中最常见的方法，对于不同特性的图像选择图像中容易提取并且能够在一定程度上代表待配准图像相似性的特征作为配准依据。基于特征的方法在图像配准方法中具有最强的适应性，它不是直接利用图像像素值，而是通过像素导出图像的特征。然后以图像特征为标准，对图像重叠部分的对应特征区域进行搜索匹配。基于特征的配准方法有两个过程:特征抽取和特征配准。常用到的图像特征有：特征点（包括角点、高曲率点等）、直线段、边缘、轮廓、 闭合区域特征结构以及统计特征如矩不变量、重心等等。 图像配准技术已经在许多领域中得到了广泛的应用,在图像融合、图像跟踪和卫星遥感系统几个应用领域中的作用尤为突出。会使系统产生对目标的误信息,消除这个差异的过程就称为图像配准。图像融合的前期工作就是图像配准,因此,配准效果将直接影响到其后续图像融合处理工作的效果。配准的结果将直接影响跟踪的结果。这就导致了有大量数据需要拼接或融合。因此,在许多遥感应甩中图像配准不仅是一个关键的步骤,而且需要配准的数据量呈指数增长的趋势。 图像配准技术在许多领域中都起到了非常重要的作用,因此对图像配准技术的研究也就极为重要。图像配准技术经过多年的研究,己经取得了一定的研究成果。目前的图像配准技术可分为手工配准和自动配准。手工配准的方法己经广泛地用到实际中,但需要选择大量的位置控制点,这是非常枯燥的、劳动密集性的、重复并且费时的工作,而且手动配准需要操作者的经验,人的主观性导致图像配准的精度难以保证。当在有限的时间内高精度、准确的配准图像以及图像分析时,就需要找到一种很少或几乎不用手工的自动化技术来配准多模态图像。自动图像配准是在整个在配准过程中不需要人干预的一种配准技术,它也是图像配准技术的最终发展目标[3,4]。 二．图像配准的国内外研究现状 当前,主流的图像配准方法主要包含四个步骤:特征检测、特征匹配、变换模型估计以及重采样和变换。图像配准方法以图像处理的空间域为区分准则,可以分为:时域方法和频域方法。如点法、曲线法、表面法、矩和主轴法、相关法(时域和频域)、最大互信息法、非线性变换技术、流体力学模型、光流场模型等。 在基于特征的配准方法中，HulLi等人基于轮廓方法，采用链码相关等相似性准则

配准图像。Francisco等人通过提取典型海岸线特征轮廓达到了配准多传感器卫星图像的目的。在此基础上提出了结合链码相关和不变矩等特征方法的配准技术。 在基于区域的配准方法中[5],其主要方法为相关法和互信息等。Jordi等人分析了多传感器图像自动配准中的问题,引入了一种相似性准则来替代相关系数,能够得到较好的配准精度。Kuglin等人利用Fourie变换的平移不变性,提出了相位相关技术,用于图像整像素的平移检测问题。Foroosh等人将该方法扩展到亚像素级别,他利用互功率谱最大点周围的形状来估计图像的平移。采用取对数及线性回归的方法估计图像的平移。由于在理想情况下,存在平移的图像间的互功率谱矩阵的秩为1,因此scottHoge等人采用奇异值分解的方法(SVD),分解矩阵,并将互功率谱方法扩展到了高维情形,这一方法主要用于医学图像处理中。 目前国内外研究图像配准技术比较多的应用领域有:红外图像处理、遥感图像处理、数字地图定位川和医学图像处理等领域。侧重研究的方面主要有:图像融合、地景与地图的匹配、复杂场景下的小目标运动跟踪检测、飞机和导弹的导航及目标定位、基子模板匹配的图像识别等。通常针对多源图像间存在平移、旋转、比例缩放、几何失真和扭曲等差异而进行配准研究,其中,存在平移差异或具有微弱几何失真下的平移差异的配准是研究的主要内容。由于图像配准技术在各领域应用的重要性以及自然环境的复杂性,图像配准技术己经成为近年研究的热点问题之一。迄今已报道了多种图像配准方法,主要有互相关法、傅立叶变换法、点映射法和弹性模型法。基于小波变换的配准方法是近年来兴起的配准新方法,并且越来越引起人们的高度重视,该方法可以极大地减少图像配准时的计算量。为了达到快速高精度配准的目的,将小波变换与传统的图像配准方法有效的结合起来是一种可行的方法。通过上面的分析,我们可以看出图像配准技术经过多年的研究,己经取得了一定的研究成果,但是在应用方面仍有一定的限制。目前为止还没有发现一种具有通用性的配准方法。目前国内外同行都在研究图像配准的方式及与其相关的技术。作为图像配准的最终方式,图像的自动配准技术内容也在积极的研究过程中[6]。 图像配准技术[7]最早在美国七十年代从事的飞行器辅助导航系统、武器投射系统的末制导以及寻地等应用研究中提出，并且得到军方的大力支持与赞助。经过长达二十多年的研究，最终成功地应用于潘兴II式中程导弹及战斧式巡航导弹上，使其弹着点平均圆半径误差不超过十几米，从而大大提高了导弹的命中率。八十年代后，随着科学技术

的发展，在很多不同领域都有大量图像配准技术的研究，如遥感图像处理、模式识别、自动导航、医学诊断、计算机视觉等。各个领域的图像配准技术都是针对各自具体的应用背景，并结合实际情况度身定制的特定技术。但是不同领域的配准技术之间在理论方法上又具有很大的相似性，在某一领域的配准技术很容易移植到其他相关领域。 在国内[8]，图像配准技术起步相对较晚，但后来获得了很大的发展。李智提出了基于轮廓相似性测度的图像配准方法，它适用于轮廓特征比较丰富的图像的配准 郭海涛等提出了一种将遗传算法（Genetic Algorithm，简称GA）用于图像配准的算法。王小睿等提出并实现了一种自动图像配准方法，用于图像的高精度配准，但实际上它是一种使用互相关函数作为相似性测度的半自动的图像配准方法；熊兴华等提出了将遗传算法和最小二乘法结合用于图像的子像素级配准。 由此可见，图像配准技术经过多年的研究，已经取得了很多研究成果，例如在图像的匹配度判断方面研究出了多种技术方法。但是由于图像配准的输入数据来源的多样 性，以及不同的应用对图像配准的要求各不相同，同时，由于影响图像配准的因素的多样性，以及配准问题的复杂性，图像配准的技术还有待于进一步发展，目前国内外同行都在研究图像配准的方式与其相关的技术，例如作为图像配准的最终方式，图像的自动配准技术内容也在积极的研究过程中。 在过去20年中，图像获取设备的研究有了巨大的突破，涌现了大量新的仪器和获取图像的方法，从而将人们的目光直接引到自动图像配准上来。其中比较典型的例子就出现在医学领域和遥感图像处理领域。医学影像设备在最近10年中得到迅速的发展， 并广泛应用于临床诊断和治疗中。由于成像的原理和设备不同，存在有多种成像模式。从大的方面来说，可以描述生理形态的解剖成像模型和描述人体功能或代谢功能的成像模式。基于多种原因，临床上需要对同一个病人进行多种模式或同一种模式的多次成像。即同时从几幅图像获得信息，进行综合分析。单一模式只使用一种成像设备，可用于观察病灶生长，对比手术前后的治疗效果等。当一种成像模式所提供的信息不能满足需时，可以采用多种模式成像。例如，在CT上观察骨组织，而从M犯上得到软组织信息;或将来源于PET，SPECT的功能信息与来源于CT，M犯的解剖信息结合起来分析。在遥感图像领域，随着科学技术的发展，越来越多的卫星被用于观测地面信息，如landsat，sPot卫星等。它们可以获取不同波段的大地信息，而每个波段对大地各种特征的敏感程度又有显著的不同。因此，人们迫切需要将这些信息整合到一起，方便研究我们赖以生

存的地球。首先，这就涉及到将图像进行配准并融合的问题;而图像配准是这一目的得以实现的先决条件。人们研究了各种各样的配准方法，同时也不断的改进图像获取设备来更好的研究地面信息。这一方面的应用主要有观测大气云层，预报天气，探测地面环境变化和大地资源等。同样的，图像配准有助于我们观察植物的微小生长变化，以及对未知目标的检测等研究。总之，图像配准是一个有利于科学技术进步的重要研究领域。 由于图像配准在多个领域的广泛应用及其本身的复杂性，它已经成了当前数字图像研究的热点问题之一。而当今配准领域的几大热点、难点为：（1）多源图像配准；（2）全自动配准技术研究；（3）高精度（亚像素级别）的图像配准；（4）提高配准速度（5）提高大几何位移情况下的配准的成功率[9,10]。