一種針對(duì)部分匹配圖像的二維圖像配準(zhǔn)方法
【專利摘要】本發(fā)明公開(kāi)了一種針對(duì)部分匹配圖像的二維圖像配準(zhǔn)方法，包括對(duì)待配準(zhǔn)的兩幅圖像提取邊界；使用幾何特征差分布直方圖的方法對(duì)兩幅邊界圖像進(jìn)行預(yù)配準(zhǔn)，得到粗略的空間變換參數(shù)；用粗略的空間變換參數(shù)對(duì)浮動(dòng)圖像進(jìn)行校正，然后去除多余的邊界點(diǎn)；使用平均Hausdorff距離進(jìn)行精確配準(zhǔn)，得到更準(zhǔn)確的空間變換參數(shù)，直至達(dá)到所需精度。本發(fā)明結(jié)合幾何特征差分布直圖和廣義Hausdorff距離，既能減少多余邊界對(duì)預(yù)配準(zhǔn)結(jié)果的影響，又能實(shí)現(xiàn)對(duì)浮動(dòng)圖像中多余邊界點(diǎn)的去除，從而實(shí)現(xiàn)對(duì)圖像準(zhǔn)確的配準(zhǔn)和校正。
【專利說(shuō)明】一種針對(duì)部分匹配圖像的二維圖像配準(zhǔn)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及圖像處理領(lǐng)域，具體涉及一種針對(duì)部分匹配圖像的二維圖像配準(zhǔn)方法。
【背景技術(shù)】
[0002]同一對(duì)象或同類對(duì)象的多幅圖像在不同側(cè)面反映了對(duì)象的特征，對(duì)這些圖像進(jìn)行比較、分析和綜合，可以對(duì)該對(duì)象有更全面的了解。由于成像設(shè)備、時(shí)間、成像條件等不同，所成圖像有空間位置變化(局部或全局)，在進(jìn)行分析和比較之前，需要對(duì)其空間位置進(jìn)行對(duì)齊，即經(jīng)過(guò)合適的空間變換，使圖像中同一位置的像素反映對(duì)象中同一點(diǎn)，這就是圖像配準(zhǔn)的基本概念。其中稱作為配準(zhǔn)依據(jù)的相對(duì)不動(dòng)的圖像Im為模板圖像，而要與Im進(jìn)行配準(zhǔn)的進(jìn)行空間變換的圖像If為浮動(dòng)圖像。圖像配準(zhǔn)是模式識(shí)別、計(jì)算機(jī)視覺(jué)、圖像融合、三維重建、機(jī)器人視覺(jué)、圖像拼接、視覺(jué)檢查等技術(shù)的基礎(chǔ)。
[0003]配準(zhǔn)算法可分為基于灰度的方法和基于特征的方法。
[0004]基于灰度的方法有兩個(gè)局限:第一，模板圖像與浮動(dòng)圖像必須在密度函數(shù)上有一定程度的相似性或統(tǒng)計(jì)依賴性；第二，在基于灰度的方法中，由于兩幅圖像的每一個(gè)像素點(diǎn)都要參與計(jì)算，所以在最優(yōu)變換的搜索過(guò)程中往往計(jì)算量很大?；谔卣鞯呐錅?zhǔn)方法可大致分為兩類，一類從兩幅圖像的特征集中尋找對(duì)應(yīng)特征，再通過(guò)對(duì)應(yīng)特征進(jìn)行配準(zhǔn)，另一類不尋求對(duì)應(yīng)特征，而是定義兩個(gè)特征集整體之間的某種相似性度量，來(lái)進(jìn)行配準(zhǔn)?；谄骄鵋ausdorff距離的方法是第二類算法中一種常用的最具有代表性的配準(zhǔn)方法。它避免了復(fù)雜的尋找對(duì)應(yīng)特征的步驟，有較好的應(yīng)用前景。但對(duì)邊界不完全對(duì)應(yīng)的情況，如何得到準(zhǔn)確的配準(zhǔn)結(jié)果是它的一個(gè)問(wèn)題。
[0005]基于平均Hausdorff距離的方法的不足在于，但當(dāng)浮動(dòng)圖像相比于模板圖像存在多余邊界時(shí)，多余邊界點(diǎn)就會(huì)對(duì)相似性度量有較大影響。因?yàn)槌ザ嘤嗖糠?，浮?dòng)圖像邊界的其余部分可以與模板圖像中對(duì)應(yīng)的邊界精確對(duì)準(zhǔn)，這時(shí)，在平均意義上，多余部分離模板圖像邊界點(diǎn)集相對(duì)較遠(yuǎn)，平均距離值較大，如果多余部分的邊界點(diǎn)數(shù)又相對(duì)較多時(shí)，會(huì)對(duì)尋優(yōu)方法的目標(biāo)函數(shù)值產(chǎn)生較大影響，就不會(huì)在真正配準(zhǔn)的位置取得最優(yōu)的配準(zhǔn)結(jié)果。

【發(fā)明內(nèi)容】

[0006]本發(fā)明的目的在于克服現(xiàn)有技術(shù)存在的缺點(diǎn)與不足，提供一種針對(duì)部分匹配圖像的二維圖像配準(zhǔn)方法。
[0007]本發(fā)明采用如下技術(shù)方案:
[0008]一種針對(duì)部分匹配圖像的二維圖像配準(zhǔn)方法，包括如下步驟:
[0009]SI對(duì)模板圖像Im和浮動(dòng)圖像If提取邊界，分別得到模板圖像和浮動(dòng)圖像的邊界圖像Cm和Cf;
[0010]S2對(duì)SI得到的邊界圖像Cm和Cf進(jìn)行預(yù)配準(zhǔn)，得到粗略的空間變換參數(shù)，所述空間變換參數(shù)包括浮動(dòng)圖像相對(duì)于模板圖像旋轉(zhuǎn)的角度，浮動(dòng)圖像相對(duì)于模板圖像在X軸及Y軸的位移；
[0011]S3用S2得到的粗略的空間變換參數(shù)對(duì)浮動(dòng)圖像的邊界圖像Cf進(jìn)行校正，然后通過(guò)廣義HausdorfT距離的二階差分的分析，去除多余的邊界點(diǎn)，得到新的浮動(dòng)圖像邊界C/ ；
[0012]S4對(duì)模板圖像的邊界圖像Cm和新的浮動(dòng)圖像邊界圖像C/，使用平均Hausdorff距離進(jìn)行精確配準(zhǔn)，得到精確的空間變換參數(shù)；
[0013]S5重復(fù)步驟S3-S4，使精確的空間變換參數(shù)達(dá)到所需精度，則配準(zhǔn)完成。
[0014]所述SI中具體采用Canny邊緣檢測(cè)算子提取邊界。
[0015]所述S2中預(yù)配準(zhǔn)采用幾何特征差分布直方圖的方法，具體為:
[0016]S2.1對(duì)于模板圖像Im和浮動(dòng)圖像If的邊界圖像Cm和Cf，求取每一個(gè)邊界點(diǎn)在模板圖像Im和浮動(dòng)圖像If處的梯度方向；
[0017]S2.2采用幾何特征差分布直方圖的方法計(jì)算浮動(dòng)圖像相對(duì)于模板圖像旋轉(zhuǎn)的角度:[0018]S2.3使用S2.2所得的角度，對(duì)浮動(dòng)圖像的邊界圖像Cf進(jìn)行角度補(bǔ)償；
[0019]S2.4分別在模板圖像的邊界圖像Cm和經(jīng)過(guò)角度補(bǔ)償后的浮動(dòng)圖像的邊界圖像Cf上設(shè)定坐標(biāo)軸原點(diǎn)，一般設(shè)定圖像左上角處為坐標(biāo)軸原點(diǎn)，采用幾何特征差分布直方圖的方法計(jì)算浮動(dòng)圖像相對(duì)模板圖像在X軸方向的位移tx，采用與求取tx相同的方法，得到浮動(dòng)圖像相對(duì)模板圖像在Y軸方向的位移ty。
[0020]所述S2.2中采用幾何特征差分布直方圖的方法計(jì)算浮動(dòng)圖像相對(duì)于模板圖像旋
轉(zhuǎn)的角度，具體為:設(shè)供0)為過(guò)邊界點(diǎn)U的梯度方向，點(diǎn)Pi e Cm，點(diǎn)q] e Cf，其中i=l，2，…
，Nm, j=l, 2，…，NF，NM和Nf分別為Cm和Cf中邊界點(diǎn)的個(gè)數(shù)，那么，Pi與q]的梯度方向角度之
差衰示為^KU) =ψ{ q'i ) ~ψ( Α.),得到θ (i, j)后取整，并使其變化范圍在0°~359°之
間，然后對(duì)Θ (i, j)作出梯度方向角度差分布直方圖，取最高峰值處的Θ值為浮動(dòng)圖像相對(duì)于模板圖像旋轉(zhuǎn)的角度。
[0021]所述S2.4中采用幾何特征差分布直方圖的方法計(jì)算浮動(dòng)圖像相對(duì)模板圖像在X軸方向的位移tx,具體為:設(shè)X(U)表示邊界點(diǎn)U在X軸方向上的坐標(biāo)值，計(jì)算模板圖像上的邊界點(diǎn)Pi和角度補(bǔ)償后的浮動(dòng)圖像的邊界點(diǎn)q/在X軸方向的坐標(biāo)差值X(i，j)=x(q/ )_x(Pi)，對(duì)X(i，j)作坐標(biāo)差分布直方圖，取分布的最高峰值為浮動(dòng)圖像相對(duì)模板圖像在X軸方向的位移tx。
[0022]所述S2.1中求取每一個(gè)邊界點(diǎn)在模板圖像Im和浮動(dòng)圖像If處的梯度方向，具體采用Sobel梯度算子或高斯梯度算子。
[0023]所述S3中通過(guò)對(duì)廣義HausdorfT距離的二階差分的分析，去除多余的邊界點(diǎn)，具體為:
[0024]S3.1使用預(yù)配準(zhǔn)所得粗略的空間變換參數(shù)對(duì)浮動(dòng)圖像的邊界圖像(^進(jìn)行校正，得到校正后的邊界圖像CF(i)
[0025]S3.2計(jì)算所有不同k值(k=l, 2，...，Nf)下校正后的Cf⑴到Cm的廣義Hausdorff距離，并按k從小到大進(jìn)行排序，得到非遞減序列，記為H(CF(i)，Cm)；
[0026]所述給定點(diǎn)集A到B的廣義Hausdorff距離:
[0027]hk (A, B) =ktha e Aminb eB \a~b\[0028]其中kth表示第k小，hk(A, B)隨著k值的不同而改變；
[0029]S3.3 計(jì)算 H(CF(i)，CM)對(duì) k 的二階差分:
[0030]Δ2 H1 (C^ ,Cj7) = AHk, d (C? ,Cm)-AHt—d (Cf ,CM),
[0031]其中一階差分的計(jì)算為
[0032]AH1 (C^ ,Cai) = Hm (C^ ,Cm)-Hid (Cf ,Cm),
[0033]其中d為自然數(shù)，d通常取5，得到二階差分序列A2H(CF(i)，Cm)；
[0034]S3.4計(jì)算二階差分序列Λ 2H(CF(i), CM)中的最大值Λ 2Hmax和次大值Λ 2Hsmax,及其在序列中對(duì)應(yīng)的下標(biāo)kmax和ksmax ；
[0035]S3.5標(biāo)記出Cf中Cfe的多余邊界點(diǎn)，
[0036]若Λ 2Hmax- Δ 2Hsmax〈Q，求取 H (CF(i)，CM)的平均值瓦(Cf，CA/)和方差 σΗ 將滿足
iHk(Cf ,Cu)-H{Cf ,CM)f > A %的序號(hào)k對(duì)應(yīng)的點(diǎn)標(biāo)記為多余邊界點(diǎn)，λ > 1，λ具體為1.2 ；
[0037]若Λ 2Hmax- Δ 2Hsmax>Q,求得最大值點(diǎn)的序號(hào)k_，將序號(hào)k>k_的點(diǎn)標(biāo)記為多余邊界
占.[0038]S3.6將多余邊界點(diǎn)去除，得到新的浮動(dòng)圖像邊界C/。
[0039]所述S4中使用基于平均Hausdorff距離進(jìn)行精確配準(zhǔn)具體為，以平均Hausdorff距離作為尋優(yōu)算法的目標(biāo)函數(shù)，求得滿足平均HausdorfT距離最小的空間變換參數(shù)。
[0040]所述尋優(yōu)算法為Powell算法、模擬退火算法、遺傳算法或粒子群算法。
[0041]所述S5判斷是否平均Hausdorff距離小于一個(gè)給定的常數(shù)或C/中的邊界點(diǎn)數(shù)小于一個(gè)給定的常數(shù)，否則重復(fù)S3-S4的過(guò)程，直至終止條件滿足為止。
[0042]本發(fā)明的有益效果:
[0043](1)本發(fā)明使得計(jì)算機(jī)可以對(duì)不同種類的二維圖像進(jìn)行空間位置的配準(zhǔn)校正，而且克服了其它配準(zhǔn)方法在浮動(dòng)圖像與模板圖像相比有多余部分的情況下配準(zhǔn)誤差較大的缺點(diǎn)；
[0044](2)配準(zhǔn)方法基于邊界點(diǎn)，不需要圖像所有的像素都參與運(yùn)算，而且不需要建立點(diǎn)或特征的對(duì)應(yīng)關(guān)系，計(jì)算效率高，能保證算法的實(shí)時(shí)性；
[0045](3)使用幾何特征差分布直方圖方法對(duì)圖像進(jìn)行預(yù)配準(zhǔn)，基于對(duì)幾何特征的統(tǒng)計(jì)性質(zhì)，減少多余邊界對(duì)預(yù)配準(zhǔn)結(jié)果的影響，該方法對(duì)多余邊界不敏感；
[0046](4)使用幾何特征差分布直方圖方法對(duì)圖像進(jìn)行預(yù)配準(zhǔn)，不需要進(jìn)行迭代計(jì)算，也不需要使用優(yōu)化方法進(jìn)行全局尋優(yōu)，耗時(shí)少；
[0047](5)根據(jù)對(duì)廣義Hausdorff距離的分析，能實(shí)現(xiàn)對(duì)浮動(dòng)圖像中多余邊界點(diǎn)的去除，從而實(shí)現(xiàn)對(duì)圖像準(zhǔn)確的配準(zhǔn)和校正；
[0048](6)算法簡(jiǎn)單易行，魯棒性較好。特別地，算法適用于圖像部分匹配、圖像邊界提取得不理想、不完整或者邊界斷斷續(xù)續(xù)的情況下的圖像配準(zhǔn)。
【專利附圖】

【附圖說(shuō)明】
[0049]圖1為本發(fā)明一種針對(duì)部分匹配圖像的二維圖像配準(zhǔn)方法的流程圖；[0050]圖2為圖1中預(yù)配準(zhǔn)步驟的流程圖；
[0051]圖3為圖1中去除多余邊界點(diǎn)步驟的流程圖。
【具體實(shí)施方式】
[0052]下面結(jié)合實(shí)施例及附圖，對(duì)本發(fā)明作進(jìn)一步地詳細(xì)說(shuō)明，但本發(fā)明的實(shí)施方式不限于此。
[0053]實(shí)施例
[0054]如圖1所示，一種針對(duì)部分匹配圖像的二維圖像配準(zhǔn)方法，包括如下步驟:
[0055]SI對(duì)模板圖像Im和浮動(dòng)圖像If提取邊界，分別得到模板圖像和浮動(dòng)圖像的邊界圖像Cm和Cf;
[0056]本發(fā)明提取邊界具體采用Canny算子，也可以使用其他邊緣檢測(cè)算子，如Roberts、Sobel> Prewitt、Robinson和拉普拉斯算子等。但是Canny算子獲得的圖像的大邊緣呈現(xiàn)為連貫的曲線，而且是單像素寬，有利于進(jìn)行邊界的匹配。
[0057]提取邊界具體包括如下步驟:
[0058]S1.1首先用2D高斯濾波模板進(jìn)行卷積以平滑圖像。
[0059]S1.2利用微分算子計(jì)算梯度的幅值和方向，假設(shè)圖像上某一像素點(diǎn)(i，j),則該點(diǎn)的梯度幅值和梯度方向分別表示為
[0060]
【權(quán)利要求】
1.一種針對(duì)部分匹配圖像的二維圖像配準(zhǔn)方法，其特征在于，包括如下步驟: SI對(duì)模板圖像Im和浮動(dòng)圖像If提取邊界，分別得到模板圖像和浮動(dòng)圖像的邊界圖像Cm 和 Cf ； S2對(duì)SI得到的邊界圖像Cm和Cf進(jìn)行預(yù)配準(zhǔn)，得到粗略的空間變換參數(shù)，所述空間變換參數(shù)包括浮動(dòng)圖像相對(duì)于模板圖像旋轉(zhuǎn)的角度，浮動(dòng)圖像相對(duì)于模板圖像在X軸及Y軸的位移； S3用S2得到的粗略的空間變換參數(shù)對(duì)浮動(dòng)圖像的邊界圖像Cf進(jìn)行校正，然后通過(guò)廣義HausdorfT距離的二階差分的分析，去除多余的邊界點(diǎn)，得到新的浮動(dòng)圖像邊界C/ ； S4對(duì)模板圖像的邊界圖像Cm和新的浮動(dòng)圖像邊界圖像C/，使用平均Hausdorff距離進(jìn)行精確配準(zhǔn)，得到精確的空間變換參數(shù)； S5重復(fù)步驟S3-S4，使精確的空間變換參數(shù)達(dá)到所需精度，則配準(zhǔn)完成。
2.根據(jù)權(quán)利要求1所述的配準(zhǔn)方法，其特征在于，所述SI中具體采用Canny邊緣檢測(cè)算子提取邊界。
3.根據(jù)權(quán)利要求1所述的配準(zhǔn)方法，其特征在于，所述S2中預(yù)配準(zhǔn)采用幾何特征差分布直方圖的方法，具體為: S2.1對(duì)于模板圖像Im和浮動(dòng)圖像If的邊界圖像Cm和Cf，求取每一個(gè)邊界點(diǎn)在模板圖像Im和浮動(dòng)圖像If處 的梯度方向； S2.2采用幾何特征差分布直方圖的方法計(jì)算浮動(dòng)圖像相對(duì)于模板圖像旋轉(zhuǎn)的角度: S2.3使用S2.2所得的角度，對(duì)浮動(dòng)圖像的邊界圖像Cf進(jìn)行角度補(bǔ)償； S2.4分別在模板圖像的邊界圖像Cm和經(jīng)過(guò)角度補(bǔ)償后的浮動(dòng)圖像的邊界圖像Cf上設(shè)定坐標(biāo)軸原點(diǎn)，采用幾何特征差分布直方圖的方法計(jì)算浮動(dòng)圖像相對(duì)模板圖像在X軸方向的位移tx，采用與求取tx相同的方法，得到浮動(dòng)圖像相對(duì)模板圖像在Y軸方向的位移ty。
4.根據(jù)權(quán)利要求3所述的配準(zhǔn)方法，其特征在于，所述S2.2中采用幾何特征差分布直方圖的方法計(jì)算浮動(dòng)圖像相對(duì)于模板圖像旋轉(zhuǎn)的角度，具體為:設(shè)爐(H)為過(guò)邊界點(diǎn)u的梯度方向，點(diǎn) Pi e Csi^qj e Cf，其中 ?=1，2，...，ΝΜ，j=l, 2, - ,Nf, ^和 Nf 分別為 Cm 和 Cf中邊界點(diǎn)的個(gè)數(shù)，那么，Pi與q」的梯度方向角度之差表示為執(zhí)人/) =φ( Cjj) -φ( Pd ,得到Θ (i, j)后取整，并使其變化范圍在0°~359°之間，然后對(duì)Θ (i, j)作出梯度方向角度差分布直方圖，取最高峰值處的Θ值為浮動(dòng)圖像相對(duì)于模板圖像旋轉(zhuǎn)的角度。
5.根據(jù)權(quán)利要求3所述的配準(zhǔn)方法，其特征在于，所述S2.4中采用幾何特征差分布直方圖的方法計(jì)算浮動(dòng)圖像相對(duì)模板圖像在X軸方向的位移tx，具體為:設(shè)X(U)表示邊界點(diǎn)U在X軸方向上的坐標(biāo)值，計(jì)算模板圖像上的邊界點(diǎn)Pi和角度補(bǔ)償后的浮動(dòng)圖像的邊界點(diǎn)q/在X軸方向的坐標(biāo)差值X (i，j) =X (q/ ) 1匕)，對(duì)乂(1，」)作坐標(biāo)差分布直方圖，取分布的最高峰值為浮動(dòng)圖像相對(duì)模板圖像在X軸方向的位移tx。
6.根據(jù)權(quán)利要求3所述的配準(zhǔn)方法，其特征在于，所述S2.1中求取每一個(gè)邊界點(diǎn)在模板圖像Im和浮動(dòng)圖像If處的梯度方向，具體采用Sobel梯度算子或高斯梯度算子。
7.根據(jù)權(quán)利要求1所述的配準(zhǔn)方法，其特征在于，所述S3中通過(guò)對(duì)廣義Hausdorff距離的二階差分的分析，去除多余的邊界點(diǎn)，具體為: S3.1使用預(yù)配準(zhǔn)所得粗略的空間變換參數(shù)對(duì)浮動(dòng)圖像的邊界圖像(^進(jìn)行校正，得到校正后的邊界圖像CF(i) S3.2計(jì)算所有不同k值(k=l，2，“％NF)下校正后的CF(1)到Cm的廣義Hausdorff距離，并按k從小到大進(jìn)行排序，得到非遞減序列，記為H(CF(i)，Cm)； 所述給定點(diǎn)集A到B的廣義Hausdorff距離: hk (A, B) =ktha e Aminb e B | | a_b | 其中kth表示第k小，hk(A, B)隨著k值的不同而改變； S3.3計(jì)算H(CF(i)，CM)對(duì)k的二階差分:
8.根據(jù)權(quán)利要求1所述的配準(zhǔn)方法，其特征在于，所述S4中使用基于平均Hausdorff距離進(jìn)行精確配準(zhǔn)具體為，以平均HausdorfT距離作為尋優(yōu)算法的目標(biāo)函數(shù)，求得滿足平均Hausdorff距離最小的空間變換參數(shù)。
9.根據(jù)權(quán)利要求8所述的配準(zhǔn)方法，其特征在于，所述尋優(yōu)算法為Powell算法、模擬退火算法、遺傳算法或粒子群算法。
10.根據(jù)權(quán)利要求7所述的配準(zhǔn)方法，其特征在于，所述S3.5中λ為1.2。
【文檔編號(hào)】G06T7/00GK103679713SQ201310646684
【公開(kāi)日】2014年3月26日 申請(qǐng)日期:2013年12月4日 優(yōu)先權(quán)日:2013年12月4日
【發(fā)明者】張見(jiàn)威, 黃達(dá)承 申請(qǐng)人:華南理工大學(xué)