论文部分内容阅读
非刚性图像配准技术是数字图像处理中的一个重要的研究方向,在遥感图像分析和医学图像分析等领域有着广泛的应用。传统非刚性配准算法主要分为基于图像特征和基于图像灰度两种方法,其中基于特征的方法配准时间短,但配准精度较低;而基于灰度的方法可以达到较高的配准精度,但配准时间长。针对传统非刚性图像配准算法存在无法同时满足配准精度和配准时间要求的问题,本文在深入研究基础上,提出了几种相关的非刚性图像配准算法:基于圆形描述子特征的非刚性配准算法(Circle Descriptor Feature,CDF)、基于动态驱动力 Demons 的非刚性配准算法(Dynamic Driving Force Demons,DDFD)、基于图像特征和光流场的非刚性配准算法。基于圆形描述子特征的非刚性配准算法(CDF),通过采用对浮动图像和参考图像进行特征点提取,引入圆形描述子保证配准的旋转不变性,提高图像配准速度。基于动态驱动力Demons的非刚性配准算法(DDFD),通过引入驱动力系数动态改变驱动力,能够有效地解决传统算法配准时间和配准精度低的问题。基于图像特征和光流场的非刚性配准算法,首先采用基于图像特征配准算法对浮动图像和参考图像进行特征点提取,利用提取的特征点进行粗配准(特征级配准);然后在粗配准的基础上,采用光流场的配准算法进行精细配准(像素级配准),最终由粗至精、由特征级至像素级的思想,得到如下5种基于图像特征和光流场的非刚性配准算法:SIFT-Demons、SURF-Demons、SIFT-TV-L1、SURF-TV-L1 和 CDF-DDFD。为了验证所提出的几种非刚性图像配准方法有效性,本文分别对棋盘图像、自然图像、彩色图像和医学图像序列进行配准实验。实验结果表明,本文提出的CDF算法与传统的SIFT、SURF算法相比,在保证配准精度的前提下配准时间有所缩短;DDFD算法与传统Demons、Active Demons和TV-L1算法相比,配准精度和配准时间均有明显优势;基于图像特征和光流场的非刚性配准算法在计算效率和配准精度方面均优于传统算法(SIFT、SURF、Demons、Active Demons和TV-L1算法),具有对大形变图像的适应性和良好的旋转不变性。