论文部分内容阅读
图像配准是图像融合、图像拼接、目标检测以及三维重建等众多计算机视觉领域中重要的基础步骤。在不同时间、不同视角或者由不同传感器拍摄的同一场景中的图像,往往存在平移、旋转、缩放、仿射等几何变换。图像配准就是对存在上述几何变换的图像建立对应关系,达到校正图像坐标和形变的目的。与平移、旋转和缩放变换相比,仿射变换在更大的程度上改变了图像结构,这使得传统的特征提取方法很难或者无法准确地建立图像间的对应关系。因此,仿射变换图像的配准也变得更加困难。首先,本文详细地讨论了基于特征的图像配准方法中的四个基本步骤,即特征提取、特征匹配、变换参数估计和图像变换插值。在此基础上,着重研究了特征提取和特征匹配中常用的算法,包括Harris角点检测、尺度不变特征(SIFT)提取及匹配、完全仿射变换不变特征(ASIFT)提取及匹配、最大稳定极值区域(MSER)特征提取和相位一致性特征提取,并对这些算法应用于仿射变换图像配准中存在的问题进行了分析和总结。其次,针对上述算法存在的问题,提出了一种基于最大稳定极值区域和相位一致性特征相结合的仿射变换图像配准算法。该算法包括三个步骤:(1)分别对参考图像和待配准图像进行MSER检测和匹配,对匹配的MSER区域的质心进行拟合和归一化处理获得两个大致对齐的圆形区域,并估计输入图像间的粗配准变换矩阵。(2)提出一种基于Gabor滤波分解的相位一致性特征点检测算法,使用该特征点提取算法分别在获得的两个圆形区域中进行特征点检测,得到两个特征点集合。(3)采用基于概率分布的点集配准算法估计两个点集间的仿射变换矩阵,将点集间的仿射变换矩阵与圆形区域间的粗配准变换矩阵相结合,计算出参考图像和待配准图像间的精确变换矩阵。最后,在Windows XP环境下,采用Matlab编程语言实现了本文的算法,并在相同运行环境下,与其它几种经典的基于区域的配准算法以及基于特征的仿射变换图像配准算法进行实验对比。仿真实验结果表明,本文提出配准算法能够获得比基于互信息(MI)和基于相关性(CC)的区域配准算法更高的配准精度;对于存在较大仿射变换的图像,本文提出的算法能够获得比基于SIFT特征的图像配准算法更好的配准效果;与基于MSER的图像配准算法相比,能够获得更多的正确匹配对、更高的特征重复率和配准精度;同时,比基于ASIFT的图像配准算法有更高的运算效率。此外,对于存在光照变化、模糊和JPEG压缩情况下的图像,本文算法也能获得比较好的配准结果。