CN103714547B - 一种结合边缘区域和互相关的图像配准方法 - Google Patents
一种结合边缘区域和互相关的图像配准方法 Download PDFInfo
- Publication number
- CN103714547B CN103714547B CN201310743502.9A CN201310743502A CN103714547B CN 103714547 B CN103714547 B CN 103714547B CN 201310743502 A CN201310743502 A CN 201310743502A CN 103714547 B CN103714547 B CN 103714547B
- Authority
- CN
- China
- Prior art keywords
- image
- registration
- edge
- images
- cross
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提出了一种结合边缘区域和互相关的图像配准方法,能够有效选取图像边缘区域、选择并改进相似性度量函数和优化算法,旨在满足配准精度的前提下提高配准的鲁棒性和实时性。步骤一、提取参考图像和待配准图像的边缘;步骤二、通过所述的两幅图像的边缘图像得到参考图像和待配准图像的边缘区域图像;步骤三、计算步骤二得到的两幅边缘区域图像的互相关系数,并将所述的互相关系数的平方值作为相似性度量函数;步骤四、利用粒子群优化算法搜索使得步骤三得到的相似性度量函数达到最大值时的配准结果参数。
Description
技术领域
本发明属于图像配准领域,具体涉及一种结合边缘区域和互相关的图像配准方法。
背景技术
图像配准是图像处理领域的一个重要问题。它是对两幅在不同时间、不同角度下采集到的图像进行空间变换的处理,使得两幅图像在空间方位上保持一致的过程。随着科技的发展,图像配准现在已经应用在计算机视觉、医学图像处理、模式识别等各个方面。
图像配准的方法大致分为两类:(1)基于特征的图像配准,提取图像的显著特征点作为参考信息,建立两幅图像的几何变换关系来进行配准。(2)基于灰度的图像配准,根据图像间的灰度信息,建立以空间变换参数为自变量的相似性度量函数,通过利用优化算法搜索出度量函数的最值来找出空间变换关系。这种方法对于灰度信息具有较强的依赖性,对于灰度差异较大的多源图像难以实现精确的配准。
对于基于灰度的图像配准,目前解决该问题的技术有:①基于灰度和边缘方向信息的图像配准方法,利用两幅图像的灰度值、两幅图像的边缘角度的差值构建一个三维的直方图,通过三维直方图得到的互信息作为相似性度量函数,求使得相似性度量函数取得最值时的参数值。这种方法涉及图像边缘角度差的计算和三维直方图的构建,复杂度较大,比较浪费时间。②基于边缘和互相关的配准方法,利用边缘提取算子提取两幅图像边缘,将边缘图像(二值图像)的互相关系数作为相似性度量函数,求使得互相关值最大时的配准结果参数值。这种方法虽然速度快,但是只利用二值图像做计算,使用的图像信息过少,容易造成误匹配。
发明内容
鉴于此,本发明在改进基于灰度的图像配准方法基础之上提出了一种结合边缘区域和互相关的图像配准方法,能够有效选取图像边缘区域、选择并改进相似性度量函数和优化算法,旨在满足配准精度的前提下提高配准的鲁棒性和实时性。
为了解决上述技术问题,本发明是这样实现的:
一种结合边缘区域和互相关的图像配准方法,具体包括以下步骤:
步骤一、提取参考图像和待配准图像的边缘;
步骤二、通过所述的两幅图像的边缘图像得到参考图像和待配准图像的边缘区域图像;
步骤三、计算步骤二得到的两幅边缘区域图像的互相关系数,并将所述的互相关系数的平方值作为相似性度量函数;
步骤四、利用粒子群优化算法搜索使得步骤三得到的相似性度量函数达到最大值时的配准结果参数。
进一步的,本发明步骤一中使用Canny算子来提取参考图像和待配准图像的边缘。
进一步的,本发明所述参考图像和待配准图像的边缘区域图像提取过程如下为:分别提取两幅图像上距边缘的像素点个数小于等于D的所有点,保留这些点和边缘上的点的灰度值,图像上其他像素点的灰度值设为0。
进一步的,本发明使用粒子群优化算法搜索,其中的粒子个数为20,粒子移动的最大速度约为图像偏移量的0.1-0.2倍。
进一步的,本发明步骤四在进行图像配准过程中,采用六参数的仿射变换模型。
有益效果:
第一,本发明只提取图像边缘的附近区域,有效地剔除参考图像和待配准图像相关性低的部分,只保留相关性高的图像信息,能够有效的防止误匹配。
第二,本发明使用互相关系数的平方值作为相似性度量函数,避免了计算互相关系数时的开方运算,有效的减少了计算复杂度和运行时间。
第三,本发明使用的相似性度量函数有效的避免了互相关系数的局部最值的干扰,使得改进的相似性度量函数的峰值更加明显,增加了图像配准的鲁棒性。
第四,本发明使用粒子群优化算法进行搜索,能够有效的搜索到相似性度量函数的全局最值,避免了陷入搜索局部最值的情况,保证了搜索结果的准确性。
附图说明
图1为一种结合边缘区域和互相关的图像配准方法配准流程图。
具体实施方式
下面结合附图并举实施例,对本发明进行详细阐述。
如图1所示,结合边缘区域和互相关的图像配准方法,具体步骤为:
步骤一、提取参考图像和待配准图像的边缘。
本发明采用Canny算子对参考图像和待配准图像分别提取边缘,针对参考图像和待配准图像的成像机理不同,灵活设定Canny算子的门限参数。
步骤二、提取参考图像和待配准图像的边缘区域图像。
根据Canny边缘图像,分别提取参考图像和待配准图像的边缘区域图像,寻找距离边缘像素点距离小于等于D(D的设定与图像有关)的所有区域即为边缘区域。
本发明较佳的采用了形态学上的膨胀原理对边缘图像进行提取,使用特定大小(与D有关)的圆形或方形矩阵模板对二值边缘图像进行膨胀,在膨胀区域保留原图像灰度值,得到边缘区域图像。
步骤三、构建相似性度量函数。
构建基于参考图像和待配准图像的边缘区域图像的相似性度量函数,即找到一个能够表征两幅图像的关系的函数。
本发明较佳的采用了两幅边缘区域图像的互相关系数的平方作为相似性度量函数。
两幅图像的互相关系数定义如下:
其中f(x,y)是参考图像,是参考图像的均值,(u,v)是计算得到的空间变换参数,g(x+u,y+v)是变换后的待配准图像,是变换后的待配准图像的均值,是两幅图像的重叠区域。
当两幅图像没有配准时,互相关系数较小,当两幅图像完全配准时,互相关系数达到最大值。故可以通过找相似性度量函数的最大值来寻找使图像配准的变换参数。
本发明采用互相关系数的平法即
作为相似性度量函数有两个益处:一、程序运行时有效的避免了开方运算,有效的节约了时间;二、互相关系数的平方比互相关系数具有更明显的全局最值和更少的局部最值,能够更有利于变换参数的搜索。
步骤四、通过优化算法搜索到最优配准参数。
搜索最优配准参数的过程就是搜索相似性度量函数的最值的过程。本发明较佳的采用了粒子群优化算法进行搜索,因为粒子群算法在收敛速度和搜索精度上有一定的优势,而且能够有效的避开局部最值的干扰,搜索到全局最值。
粒子群搜索算法的过程如下:
(1)依照初始化过程,对粒子群的随机位置和速度进行初始化;
(2)计算每个粒子的适应度;
(3)对于每个粒子,找到其适应度最大(或最小)的历史最优粒子;
(4)找到全局适应度最大(或最小)的最优粒子;
(5)更新每个粒子的速度和位置;
(6)若达到退出条件则退出,否则返回步骤(2);
最终,全局适应度最大(或最小)的最优粒子包含的参数就是配准结果。
综上所述,本发明通过合理的提取边缘区域图像,在相似性度量函数和优化算法等方面改进基于灰度的配准算法,并将这些方法用于参考图像和待配准图像的边缘区域图像上,从而更快更有效的进行图像的配准。
Claims (1)
1.一种结合边缘区域和互相关的图像配准方法,其特征在于,包括以下步骤:
步骤一、提取参考图像和待配准图像的边缘图像;
步骤二、通过两幅图像的边缘图像得到参考图像和待配准图像的边缘区域图像;
步骤三、计算步骤二得到的两幅边缘区域图像的互相关系数,并将所述的互相关系数的平方值作为相似性度量函数;
步骤四、利用粒子群优化算法搜索使得步骤三得到的相似性度量函数达到最大值时的配准结果参数;
其中,步骤一中使用Canny算子来提取参考图像和待配准图像的边缘图像;所述参考图像和待配准图像的边缘区域图像得到过程如下:分别提取参考图像和待配准图像的边缘图像上距边缘的像素点个数小于等于D的所有点,保留这些点和边缘上的点的灰度值,图像上其他像素点的灰度值设为0;步骤四中使用粒子群优化算法搜索,其中的粒子个数为20,粒子移动的最大速度为图像偏移量的0.1-0.2倍;步骤四在进行图像配准过程中,采用六参数的仿射变换模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310743502.9A CN103714547B (zh) | 2013-12-30 | 2013-12-30 | 一种结合边缘区域和互相关的图像配准方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310743502.9A CN103714547B (zh) | 2013-12-30 | 2013-12-30 | 一种结合边缘区域和互相关的图像配准方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103714547A CN103714547A (zh) | 2014-04-09 |
CN103714547B true CN103714547B (zh) | 2017-03-22 |
Family
ID=50407490
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310743502.9A Active CN103714547B (zh) | 2013-12-30 | 2013-12-30 | 一种结合边缘区域和互相关的图像配准方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103714547B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9948859B2 (en) * | 2015-08-19 | 2018-04-17 | Optimum Semiconductor Technologies, Inc. | Video image alignment for video stabilization |
CN106780578B (zh) * | 2016-12-08 | 2020-05-26 | 哈尔滨工业大学 | 一种基于边缘归一化互信息测度函数的图像配准方法 |
CN107705246B (zh) | 2017-10-16 | 2019-08-16 | 苏州微景医学科技有限公司 | 图像配准方法和图像拼接方法及装置 |
CN109801315A (zh) * | 2018-12-13 | 2019-05-24 | 天津津航技术物理研究所 | 一种基于边缘提取和互相关的红外多谱段图像配准方法 |
CN109598751B (zh) * | 2018-12-14 | 2023-05-23 | 强联智创(苏州)医疗科技有限公司 | 一种医学影像图片处理的方法、设备及装置 |
CN111210467A (zh) * | 2018-12-27 | 2020-05-29 | 上海商汤智能科技有限公司 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
CN111563867A (zh) * | 2020-07-14 | 2020-08-21 | 成都中轨轨道设备有限公司 | 一种用于提升图像清晰度的图像融合方法 |
CN113592921B (zh) * | 2021-06-30 | 2024-06-21 | 北京旷视科技有限公司 | 图像匹配方法,装置,电子设备及存储介质 |
CN113592931B (zh) * | 2021-09-30 | 2022-03-01 | 深圳市汇图技术有限公司 | 一种应用于工业图像的快速配准方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663725A (zh) * | 2012-03-05 | 2012-09-12 | 西北工业大学 | 基于线特征和控制点的可见光和sar图像配准方法 |
-
2013
- 2013-12-30 CN CN201310743502.9A patent/CN103714547B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663725A (zh) * | 2012-03-05 | 2012-09-12 | 西北工业大学 | 基于线特征和控制点的可见光和sar图像配准方法 |
Non-Patent Citations (4)
Title |
---|
Cross-Correlation-based Image Matching of Coins;A. Gavrijaševa et al.;《2012 13th Biennial Baltic Electronics Conference》;20121231;全文 * |
Non-rigid medical image registration based on the maximization of quadratic mutual information;J. Atif, X. Ripoche et al.;《Bio engineering, Proceeding the Northeast Conference》;20031231;71 * |
基于互信息和梯度的红外与可见光图像配准新方法;崔伟 等;《激光与红外》;20110228;第41卷(第2期);225-227 * |
基于轮廓特征的图像配准研究;李智 等;《指挥技术学院学报》;19980930;第9卷(第3期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN103714547A (zh) | 2014-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103714547B (zh) | 一种结合边缘区域和互相关的图像配准方法 | |
Dong et al. | An efficient global energy optimization approach for robust 3D plane segmentation of point clouds | |
CN104200461B (zh) | 基于互信息图像选块和sift特征的遥感图像配准方法 | |
CN103310453B (zh) | 一种基于子图像角点特征的快速图像配准方法 | |
CN104318548B (zh) | 一种基于空间稀疏度和sift特征提取的快速图像配准实现方法 | |
CN104036524A (zh) | 一种改进sift算法的快速目标跟踪方法 | |
CN109472267A (zh) | 图片相似度比对算法 | |
CN109685827B (zh) | 一种基于dsp的目标检测与跟踪方法 | |
CN111797841B (zh) | 一种基于深度残差网络的视觉显著性检测方法 | |
CN105335952B (zh) | 匹配代价计算方法和装置、以及视差值计算方法和设备 | |
CN107180436A (zh) | 一种改进的kaze图像匹配算法 | |
CN105631872B (zh) | 基于多特征点的遥感图像配准方法 | |
CN102903111B (zh) | 基于图像分割的大面积低纹理区立体匹配算法 | |
CN108961385A (zh) | 一种slam构图方法及装置 | |
CN106022342A (zh) | 一种基于kaze算法的图像特征提取方法 | |
CN101430789A (zh) | 基于Fast Slant Stack变换的图像边缘检测方法 | |
CN105631860A (zh) | 基于局部排序方向直方图描述子的图像同名点提取方法 | |
CN103559723B (zh) | 一种基于自适应核函数和均值移位的人体跟踪方法 | |
Li et al. | Low-cost 3D building modeling via image processing | |
CN109522813B (zh) | 一种基于行人显著特征的改进随机游走算法 | |
CN107451574B (zh) | 一种基于类Haar视觉特征感知的运动估计方法 | |
CN103295220A (zh) | 一种双目视觉技术在康复理疗***中的应用方法 | |
Ji et al. | Sequential edge linking method for segmentation of remotely sensed imagery based on heuristic search | |
CN112883796A (zh) | 基于叠掩信息的sar图像多类型建筑物高度估计方法 | |
Sun et al. | An obstacle detection method based on binocular stereovision |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |