学位论文红外与可见光图像配准技术研究不专一.pdf
- 文档编号:3430832
- 上传时间:2023-05-05
- 格式:PDF
- 页数:54
- 大小:3.55MB
学位论文红外与可见光图像配准技术研究不专一.pdf
《学位论文红外与可见光图像配准技术研究不专一.pdf》由会员分享,可在线阅读,更多相关《学位论文红外与可见光图像配准技术研究不专一.pdf(54页珍藏版)》请在冰点文库上搜索。
西安电子科技大学硕士学位论文红外与可见光图像配准技术研究姓名:
孙雅琳申请学位级别:
硕士专业:
光学工程指导教师:
邵晓鹏20100101摘要摘要在红外与可见光图像的配准中,可见光图像和红外图像之间存在较大的灰度差异,对同一景物所表现出的特征也不相同,这是造成配准精度不高和配准方法困难的主要原因。
在配准中,对于边缘特征比较明显的图像,通过归一化互信息和边缘特征相结合的方法来将其配准,很好地利用了图像的边缘特征,减小了图像因灰度差异和特征不同所带来的影响,并且这种方法实现简单、鲁棒性高。
由于互信息是利用图像的统计信息,计算量大,速度慢。
为了解决这一问题,用小波分析对图像进行分层,通过逐层配准大大减小了配准过程所需计算量。
实验的结果表明,针对红外与可见光图像灰度和图像特征存在较大差异,采用基于归一化互信息和边缘特征相结合的图像配准算法可以取得较好的结果;同时通过采用小波变换分层的方法,使这种图像配准算法的速度比基于互信息的图像配准方法的速度提高了一个数量级,且实现简单、配准结果具有较高的准确性和稳定性。
关键词:
图像配准互信息边缘特征小波变换AbstractIIl一_-一AbstractTheinfraredandvisibleimagesareverydifferentingreylevelandimagefeaturesaccordingtoasamescene,whichmakeitdifficulttodesignproperregistrationalgorithmsandtoensuretheprecisionbetweenthemTheregistrationalgorithmwhichIScombiningthemutualinformationbasedimageregistrationandedgefeaturebasedmaageregistrationtoimageswhohaveobviousedgefeaturescallimplementsimplyandCanimprovetherobustoftheregistrationprocessing,sinceitCanmakefulluseoftheedgefeaturesSOthatthedifferencesofthegraylevelandthefeaturesoftheimagehasbeenreducedThecompute-costofmutualinformationistoolarge,SOwebringforwardanewalgorithmbasedonwaveletThisalgorithmspeedregistrationprocessthroughmatchingimageslayerbylayerwhichisobtainedbywaveletanalysistechnologyExperimentalresultsshowthat0111combinedalgorithmsolvetheregistrationproblemwithinfraredandvisibleimageswhichhavegreatdifferencesingreylevelandlmagefeatures,andmakeregistrationtimeonemagnitudefasterthantraditionalalgorithmsduetotheadoptionofthewavelettransformSimultaneously,theregistrationresultsachieveahighaccuracyandstabilityKeyword:
imageregistrationmutualinformationedgefeaturewaveletdecomposition西安电子科技大学学位论文独创性(或创新性)声明秉承学校严谨的学风和优良的科学道德,本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。
尽我所知,除了文中特别加以标注和致谢中所罗列的内容以外,论文中不包含其他人已经发表或撰写过的研究成果;也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。
与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。
申请学位论文与资料若有不实之处,本人承担一切的法律责任。
本人签名:
型礁丛日期丝丝:
兰:
望西安电子科技大学关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定,即:
研究生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。
学校有权保留送交论文的复印件,允许查阅和借阅论文;学校可以公布论文的全部或部分内容,可以允许采用影印、缩印或其它复制手段保存论文。
同时本人保证,毕业后结合学位论文研究课题再攥写的文章一律署名单位为西安电子科技大学。
(保密的论文在解密后遵守此规定)本学位论文属于保密,在一年解密后适用本授权书。
本人签名:
娅熬导师签名:
互:
。
:
二!
+f7,j坞I1日期型丝:
三笪日期理翌:
兰!
g第一章绪论第一章绪论11图像配准的一般概念图像配准是指对同一目标在不同条件(不同时间、不同传感器、不同视角及不同拍摄条件等)下获得的两幅或者两幅以上图像迸行匹配的图像处理过程,在医学、遥感、模式识别、计算机视觉、军事等领域有广泛的应用【l】。
图像配准是图像处理的一个基本问题,最早是在美国七十年代从事的飞行器辅助导航系统以及寻地等应用研究中被提出来的,作为军方的研究项目进行研究。
在对图像配准研究的过程当中,大量技术被应用于针对不同类型、不同数据和不同问题的图像配准工作,从而产生了很多不同形式的图像配准技术。
图像配准的基本问题是找出一种图像转换类型用来纠正图像的形变,造成图像形变的原因有很多种,例如传感器噪声,被拍摄物体的移动或生长等变化,大气的变化,以及阴影和云层遮盖等原因都使图像产生不同形式的形变。
正是由于图像形变原因和形式的不同决定了图像配准技术的多样性。
在当前图像配准技术的研究中,对不同类型的待配准图像,所要采用的配准方法也是不同的,还没有哪一种技术是广泛适用于各种图像配准问题的,并且对某种特定问题也没有哪一个技术是必须和唯一的。
图像配准问题总的来说都是寻找一种特定的最优变换,达到使两幅图像在某种意义上的匹配,但对于不同图像和不同应用,具体问题要具体分析。
12论文的目的及意义图像配准技术的应用范围相当广泛,其中包括导弹的地形和地图匹配制导、目标跟踪、医疗诊断、天气预报、计算机视觉、文字识别以及景物分析中的变化检测等。
如今,随着图像匹配制导和导航技术的发展,单一的探测系统所获取的图像信息已经越来越不能满足应用的需要。
因单波段成像系统会随着区域的不同,气候、温度、湿度的改变或目标的伪装等导致获取的信息量减少,更严重的一些情况会使成像系统探测不到目标或者探测精度下降。
为了提高飞行器的作战适应性、抗干扰能力和武器的突防能力等,新型的探测器系统开始采用多传感器组合的方式【2J,已从原来单一由可见光探测系统获取图像信息向多传感器共同获取图像信息的方向发展。
如果同时在两个波段获取目标信息,将信息综合就可对复杂的背景进行抑制,提高对目标的探测效果。
蔽性好、灵敏度和空间分辨率高等优点,因红外探测系统具有抗干扰能力强、隐所以现在一般都采用可见光和红外复合2一红外与可见光图像配准技术研究探测系统。
目前,针对不同传感器图像的配准问题,学者们提出了许多方法,其中最有效的方法主要是基于图像边缘轮廓的配准方法。
现在的图像配准方法大多是将多个算法融合或是集成,这样就可以克服单个算法的一些局限性,提高了配准算法的适用性。
本文将对不同传感器图像之间的配准问题进行研究,主要为解决红外图像与可见光图像配准中的难题作了一些探索,这就是本文研究的目的所在。
13图像配准技术的国内外发展现状图像配准技术最早是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被提出来的。
八十年代后,随着科学技术的发展,图像配准技术被广泛的应用于其它各个领域,如遥感图像处理、模式识别、自动导航、医学诊断、计算机视觉、光学和雷达图像目标跟踪、资源分析、气象预报及景物中的变化检测等。
不同传感器图像之间的配准意义更大,因为不同传感器所获得的图像信息具有互补性,它们融合后的图像可以有效地应用于目标识别和跟踪等。
早在70年代初,PEAnuta3】就提出了使用FFT进行互相关图像检测计算的图像配准技术来提高配准过程的速度;DLBameal4J等人提出了使用模板子图像差值相似性测度的图像配准技术,这种方法比使用FFT计算互相关相似性测度进行图像检测的方法具有更好的性能;WKPrattf5J对图像配准的互相关技术进行了全面性的研究;MSvedlowt6j等人对图像配准技术的相似性测度和预处理方法进行了深入的比较分析;Flussrl7针对畸变图像间的匹配又提出一种自适应映射方法,自动地对两幅遥感图像进行分割,使分割后两幅图像上相应子块间的相似度较大,然后从这些子块之间的空间位置关系来对两幅图像进行匹配。
Ton和Jaint8】用物体的中心作为控制点,并用松弛算法得到匹配的控制点对。
Li【9】等人将区域边界和其它强边缘作为特征,用链码相关性和形状相似性规则来匹配闭合区域;而对开区域进行角点检测,并进行匹配。
近些年来,人们结合实际问题又在这些方法的基础上提出了一些的新配准方法。
HsiehIo】等人用图像小波分解的局部模极大值作为侯选特征点,并经筛选后得到真实特征点。
Wu11J提出一种基于小波变换的多尺度配准方法得到两幅图像的平移和旋转参数。
关于不同种传感器图像配准的问题,DanaKt汜j提出先用多尺度边缘检测得到不同尺度下的边缘图像,然后用分层估计、变换、优化策略得到图像间的变换参数来配准红外与可见光图像。
WANGWHtl3J等人用Sobel算子将图像分割形成闭区域,以闭区域的中心作为特征点,用图像的特征点组成线段,然后用线段的角度差和线段长度的比率建立二维直方图,得到匹配特第一章绪论3一征点对。
SHARKALK114】等人提出了一种基于边缘分割的快速分支跳跃的特征匹配算法,这种方法在DMMount15】等人所提出的关于点对点分支跳跃算法的基础上,利用Hough算法对区域分割边缘进行直线段提取,最后通过局部Housdorff距离对检测到的直线段进行初步匹配。
在国内,图像配准技术起步相对较晚,但是后来获得了很大的发展。
李智【161等人提出了基于轮廓相似性测度的图像配准方法,它适用于轮廓特征较为丰富的图像。
熊兴华【l。
7】等人提出将遗传算法和最dx-乘法相结合用于图像像素级的配准。
王小睿【l8l等人提出并实现了一种图像自动配准的方法,用于图像的高精度配准,但事实上它只是一种用互相关系数作为相似性测度的半自动图像配准方法。
郭海涛【19J等人提出了一种将遗传算法(GeneticAlgorithm,简称GA)用于图像配准的方法。
张祖勋【20】提出采用多级图像的概率松弛整体匹配技术,用来处理不同传感器、不同空间分辨率图像的快速配准。
由此可见,图像配准技术经过几十年的研究,己经取得了很多的研究成果,国内外图像配准技术都发展得非常迅速。
早期图像配准技术主要应用于多波段遥感图像的校准,近二十年来图像配准技术在模式识别和运动分析等领域里起着越来越重要的作用。
但是由于图像配准数据来源的多样性,以及不同的应用方面对图像配准的要求也各不相同;同时,因为影响图像配准因素的多样性,以及配准问题的复杂性,图像配准技术还有待于进一步发展。
目前,国内外的同行都在积极研究图像配准的方法和相关的技术,例如作为图像配准的最终方式,自动图像配准技术内容也在积极的研究过程当中。
14本文的主要工作及章节安排本文的主要工作是对结合特征和互信息的图像配准技术进行研究。
文中对图像配准的概念、图像配准原理、应用分类、常用的图像配准算法做了一般性的描述;对各种常用的边缘特征提取方法及匹配准则做了较为详细的探讨;对基于特征和基于互信息两类基本配准方法进行大量比较试验后,本文综合利用了基于互信息和特征的图像配准方法。
首先将两幅原始图像进行小波分析,再对两幅待配准图像的各层图像进行边缘提取,计算各层边缘图像的归一化互信息,将上层的输出参数作为下层的输入参数,求出变换参数最终配准图像,并将其用来配准红外与可将光图像。
章节安排如下:
第一章:
绪论。
介绍了图像配准的一般概念、国内外的研究现状、和本文的目的及意义,简要的叙述了本文的工作及组织结构。
第二章:
图像配准的概述。
首先阐述了图像配准的原理、基本模型及应用分4一红外与可见光图像配准技术研究类,然后系统地讲了图像配准的方法。
第三章:
互信息测度及边缘特征提取。
先讲述了最大互信息和归一化互信息相似性测度,然后讲解了几种经典的边缘提取算子,小波理论和小波多尺度边缘检测算子。
第四章:
红外与可见光图像配准实验。
对红外与可见光图像用结合边缘特征和互信息的图像配准方法进行配准,并对结果做了比较分析。
第五章:
总结。
211图像配准的定义第二章图像配准概述第二章图像配准概述21图像配准原理图像配准是指对同一目标在不同条件下获得的两幅(或者两幅以上)图像进行匹配的图像处理过程,是图像处理中的一个基本问题。
假设两幅待配准图像和厶,其中五为参考图像,厶为待配准图像。
图像配准的问题可以定义为这两幅图像像素坐标和灰度值上的双重映射。
(x,y)和厶(x,y)分别表示两幅图像相应位置O,Y)上的灰度值,那么两幅图像间在数学上的变换关系如下:
厶(石,J,)=g(Iif(x,y)(2-1)其中,函数表示一个二维空间的坐标变换,函数g表示一个灰度变换。
图像配准就是寻找最优的空间和灰度变换,通常灰度变换在图像预处理阶段就得到了校正,所以通常解决图像配准的关键问题就是寻找最佳的空间或几何变换,这一变换常常被表示为两个参数变量的单值函数六,工:
厶(而y)=(Z(z,y),工(z,少)(2-2)212图像的变换类型在图像配准技术中,其最根本的问题就是找出适当的图像变换或映射类型用来将两幅图像进行正确的匹配。
每幅图像中都会出现很多种变形,图像配准技术必须选择适合的变换类型消除图像间的变形。
主要的变换类型有刚体变换(Rigidbodytransformation)、仿射变换(A伍netransformation)、投影变换(Projectivetransformation)、非线性变换(Nonlineartransformation)和透视变换(Perspectivetransfomation)。
表21表示了前四种图像变换模型所满足的条件。
红外与可见光图像配准技术研究表21j皇i像的变换模型(其中代表满足条件)反转旋转平移缩放投影扭曲刚体变换o仿射变换oooo投影变换ooooo非线性变换ooOoO下面将重点介绍这几种重要的变换模型和它们的性质:
(1)刚体变换如果第一幅图像中任意两点之间的距离变换到第二幅图像后仍保持不变那么这种变换称为刚体变换。
刚体变换是平移、旋转与反转(镜像)的组合。
在二维空间里点(x,y)经刚体变换到点(x,Y)的变换公式为:
鬈黝刚:
cz-,其中口为旋转角度,rl为平移量。
图21是对源图像进行了剐体变换:
口囵a源图像b经月体变换后的图像圈2】刚体变换
(2)仿射变换如果经过变换后第一幅图像上的直线映射到第二幅图像上仍为直线,井保持平行关系那么这种变换称为仿射变换。
仿射变换是平移、旋转、反转(镜像)和缩放的组合。
仿射变换可以分解为线性(矩阵)变换和平移变换。
在二维空间里,点“y)经仿射变换到点“,Y)的变换公式为:
;=,:
;2c“o“s:
;+:
cz4,l,j24lsm口口jl,J+f2_4第二章图像配准概述n其中。
为旋转角度,l。
为平移量,O-为缩放尺度。
一般的二维仿射变换公式如下Lj乏班+:
=其中Iq-qzl为实数矩阵。
图22是对源圉像进行了仿射变换L4nJ口m源图像b经仿射变换后的图像圈22仿射变换(25)(3)投影变换如果经过变换后第一幅图像上的直线映射到第二幅图像上仍为直线,但基本不保持平行关系,那么这种变换称为投影变换。
投影变换可阻用高维空间上的线性(矩阵)变换来表示,在高维空间里,点“y)经投影变换到点(z,)的变换公式为:
一:
旦芏璺出生(26)ql毛+鸟:
H+吩,vt:
生丘垒生!
qlxt+anYl+固23是将源图像进行了投影变换:
函a源图像b经投影变换后的图像图23投影变换(27)红外与可见光图像配准技术研究(4)非线性变换如果经过变换后第一幅图像上的直线映射到第二幅图像上不再是直线,那么这种变换称为非线性变换。
在二维空间里,点“y)经仿射变换到点(,y)的变换公式为:
(zy)=F(j,y)(28)其中F表示为任意一种把第一幅图像映射到第二幅图像上的函数形式。
多项式变换是一种典型的非线性变换,在二维空间里,多项式函数可以写成如下形式:
一=+q一+aol,+awx2+qlxy+ay2+(29)Y=6帅十ox+b01y+kx2+I掣+ky2+(210)图24是将源图像经过了非线性变换。
回国a源图像b经非线性变挠屙的图像图24非线性变换(5)透视变换透视变换是三维空间到二维空间的映射。
假设(Y,=)为三维场景内的一点,映射到二维平面内所对应的点(,H)表示如下:
z:
=生(21I)其中,为相机镜头焦距22图像配准的应用分类(212)根据Brown21】的总结,图像配准在应用上粗略的可以分为四类:
多模态配准模板配准,观察点配准,时间序列配准。
第二章图像配准概述9一
(1)多模态配准(不同传感器所获取的图像之间的配准)问题分类:
由不同传感方式获取同一场景所得图像之间的配准。
典型应用:
多传感器图像间的信息融合。
方法特点:
通常需要建立传感器模型和变换模型;由于灰度属性或对比度可能有较大的差异,有时需要灰度的预配准;利用物体形状和一些手工设定的基准标志可以简化问题。
应用例子:
遥感图像领域:
多电磁波段图像信息融合。
医学图像领域:
CT、PET、M、SPECT图像结构信息融合。
(2)模板配准(场景到模型的配准)问题分类:
在图像中寻找具有指定模板结构的匹配问题。
典型应用:
在图像中识别和定位模板样式,例如:
物体、目标、地标等。
方法特征:
基于模板;预先选定特征;已知物体的属性;高等级特征匹配。
应用例子:
模式识别:
标志确认,字符识别,波形分析等。
遥感数据处理:
定位和识别已知特征的或定义好的场景,如飞机、高速路、停车场等。
(3)观察点配准(从不同观察点获取的图像之间的配准)问题分类:
对从不同观察点获得的同一场景的图像之间进行配准。
典型应用:
三维深度或形状重建。
方法特征:
变形多为透视变换;经常应用视觉几何和表面属性等假设条件;典型的方案是特征相关;必须考虑阻挡问题。
应用例子:
计算机视觉:
目标物的运动跟踪,序列图像分析;从视角差异中构建三维深度和形状信息。
(4)时间序列配准(不同时间获取的图像之间的配准)问题分类:
对同一场景在不同时间或不同条件下获得的图像间的配准。
典型应用:
检测和监视变化或增长。
方法特点:
需要容忍图像中部分内容的差异和形变对配准造成的影响;有时需要建立传感噪声和视点变换的模型。
应用例子:
遥感数据处理:
自然资源监控、核生长监控、市区增长检测。
医学图像处理:
肿瘤检测、数字剪影血管造影(DSA)、白内障检测等。
23图像配准的方法图像配准的方法有很多种,各种方法都面向一定范围的应用领域,具有其各自的特点。
不同的图像配准方法同样也总是对应于某种适用的图像变换模型。
总10红外与可见光图像配准技术研究的来说,图像配准方法大体可以分为三类【22,23l:
基于灰度、基于变换域和基于特征的图像配准方法。
基于灰度的图像配准方法是利用图像本身所具有的灰度统计信息来度量图像相似程度的,实现简单,但应用范围狭窄,运算量巨大;基于变换域的图像配准方法主要是傅氏变换法,这一方法受限于傅里叶变换的不变性,只适用于在傅里叶变换中有相应定义形式(如旋转、平移等)的图像;基于特征的图像配准方法是图像配准中最常见的方法,它依赖于图像的点、线段、区域等特征,适用范围广泛。
231基于灰度的图像配准方法基于灰度的图像配准方法一般不需要对原始图像进行复杂的预处理,而是直接利用两幅图像的某种统计信息作为相似性判别标准,采用适当的搜索算法得到使相似性判别标准最大化的图像转换形式,最终实现图像配准的目的。
各种算法的主要差异就在于相似性判别标准和搜索算法的选择。
基于灰度的图像配准方法其基本思想是【241:
先对待配准图像做几何变换;然后,根据灰度信息的统计特性定义一个目标函数,作为参考图像与待配准图像间的相似性判别标准,在目标函数的极值处取得配准参数,并以此作为配准的判别标准和配准参数最优化的目标函数,从而将配准问题转化为多元函数的极值问题;最后,通过一定的最优化方法求得正确的几何变换参数。
这种方法的主要特点是实现比较简单,但应用范围比较狭窄,不能用来直接校正图像的非线性形变,而且在最优变换的搜索过程当中往往需要巨大的运算量。
1982年R
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 学位 论文 红外 可见光 图像 技术研究 专一