一種針對部分匹配圖像的二維圖像配準方法
【專利摘要】本發明公開了一種針對部分匹配圖像的二維圖像配準方法,包括對待配準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兩幅邊界圖像進行預配準,得到粗略的空間變換參數;用粗略的空間變換參數對浮動圖像進行校正,然后去除多余的邊界點;使用平均Hausdorff距離進行精確配準,得到更準確的空間變換參數,直至達到所需精度。本發明結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預配準結果的影響,又能實現對浮動圖像中多余邊界點的去除,從而實現對圖像準確的配準和校正。
【專利說明】一種針對部分匹配圖像的二維圖像配準方法
【技術領域】
[0001]本發明涉及圖像處理領域,具體涉及一種針對部分匹配圖像的二維圖像配準方法。
【背景技術】
[0002]同一對象或同類對象的多幅圖像在不同側面反映了對象的特征,對這些圖像進行比較、分析和綜合,可以對該對象有更全面的了解。由于成像設備、時間、成像條件等不同,所成圖像有空間位置變化(局部或全局),在進行分析和比較之前,需要對其空間位置進行對齊,即經過合適的空間變換,使圖像中同一位置的像素反映對象中同一點,這就是圖像配準的基本概念。其中稱作為配準依據的相對不動的圖像Im為模板圖像,而要與Im進行配準的進行空間變換的圖像If為浮動圖像。圖像配準是模式識別、計算機視覺、圖像融合、三維重建、機器人視覺、圖像拼接、視覺檢查等技術的基礎。
[0003]配準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局限:第一,模板圖像與浮動圖像必須在密度函數上有一定程度的相似性或統計依賴性;第二,在基于灰度的方法中,由于兩幅圖像的每一個像素點都要參與計算,所以在最優變換的搜索過程中往往計算量很大。基于特征的配準方法可大致分為兩類,一類從兩幅圖像的特征集中尋找對應特征,再通過對應特征進行配準,另一類不尋求對應特征,而是定義兩個特征集整體之間的某種相似性度量,來進行配準。基于平均Hausdorff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方法。它避免了復雜的尋找對應特征的步驟,有較好的應用前景。但對邊界不完全對應的情況,如何得到準確的配準結果是它的一個問題。
[0005]基于平均Hausdorff距離的方法的不足在于,但當浮動圖像相比于模板圖像存在多余邊界時,多余邊界點就會對相似性度量有較大影響。因為除去多余部分,浮動圖像邊界的其余部分可以與模板圖像中對應的邊界精確對準,這時,在平均意義上,多余部分離模板圖像邊界點集相對較遠,平均距離值較大,如果多余部分的邊界點數又相對較多時,會對尋優方法的目標函數值產生較大影響,就不會在真正配準的位置取得最優的配準結果。
【發明內容】
[0006]本發明的目的在于克服現有技術存在的缺點與不足,提供一種針對部分匹配圖像的二維圖像配準方法。
[0007]本發明采用如下技術方案:
[0008]一種針對部分匹配圖像的二維圖像配準方法,包括如下步驟:
[0009]SI對模板圖像Im和浮動圖像If提取邊界,分別得到模板圖像和浮動圖像的邊界圖像Cm和Cf;
[0010]S2對SI得到的邊界圖像Cm和Cf進行預配準,得到粗略的空間變換參數,所述空間變換參數包括浮動圖像相對于模板圖像旋轉的角度,浮動圖像相對于模板圖像在X軸及Y軸的位移;
[0011]S3用S2得到的粗略的空間變換參數對浮動圖像的邊界圖像Cf進行校正,然后通過廣義HausdorfT距離的二階差分的分析,去除多余的邊界點,得到新的浮動圖像邊界C/ ;
[0012]S4對模板圖像的邊界圖像Cm和新的浮動圖像邊界圖像C/,使用平均Hausdorff距離進行精確配準,得到精確的空間變換參數;
[0013]S5重復步驟S3-S4,使精確的空間變換參數達到所需精度,則配準完成。
[0014]所述SI中具體采用Canny邊緣檢測算子提取邊界。
[0015]所述S2中預配準采用幾何特征差分布直方圖的方法,具體為:
[0016]S2.1對于模板圖像Im和浮動圖像If的邊界圖像Cm和Cf,求取每一個邊界點在模板圖像Im和浮動圖像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算浮動圖像相對于模板圖像旋轉的角度:[0018]S2.3使用S2.2所得的角度,對浮動圖像的邊界圖像Cf進行角度補償;
[0019]S2.4分別在模板圖像的邊界圖像Cm和經過角度補償后的浮動圖像的邊界圖像Cf上設定坐標軸原點,一般設定圖像左上角處為坐標軸原點,采用幾何特征差分布直方圖的方法計算浮動圖像相對模板圖像在X軸方向的位移tx,采用與求取tx相同的方法,得到浮動圖像相對模板圖像在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算浮動圖像相對于模板圖像旋
轉的角度,具體為:設供0)為過邊界點U的梯度方向,點Pi e Cm,點q] e Cf,其中i=l,2,…
,Nm, j=l, 2,…,NF,NM和Nf分別為Cm和Cf中邊界點的個數,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值為浮動圖像相對于模板圖像旋轉的角度。
[0021]所述S2.4中采用幾何特征差分布直方圖的方法計算浮動圖像相對模板圖像在X軸方向的位移tx,具體為:設X(U)表示邊界點U在X軸方向上的坐標值,計算模板圖像上的邊界點Pi和角度補償后的浮動圖像的邊界點q/在X軸方向的坐標差值X(i,j)=x(q/ )_x(Pi),對X(i,j)作坐標差分布直方圖,取分布的最高峰值為浮動圖像相對模板圖像在X軸方向的位移tx。
[0022]所述S2.1中求取每一個邊界點在模板圖像Im和浮動圖像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中通過對廣義HausdorfT距離的二階差分的分析,去除多余的邊界點,具體為:
[0024]S3.1使用預配準所得粗略的空間變換參數對浮動圖像的邊界圖像(^進行校正,得到校正后的邊界圖像CF(i)
[0025]S3.2計算所有不同k值(k=l, 2,...,Nf)下校正后的Cf⑴到Cm的廣義Hausdorff距離,并按k從小到大進行排序,得到非遞減序列,記為H(CF(i),Cm);
[0026]所述給定點集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 計算 H(CF(i),CM)對 k 的二階差分:
[0030]Δ2 H1 (C^ ,Cj7) = AHk, d (C? ,Cm)-AHt—d (Cf ,CM),
[0031]其中一階差分的計算為
[0032]AH1 (C^ ,Cai) = Hm (C^ ,Cm)-Hid (Cf ,Cm),
[0033]其中d為自然數,d通常取5,得到二階差分序列A2H(CF(i),Cm);
[0034]S3.4計算二階差分序列Λ 2H(CF(i), CM)中的最大值Λ 2Hmax和次大值Λ 2Hsmax,及其在序列中對應的下標kmax和ksmax ;
[0035]S3.5標記出Cf中Cfe的多余邊界點,
[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k對應的點標記為多余邊界點,λ > 1,λ具體為1.2 ;
[0037]若Λ 2Hmax- Δ 2Hsmax>Q,求得最大值點的序號k_,將序號k>k_的點標記為多余邊界
占.[0038]S3.6將多余邊界點去除,得到新的浮動圖像邊界C/。
[0039]所述S4中使用基于平均Hausdorff距離進行精確配準具體為,以平均Hausdorff距離作為尋優算法的目標函數,求得滿足平均HausdorfT距離最小的空間變換參數。
[0040]所述尋優算法為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距離小于一個給定的常數或C/中的邊界點數小于一個給定的常數,否則重復S3-S4的過程,直至終止條件滿足為止。
[0042]本發明的有益效果:
[0043](1)本發明使得計算機可以對不同種類的二維圖像進行空間位置的配準校正,而且克服了其它配準方法在浮動圖像與模板圖像相比有多余部分的情況下配準誤差較大的缺點;
[0044](2)配準方法基于邊界點,不需要圖像所有的像素都參與運算,而且不需要建立點或特征的對應關系,計算效率高,能保證算法的實時性;
[0045](3)使用幾何特征差分布直方圖方法對圖像進行預配準,基于對幾何特征的統計性質,減少多余邊界對預配準結果的影響,該方法對多余邊界不敏感;
[0046](4)使用幾何特征差分布直方圖方法對圖像進行預配準,不需要進行迭代計算,也不需要使用優化方法進行全局尋優,耗時少;
[0047](5)根據對廣義Hausdorff距離的分析,能實現對浮動圖像中多余邊界點的去除,從而實現對圖像準確的配準和校正;
[0048](6)算法簡單易行,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續的情況下的圖像配準。
【專利附圖】
【附圖說明】
[0049]圖1為本發明一種針對部分匹配圖像的二維圖像配準方法的流程圖;[0050]圖2為圖1中預配準步驟的流程圖;
[0051]圖3為圖1中去除多余邊界點步驟的流程圖。
【具體實施方式】
[0052]下面結合實施例及附圖,對本發明作進一步地詳細說明,但本發明的實施方式不限于此。
[0053]實施例
[0054]如圖1所示,一種針對部分匹配圖像的二維圖像配準方法,包括如下步驟:
[0055]SI對模板圖像Im和浮動圖像If提取邊界,分別得到模板圖像和浮動圖像的邊界圖像Cm和Cf;
[0056]本發明提取邊界具體采用Canny算子,也可以使用其他邊緣檢測算子,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為連貫的曲線,而且是單像素寬,有利于進行邊界的匹配。
[0057]提取邊界具體包括如下步驟:
[0058]S1.1首先用2D高斯濾波模板進行卷積以平滑圖像。
[0059]S1.2利用微分算子計算梯度的幅值和方向,假設圖像上某一像素點(i,j),則該點的梯度幅值和梯度方向分別表示為
[0060]
【權利要求】
1.一種針對部分匹配圖像的二維圖像配準方法,其特征在于,包括如下步驟: SI對模板圖像Im和浮動圖像If提取邊界,分別得到模板圖像和浮動圖像的邊界圖像Cm 和 Cf ; S2對SI得到的邊界圖像Cm和Cf進行預配準,得到粗略的空間變換參數,所述空間變換參數包括浮動圖像相對于模板圖像旋轉的角度,浮動圖像相對于模板圖像在X軸及Y軸的位移; S3用S2得到的粗略的空間變換參數對浮動圖像的邊界圖像Cf進行校正,然后通過廣義HausdorfT距離的二階差分的分析,去除多余的邊界點,得到新的浮動圖像邊界C/ ; S4對模板圖像的邊界圖像Cm和新的浮動圖像邊界圖像C/,使用平均Hausdorff距離進行精確配準,得到精確的空間變換參數; S5重復步驟S3-S4,使精確的空間變換參數達到所需精度,則配準完成。
2.根據權利要求1所述的配準方法,其特征在于,所述SI中具體采用Canny邊緣檢測算子提取邊界。
3.根據權利要求1所述的配準方法,其特征在于,所述S2中預配準采用幾何特征差分布直方圖的方法,具體為: S2.1對于模板圖像Im和浮動圖像If的邊界圖像Cm和Cf,求取每一個邊界點在模板圖像Im和浮動圖像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算浮動圖像相對于模板圖像旋轉的角度: S2.3使用S2.2所得的角度,對浮動圖像的邊界圖像Cf進行角度補償; S2.4分別在模板圖像的邊界圖像Cm和經過角度補償后的浮動圖像的邊界圖像Cf上設定坐標軸原點,采用幾何特征差分布直方圖的方法計算浮動圖像相對模板圖像在X軸方向的位移tx,采用與求取tx相同的方法,得到浮動圖像相對模板圖像在Y軸方向的位移ty。
4.根據權利要求3所述的配準方法,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算浮動圖像相對于模板圖像旋轉的角度,具體為:設爐(H)為過邊界點u的梯度方向,點 Pi e Csi^qj e Cf,其中 ?=1,2,...,ΝΜ,j=l, 2, - ,Nf, ^和 Nf 分別為 Cm 和 Cf中邊界點的個數,那么,Pi與q」的梯度方向角度之差表示為執人/) =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值為浮動圖像相對于模板圖像旋轉的角度。
5.根據權利要求3所述的配準方法,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算浮動圖像相對模板圖像在X軸方向的位移tx,具體為:設X(U)表示邊界點U在X軸方向上的坐標值,計算模板圖像上的邊界點Pi和角度補償后的浮動圖像的邊界點q/在X軸方向的坐標差值X (i,j) =X (q/ ) 1匕),對乂(1,」)作坐標差分布直方圖,取分布的最高峰值為浮動圖像相對模板圖像在X軸方向的位移tx。
6.根據權利要求3所述的配準方法,其特征在于,所述S2.1中求取每一個邊界點在模板圖像Im和浮動圖像If處的梯度方向,具體采用Sobel梯度算子或高斯梯度算子。
7.根據權利要求1所述的配準方法,其特征在于,所述S3中通過對廣義Hausdorff距離的二階差分的分析,去除多余的邊界點,具體為: S3.1使用預配準所得粗略的空間變換參數對浮動圖像的邊界圖像(^進行校正,得到校正后的邊界圖像CF(i) S3.2計算所有不同k值(k=l,2,“%NF)下校正后的CF(1)到Cm的廣義Hausdorff距離,并按k從小到大進行排序,得到非遞減序列,記為H(CF(i),Cm); 所述給定點集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計算H(CF(i),CM)對k的二階差分:
8.根據權利要求1所述的配準方法,其特征在于,所述S4中使用基于平均Hausdorff距離進行精確配準具體為,以平均HausdorfT距離作為尋優算法的目標函數,求得滿足平均Hausdorff距離最小的空間變換參數。
9.根據權利要求8所述的配準方法,其特征在于,所述尋優算法為Powell算法、模擬退火算法、遺傳算法或粒子群算法。
10.根據權利要求7所述的配準方法,其特征在于,所述S3.5中λ為1.2。
【文檔編號】G06T7/00GK103679713SQ201310646684
【公開日】2014年3月26日 申請日期:2013年12月4日 優先權日:2013年12月4日
【發明者】張見威, 黃達承 申請人:華南理工大學