基于單應性估計的多幀超聲TOFD圖像配準與降噪技術研究.pdf

1、圖像配準技術是圖像處理與模式識別領域中非常重要的一部分。圖像配準在目標檢測、超分辨率重建、運動軌跡估計、特征識別、醫(yī)學影像、地理遙感圖像等領域都有廣泛的應用。每一種配準方法都會針對研究領域特定的需要而設計，所有的圖像配準方法的共性就是要在不同的空間中尋找一種最優(yōu)的空間變換模型，這種變換能夠使兩幅圖像在某種意義上達到匹配。對于不同的應用領域，圖像特征匹配具有不同的意義，就需要采用具有針對性的方法。根據(jù)模板圖像和待配準圖像之間的關系，將圖像

2、配準分為多源圖像配準、基于模板的配準、多角度圖像配準、時間序列圖像配準四大類。本文主要討論基于模板圖像的多幀圖像配準，在技術層面主要是基于圖像特征的圖像配準算法。采用一種疊加的圖像配準技術來進行討論和研究，來提升圖像的信噪比等相關參數(shù)。
　　本文針對超聲TOFD圖像在信噪比提升方面進行了討論和研究。系統(tǒng)的介紹和分析了小波圖像降噪算法相關技術;采用貝葉斯估計理論進行噪聲參數(shù)估計;接下來，本文提出了一種新的閾值函數(shù)對高頻小波系數(shù)進行壓

3、縮處理。然后，將處理后的細節(jié)小波系數(shù)結(jié)合近似小波系數(shù)進行反小波變換，得到新的信號;最后，采用基于最大相關的圖像配準方法消除數(shù)據(jù)采集過程中的偏差，經(jīng)過多幅配準圖像的疊加得到最終的去噪圖像數(shù)據(jù)。相對于傳統(tǒng)方法，信噪比提高了12.2dB，提升幅度約為99％。
　　本文采用單應性估計的方法進行圖像配準。這里，對單應性矩陣的計算方法進行了討論和分析。分別采用SIFT算法和SURF算法提取特征點和特征描述向量的計算，生成模板圖像和待配準圖像之

4、間的對應匹配關系。然后分別采用有向線性變換和Bundle Adjustment方法進行單應性矩陣的計算。
　　對于超聲TOED圖像質(zhì)量的提升，在采用降噪算法對圖像進行預處理后，采用基于圖像特征的方法進行圖像配準。首先，采用DoG算子提取圖像中的特征點，然后對每個特征點采用SIFT算法進行標記;在模板圖像(fixed image)和待配準圖像(floatimage)之間的特征點通過最小歐式距離原則形成的對應關系，然后采用RANSAC

5、算法對形成的對應關系進行優(yōu)化，將其中部分誤匹配點去除，計算出兩幅圖像之間的單應性矩陣。最后，利用單應性矩陣進行仿射變換，完成圖像配準。利用單應性矩陣進行圖像配準可以對圖像進行伸縮、旋轉(zhuǎn)等變換。相對于基于最大相關方法的配準結(jié)果，信噪比提升了約2dB，提升幅度約為10％。
　　為了克服經(jīng)典SIFT、SURF等配準算法中的不足，本文討論了一種多單應性矩陣局部圖像配準的方法。提出一種AGAST-DAISY特征點提取標記的方法，結(jié)合紅黑樹匹

6、配算法實現(xiàn)圖像配準。首先采用AGAST算法對圖像中的特征點進行提取，在選取特征點標記時采用DAISY描述子，為了加快運算速度，本文提出一種基于三階統(tǒng)計量的主成分提取算法進行降維，然后在模板圖像和待配準圖像之間采用最小歐式距離原則進行特征點匹配。對于采用傳統(tǒng)RANSAC算法的隨機性帶來的不利影響，本文采用基于聚類一致性原則的方法對其進行改進。首先，分別采用在Jeffrey散度和Gap統(tǒng)計量原則下選取聚類數(shù)目，通過多種實驗數(shù)據(jù)的計算機模擬驗

7、證，兩種原則下選取出的聚類數(shù)目相同。在確定聚類數(shù)目后，采用C-means模糊聚類的方法分別對模板圖像和待配準圖像進行聚類，形成C個聚類中心。采用紅黑樹數(shù)據(jù)結(jié)構進行匹配，即對應的每個類都會形成一個單應性變換矩陣。通過對應類的單應性矩陣仿射變換，實現(xiàn)圖像的局部配準，有效的消除了傳統(tǒng)RANSAC算法隨機性帶來的影響。從而提高了配準精度。對于超聲TOED圖像在信噪比方面，隨著疊加數(shù)目的增加，信噪比提升1dB左右，均方根誤差低于最大相關配準方法0