基于單應(yīng)性估計的多幀超聲TOFD圖像配準(zhǔn)與降噪技術(shù)研究.pdf

1、圖像配準(zhǔn)技術(shù)是圖像處理與模式識別領(lǐng)域中非常重要的一部分。圖像配準(zhǔn)在目標(biāo)檢測、超分辨率重建、運(yùn)動軌跡估計、特征識別、醫(yī)學(xué)影像、地理遙感圖像等領(lǐng)域都有廣泛的應(yīng)用。每一種配準(zhǔn)方法都會針對研究領(lǐng)域特定的需要而設(shè)計，所有的圖像配準(zhǔn)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(dá)到匹配。對于不同的應(yīng)用領(lǐng)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(zhǔn)圖像之間的關(guān)系，將圖像

2、配準(zhǔn)分為多源圖像配準(zhǔn)、基于模板的配準(zhǔn)、多角度圖像配準(zhǔn)、時間序列圖像配準(zhǔn)四大類。本文主要討論基于模板圖像的多幀圖像配準(zhǔn)，在技術(shù)層面主要是基于圖像特征的圖像配準(zhǔn)算法。采用一種疊加的圖像配準(zhǔn)技術(shù)來進(jìn)行討論和研究，來提升圖像的信噪比等相關(guān)參數(shù)。
　　本文針對超聲TOFD圖像在信噪比提升方面進(jìn)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(guān)技術(shù);采用貝葉斯估計理論進(jìn)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(jìn)行壓

3、縮處理。然后，將處理后的細(xì)節(jié)小波系數(shù)結(jié)合近似小波系數(shù)進(jìn)行反小波變換，得到新的信號;最后，采用基于最大相關(guān)的圖像配準(zhǔn)方法消除數(shù)據(jù)采集過程中的偏差，經(jīng)過多幅配準(zhǔn)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(yīng)性估計的方法進(jìn)行圖像配準(zhǔn)。這里，對單應(yīng)性矩陣的計算方法進(jìn)行了討論和分析。分別采用SIFT算法和SURF算法提取特征點(diǎn)和特征描述向量的計算，生成模板圖像和待配準(zhǔn)圖像之

4、間的對應(yīng)匹配關(guān)系。然后分別采用有向線性變換和Bundle Adjustment方法進(jìn)行單應(yīng)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(jìn)行預(yù)處理后，采用基于圖像特征的方法進(jìn)行圖像配準(zhǔn)。首先，采用DoG算子提取圖像中的特征點(diǎn)，然后對每個特征點(diǎn)采用SIFT算法進(jìn)行標(biāo)記;在模板圖像(fixed image)和待配準(zhǔn)圖像(floatimage)之間的特征點(diǎn)通過最小歐式距離原則形成的對應(yīng)關(guān)系，然后采用RANSAC

5、算法對形成的對應(yīng)關(guān)系進(jìn)行優(yōu)化，將其中部分誤匹配點(diǎn)去除，計算出兩幅圖像之間的單應(yīng)性矩陣。最后，利用單應(yīng)性矩陣進(jìn)行仿射變換，完成圖像配準(zhǔn)。利用單應(yīng)性矩陣進(jìn)行圖像配準(zhǔn)可以對圖像進(jìn)行伸縮、旋轉(zhuǎn)等變換。相對于基于最大相關(guān)方法的配準(zhǔn)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(zhǔn)算法中的不足，本文討論了一種多單應(yīng)性矩陣局部圖像配準(zhǔn)的方法。提出一種AGAST-DAISY特征點(diǎn)提取標(biāo)記的方法，結(jié)合紅黑樹匹

6、配算法實(shí)現(xiàn)圖像配準(zhǔn)。首先采用AGAST算法對圖像中的特征點(diǎn)進(jìn)行提取，在選取特征點(diǎn)標(biāo)記時采用DAISY描述子，為了加快運(yùn)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(jìn)行降維，然后在模板圖像和待配準(zhǔn)圖像之間采用最小歐式距離原則進(jìn)行特征點(diǎn)匹配。對于采用傳統(tǒng)RANSAC算法的隨機(jī)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(jìn)行改進(jìn)。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(shí)驗數(shù)據(jù)的計算機(jī)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(zhǔn)圖像進(jìn)行聚類，形成C個聚類中心。采用紅黑樹數(shù)據(jù)結(jié)構(gòu)進(jìn)行匹配，即對應(yīng)的每個類都會形成一個單應(yīng)性變換矩陣。通過對應(yīng)類的單應(yīng)性矩陣仿射變換，實(shí)現(xiàn)圖像的局部配準(zhǔn)，有效的消除了傳統(tǒng)RANSAC算法隨機(jī)性帶來的影響。從而提高了配準(zhǔn)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(guān)配準(zhǔn)方法0