圖像配準技術研究及應用.pdf

1、圖像配準技術是計算機視覺的一項基礎任務，其應用領域包括醫(yī)學圖形處理，遙感圖像處理，圖像融合，圖像搜索，機器視覺，虛擬現(xiàn)實，目標識別，環(huán)境監(jiān)測，圖像拼接，安全監(jiān)控以及地理信息系統(tǒng)等。圖像配準的本質就是通過計算圖像之間的重合部分，來估計整幅圖像之間的空間變換關系，而根據(jù)應用場景的不同對這種變換關系采取不同的應用策略。圖像配準技術根據(jù)其應用特點可以分為像素級配準與特征級配準，像素級配準技術由于誤差矩陣抗噪性較差，且計算復雜度高，一般應用于醫(yī)學

2、等特殊領域?；谔卣鞯膱D像配準技術隨著SIFT和SURF算法的提出避免了上述像素級配準的缺點，使基于特征的配準技術成為研究的熱點。
　　基于特征的圖像配準技術一般可分為三個步驟:關鍵點檢測;描述子構造;描述子匹配。其中，關鍵點給出了構建圖像局部特征的位置信息，描述子利用關鍵點的位置信息構建的描述子向量賦予了關鍵點鑒別信息。因此，提取穩(wěn)定的關鍵點與構造高鑒別性的描述子是圖像配準技術的研究重點。
　　本文主要研究了基于非線性尺度

3、空間的關鍵點提取和二值化描述子構造。具有一定鑒別性的結構特征就稱之為關鍵點。關鍵點的檢測是構造圖像特征描述子的一個重要步驟，其鑒別性的強弱以及魯棒性的好壞很大程度上決定了圖像配準的準確度的高低。針對高斯尺度空間在濾除噪聲的同時也對圖像的結構等紋理信息造成較大的破壞，在高尺度下檢測的圖像特征急劇減少，使圖像特征的尺度性能與鑒別性降低的情況，提出了構建非線性尺度空間的角點檢測算法。非線性濾波器在濾除圖像噪聲的同時，能夠較好的保留圖像邊緣和輪

4、廓等特征，因此，采用角點檢測算法而非極值點檢測算法，從而能夠得到較為精確的關鍵點。這也就給描述子的構造提供了較為精確的位置信息，增加描述子的魯棒性。
　　針對關鍵點局部二值化描述子的構建算法，為了能夠得到具有尺度，旋轉和視角變換等特征且鑒別性較好的描述子，首先對關鍵點的鄰域進行主方向估計，主方向估計采用長程和短程采樣點的比率作為主方向的計算數(shù)據(jù)，而后對采樣對進行方向歸一化得到旋轉不變的描述子，再根據(jù)設置的采樣模式與閾值，可以得到一