毕业设计综述

图像配准文献综述一、引言图像配准是图像处理领域中的基本问题，它是很多问题的预先处理步骤，这些问 题遍及医学、军事、遥感、计算机视觉等多个领域。概括地说，图像配准是将不同时 间、不同传感器或不同视角下获取的同一场景的两幅或多幅图像进行最佳匹配的过程 1。发展至今，图像配准已经取得了众多的研究成果，但由于配准图像多样性，影响 配准的因素多样性，以及不同领域应用对配准的不同要求，还有配准问题的复杂性， 图像配准技术还需要进一步的发展。下文主要介绍了国内外对图像配准的研究发展以 及现状，图像配准的数学模型以及需要用到的几何变换，图像配准大体上的方法划分， 然后着重介绍了基于特征的图像配准方法。二、图像配准的国内外发展现状图像配准技术的提出最早是在军事方面，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和寻地等应用研究中提出。但直到1980年代才开始引 起学者们的重视，在很多不同领域渐渐出现了图像配准技术的研究，如遥感领域，模 式识别，自动导航，医学诊断罔，计算机视觉等。在王蕾3的介绍中，从上世纪70至90年代，图像配准技术不断被研究，包括了 使用FFT进行互相关图像检测计算的图像配准技术，利用模板子图像的差值相似性测 度的图像配准技术，基于自回归模型的动态程序设计方法用于几何畸变较大的图像的 配准技术等等。W.K.Pratt研究了图像配准的互相关技术；M.Svedlow等对图像配准 相似性测度和预处理方法进行了比较分析；Flussr针对变形图像间的匹配又提出了一 个将两幅遥感图像自动分割，得到相似度很大的相应子块，根据这些子块的空间位置 关系对原图像进行匹配的自适应映射方法。90年代以后,单模图像配准问题已基本解 决，人们渐渐把关注放在多模图像配准上囹。国内也开始涉足此领域，李智等提出了 基于轮廓相似性测度的图像配准方法，郭海涛5等提出了一种将遗传算法（Genetic Algorithm，简称GA）用于图像配准的算法。王小睿6等提出并实现了一种使用互相 关函数作为相似性测度的半自动的图像配准方法；熊兴华7 等提出了将遗传算法和最 小二乘法结合用于图像的子像素级配准。可见不论是国内还是国外，图像配准技术都发展的非常迅速，目前3D数据的配 准成为了学术界的研究热点之一。Rusu R B等根据点云数据中点邻域环境研究实现了 点特征直方图(PFH)以描述几何特征，以此根据来进行匹配，随后又对其在计算复 杂度方面进行了改进和简化工作10171920。图像配准的高精度、算法的强鲁棒 性和配准速度以及图像配准的自动化都是图像配准领域不断追求的目标。三、图像配准以及几何变换图像配准可以定义为两幅图像在空间和灰度上面的映射。用二维矩阵1,12来表示 两幅图像，则I(x,y),/2(x,y)分别表示相应位置上的灰度值，则映射可表示 12(x, y) = g(I1 f (x, y)，其中f表示一个二维空间坐标变换，g是一维变换，大多数情 况，解决配准问题关键在寻找空间或几何的变化，变换一般可参数化为两个单值函数f , f : I (x, y) = I (f (x, y), f (x, y)x y 21 xy常用到的图像变换主要有刚体变换、仿射变换、投影变换和非线性变换。1、刚体变换：如果第一幅图像中的两点之间的距离变换到第二幅图像后仍保持不变，那么这样的变换就称为刚体变换。可分解为平移、旋转和反转。二维空间中，点(3 1)(x, y)经过刚体变换到点(x, y)的变换为一 x 一=cos 中土 sin p_ y_sin p_ cos p +其中甲为旋转角度，x为平移量。tL y2、仿射变换：如果第一幅图像中的一条直线经过变换后映射到第二幅图像上仍为直 线，并且保持平衡关系，这样的变换称为仿射变换。点(x, y)经过仿射变换到点(x, y)的变换为a11aL 21a12a22(3 2)其中a11a12为实数矩阵。aa21223、投影变换：如果第一幅图像中的一条直线经过变换后映射到第二幅图像上仍然为直线，但平行关系基本不保持，则这样的变换称为投影变换。点3,力经过投影变换到点3, y)的变换为a11a21a12a22,a 其中11a1- 21a12a22(3 3)a13a23-13为实数矩阵。a234、非线性变换：如果第一幅图像中的一条直线经过变换后映射到第二幅图像上不再 是直线，则这样的变换称为非线性变换。在二维空间中，点(x, y)经过非线性变换到点(x, y)的变换公式为：(3 4)(x, y) = F(x, y)其中F表示把第一幅图像映射到第二幅图像上的任意一种函数形式。四、图像配准方法的分类图像配准的分类并没有明确的定义，可根据其应用领域不同，配准方法不同，图 像来源不同等等，分类方法也各有特点。如何对各种配准方法进行分类，Brown提出了一下三个主要的范畴：图像特征类 别、搜索空间(或等价于应用的变换类型)、搜索策略来进行图像配准分类。在应用上可以粗略第归为四类：多模态配准、模板配准、观察点配准、时间序列 配准。基于配准理论可以将图像配准分类两大类9：基于灰度的配准和基于特征的配 准。基于灰度的配准：指直接利用整幅图像的灰度信息，建立两幅图像之间的相似性 度量，然后采用某种搜索方法，寻找使相似度量值最大或最小的变换模型的参数值。 其特点直接利用全部可用的图像灰度信息，不需要对图像做特征提取，因此能提高估 计的精度和鲁棒性。但由于在基于图像灰度的算法(如互相关算法)中，需要把匹配 点周围区域的点的灰度都考虑进来进行计算，因此计算量很大，速度较慢。基于特征的配准：指通过分别提取两个或多个图像中保持不变的特征，对其进行 参数描述，然后通过所描述的参数，利用某种相似性度量进行匹配。其特点提取了图 像的显著特征，大大压缩了图像的信息量，使得计算量小、速度较快，而且它对图像 灰度的变化具有鲁棒性。五、基于特征的配准基于图像特征的配准方法是图像配准中使用最广泛的方法。一般分为三个步骤：1、特征提取：根据图像性质提取适用于该图像配准的几何或灰度特征。图像中具有 明显可区别的特征包括：直线的交点、角点，直线、曲线及边界轮廓。2、特征匹配：根据特征匹配准则，寻找两幅待配准图像中对应的特征，排除没有对 应的特征。3、图像转换：根据所求得的图像转换参数，将其带入符合图像形变性质的图像转换 式以最终配准两幅图像。六、总结本文主要介绍了图像配准的发展研究现状，给出了图像配准的定义和几种几何变 换，最后列举了图像配准的方法分类。图像配准未来的研究方向应该在于完善以及发 现新的配准算法，配准方法的精度、运行效率大大影响了不同方面应用对图像配准的 要求实现。我未来的工作是主要是对点特征直方图(PFH)和快速点特征直方图(FPFH) 的三维配准中特征提取算法进行研究，从而对三维空间中的图像配准方面做一些小小 的贡献。七、参考文献1 Brown L G. A survey of image registration techniquesJ. ACM computing surveys (CSUR), 1992, 24(4): 325-376.2 Maintz J B, Viergever M A. A survey of medical image registrationJ. Medical image analysis, 1998, 2(1): 1-36.3 王蕾.图像配准技术及应用研究D.西安电子科技大学,2007.4 刘松涛，杨绍清.图像配准技术研究进展J.电光与控制,2007,06:99-105.5 郭海涛,刘智,张保明.基于遗传算法的快速影像匹配技术的研究J.测绘学院学 报,2001,S1:20-22.6 王小睿，吴信才.遥感多图象的自动配准方法J.中国图象图形学 报,1997,10:39-43.7 熊兴华，钱曾波,王任享.遗传算法与最小二乘法相结合的遥感图像子像素匹配J. 测绘学报,2001,01:54-59.8 彭景林.基于互信息和离散小波帧分解的医学图像配准研究D.湖南大学,2006.9 Besl P J, McKay N D. Method for registration of 3-D shapesC/Robotics-DL tentative. International Society for Optics and Photonics, 1992: 586-606.10 Rusu R B, Blodow N, Beetz M. Fast point feature histograms (FPFH) for 3D registrationC/Robotics and Automation, 2009. ICRA09. IEEE International Conference on. IEEE, 2009: 3212-3217.11 常学义，孙秋冬,任煜,陈玮.基于MATLAB的图像配准方法J.上海第二工业大学 学报,2006,04:303-308.12 吴嘉.基于特征点空间信息分布直方图的匹配方法研究D.南京理工大学,2012.13 赵辉.基于点特征的图像配准算法研究D.山东大学,2006.14 苑津莎，赵振兵，高强，孔英会.红外与可见光图像配准研究现状与展望J.激光与 红外,2009,07:693-699.15 刘斌,彭嘉雄.图像配准的小波分解方法J.计算机辅助设计与图形学学 报,2003,09:1070-1073.16 Rusu R B, Marton Z C, Blodow N, et al. Learning informative point classes for the acquisition of object model mapsC/Control, Automation, Robotics and Vision, 2008. ICARCV 2008. 10th International Conference on. IEEE, 2008: 643-650.17 Rusu R B, Blodow N, Marton Z C, et al. Aligning point cloud views using persistent feature histogramsC/Intelligent Robots and Systems, 2008. IROS 2008. IEEE/RSJ International Conference on. IEEE, 2008: 3384-3391.18 Zhang Z. Iterative point matching for registration of free-form curvesJ. 1992.19 Rusu R B, Marton Z C, Blodow N, et al. Persistent point feature histograms for 3D point cloudsC/Proc 10th Int Conf Intel Autonomous Syst (IAS-10), Baden-Baden, Germany. 2008: 119-128.20 Rusu R B, Marton Z C, Blodow N, et al. Towards 3D point cloud based object mapsfor household environmentsJ. Robotics and Autonomous Systems, 2008, 56(11): 927-941.21 朱德海，郭浩，苏伟.点云库PCL学习教程M.北京：北京航空航天大学出版社，2012.10.