基于SIFT算法的圖像配準研究*

朱 林

(東南大學成賢學院 南京 210088)

?

基于SIFT算法的圖像配準研究*

朱 林

(東南大學成賢學院 南京 210088)

為了提高圖像配準的質量,論文在分析常用圖像配準方法的基礎上,總結出根據特征進行圖像配準的優勢,進而使用SIFT算法來提取特征點,使用高斯差分金字塔的分層構造確定和提取圖像的空間極值點,從而得出精確而平穩的配準結果,為圖像配準的優化與發展打下基礎。

圖像配準; SIFT算法; 特征點

Class Number TP301.6

1 引言

圖像配準是計算機科學技術領域中一項非常關鍵技術,也是重要的研究焦點,其主要研究內容是將同一個場景、相同區域內的圖像通過算法程序進行空間匹配對準,需要配準的兩張圖像無論圖像內的同一物體的位移發生怎樣的變化,都能利用圖像中的相似點匹配起來。圖像配準技術在醫學、遙感、虛擬現實技術等方面應用很多[1],解決了很多問題。

圖像配準的質量關鍵取決于提取特征點的精度,本文考慮使用SIFT算法來確定特征點匹配圖像,在此方法中需要細化相同場景中圖像的各個部分,基于相同的視角測試兩幅圖像的一致特征點,研究的核心問題是確定空間轉變的模式,讓不同的圖像內部存在著重疊的核心坐標點并加以對準,再縫合為單個畫面的最后視圖。配準的方法不僅要確保配準的精度,還要保證配準演算量不能太大。

2 圖像配準方法

相同場景在不同的條件下拍攝的二維圖像會產生明顯的區別。主要是由于兩幅圖像所處的時間、角度等不同引起的,當目標景物出現改變時,與之關聯的傳感器自身也存在著誤差現象[2]。目前,圖像配準方法大體上可以分成如下三種：

2.1 根據灰度信息進行圖像配準

此方法是根據兩個圖像所對應的灰度信息,用RGB或是CMY的色彩體系來配準相似性,并根據標準的灰度級確定圖像配準的方位與重疊性區域[3]。此方法無需使用圖像分割與特征提取等技術,而是直接應用灰度相關信息來登記,所以此方法一般必須假定應有光的內在吻合注冊,同時迭代所需光的初始化處理,并對圖像灰度信息加以演算,但缺點是有時演算過于密集化,同時難以旋轉,圖像的仿射改變也無法被處理。

2.2 根據變換域進行圖像配準

2.3 根據特征進行圖像配準

根據特征進行圖像配準的方法是基于像素特點衍生出來的,在該方法中,涵蓋圖像信息的特征點都能夠被加以使用,例如邊緣化的特征點、角點、高曲率參量點、重心及封閉式范圍的統計特征點等,設計重疊范圍搜索配準的圖像特征點。根據特征點進行圖像配準涉及到特征提取、特征匹配以及對運動關系的求解。

1) 特征提取

特征提取是對參與配準的圖像特征點加以登記,從而界定哪些特征點比較適合圖像的配準。提取特征點主要考慮三個方面的因素：首先要求兩個圖像應有相同的特征點可以進行配準,且規模與強度信息相似；其次要求特征點的分布特點應充分涵蓋兩幅圖像,避免出現難以配準的現象；最后要求所挑選的特征點能夠容易地進行深入的工作,在配準時可以使用簡單的計算方法削減計算工作量。

2) 特征匹配

在根據特征進行圖像配置與提取特征以后,特征匹配能夠直接提取特征點的相應關聯性,在構建四周像素的前提下直接連接不同特征點的對應關系,為了提高穩定性、減少冗贅信息,可以通過導入部分加以描述的特性來改進,從而提供與檢索描述符相似的流程[5]。

3) 對運動關系進行求解

運動關系求解主要應用于結構出現改變的模型,而所謂運動內部關聯性一般指對應的變換矩陣。其功能是在圖像的坐標系環境中實現圖像配準內部的轉換功能,變換矩陣所使用的方法是迭代法,每次通過迭代法隨機地由單個特征點配置來化解最初對應的矩陣。

櫻桃熟了，果粒紅得發紫。給院子增添一道靚麗風景線，大樓里的人舍不得摘。這天，來了三個騎摩托車自稱是種櫻桃樹的園林農工，理直氣壯地進園就摘櫻桃。門衛經警好言相勸，走時還是摘了半塑料袋櫻桃。櫻桃好吃樹難栽，這里的櫻桃樹是她們栽的，果子理應她們吃。

根據特征進行圖像配準的研究具有很多優勢,首先可以處理好圖像內部存在較大偏差的現象；其次可以盡可能多地削減計算量、減少配準的基準時間；再次由于其構建在匹配特征點的基礎上,所以在受到圖像光與噪音影響的同時,并不會對光和噪音改變的灰色度與健壯性產生明顯的敏感反應。

3 基于SIFT算法的特征點提取

SIFT(Scale-invariant feature transform)算法可以檢測圖像配準的局部特征,該算法通過求一幅圖中的特征點(interest points or corner points)及其有關scale和orientation的描述得到特征點并進行相應特征點的匹配,使用SIFT算法進行圖像配準主要應用于圖像的旋轉、放大、縮小、亮度變化等方面[6]。

SIFT算法是基于尺度空間的相關屬性而提出的一類尺度恒定的特征點測試法,主要使用目標部分范圍信息來構建相應的特征量,它所選取的關鍵點是處于空間與尺度域內所獲得的極值點,同時將若干個關鍵點作為特征區域的重點,而關鍵點所對應的尺度還須通過確定特征范圍的大小加以界定,在單個特征范圍中,將梯度向度上的直方圖作為前提,從而獲得局部恒定的特征向量[7]。

特征點提取時須先預處理圖像,使用高斯差分金字塔的分層構造提取圖像的極值點,并將其作為候選,然后深入地篩選出對比度偏低以及位于邊緣處的點,最后提取出比較平穩的特征點[8]。其實施順序如下：

1) 尺度空間的極值獲取

首先需要確定尺度空間中的極值,構建起尺度空間的函數公式。產生高斯差分式圖像,高斯卷積核是完成改變尺度的唯一線性核:

L(x,y,σ)=G(x,y,σ)*I(x,y)

(1)

(2)

上述的*指的是x與y內部的卷積運算符,(x,y)所表示的是空間坐標參量,σ所表示的是尺度坐標參量。

D(x,y,σ) =(G(x,y,kσ)-G(x,y,σ))*I(x,y)

=L(x,y,kσ)-L(x,y,σ)

(3)

建立高斯差分式的函數式可以比較有效地進行圖像的預處理,目的在于清理圖像中的模糊成分,從而有利于提取出平穩的特征點。使用高斯函數時,須先計算圖像的卷積情況,然后在圖像中應用相應的采樣方法,在首次采樣后,每間隔0.5個的像素間距加以采樣,從而放大原先的圖像的倍數,并將其作為首組圖像,再通過成倍數量的采樣間距依次采樣圖像,進而繪制出第二組、第三組與第四組等不同組別的圖像。然后借助于高斯內核的相關函數展開濾波處理,構建起高斯式的金字塔圖像立體化分層構造,在進行高斯濾波的過程中,須依次使用相應的因子。候選特征點生成圖如圖1所示。

圖1 候選特征點生成圖

圖1的左側表示的是高斯金字塔的立體化層次結構,同時標記出高斯濾波相應函數的濾波要素。最初的圖像在高斯函數下展開卷積從而產生一系列的圖像,然后在尺度空間內通過常量k來區分,可參見圖1左側的示意圖。把其中所有組別用一個整數s間隔,假定k=21/s,則每組內的圖像數量是s+3個,極值的測試則可以覆蓋組內的全部圖像,圖1右側表示的是把每組內鄰近的圖像通過相減的方式產生高斯差分的圖像。基于高斯差分的金字塔立體化結構提取出圖像內的極值點作為候選的特征點,然后深入地篩選出候選的特征點,去除對比度較低與位于邊緣處的特征點,最后提取出平穩的特征點[9]。

2) 空間極值點的確定

為了確定尺度空間中的極值點,每個采樣點須與鄰近的其它全部點進行比對,看它在圖像與尺度域中鄰近距離的大小。如圖2所示。

圖2 尺度空間計算

圖中與中間層測試點的鄰近尺度匹配點共有9×2+8個,即共計26個點,加以比對后,保障尺度空間與二維圖像的空間均可以測試到極值點[10]。空間極值點準確的方位是基于擬合之后的二次函數界定三維方位與尺度的主要點(子像素的精度),需要去除對比度較低與非穩定性的點,從而強化圖像的抗噪功能。

4 結語

圖像配準的方法很多,優秀的圖像配準方法要求圖像配準時精確度要高、計算量要小,通過SIFT算法可以精確而有效地獲取并確定空間極值點,完成特征點的精確提取,并構造高斯差分立體化分層金字塔完成相應的配準工作,為圖像配準在醫學、遙感等行業中的應用打下基礎。

[1] 鄒承明.基于幾何學圖像配準的SIFT圖像拼接算法[J].華中科技大學學報(自然科學版),2016(4):32-36 ZOU Chengming. SIFT image mosaic algorithm based on geometric image registration [J]. Journal of Huazhong University of Science and Technology (Naturral Science Edition),2016(4):32-36.

[2] 陳曉燕.基于SIFT算法在圖像配準上的應用研究和實現[J].電子技術與軟件工程,2016(5):101-102. CHEN Xiaoyan. Research on the application of image registration based on SIFT algorithm and implementation of [J]. electronic technology and software engineering,2016(5):101-102.

[3] 林小平,周石琳,張官亮.一種基于蟻群算法和互信息測度的圖像拼接技術[J].重慶理工大學學報(自然科學版),2013,27(1):76-81. LIN Xiaoping, ZHOU Shilin, ZHANG Guanliang. A based on ant colony algorithm and mutual information measure of image stitching technology[J]. Chongqing University of science and Technology Journal of University of Technology (Natural Science Edition),2013,27(1):76-81.

[4] 張永梅,張晨希,巴德凱.改進SIFT變換與客觀評價結合的圖像配準算法[J].計算機測量與控制,2015(6)：2090-2093. ZHANG Yongmei, ZHANG Chenxi, BA Dekai. Combining improved sift and objective evaluation of image registration algorithm [J]. Computer measurement and control,2015(6):2090-2093.

[5] 岳昕.基于信息熵與SIFT算法的天文圖像配準[J].計算機科學,2015(6)：57-60. YUE Xin. Astronomical image registration based on information entropy and SIFT algorithm [J].computer science,2015(6):57-60.

[6] 姚漢英,孫文峰,李平.SAR圖像拼接效果的評價方法研究[J].計算機工程,2010,36(15):196-198. YAO Hanying, SUN Wenfeng, Li Ping. SAR image stitching effect evaluation method research [J].Computer Engineering,2010,36(15):196-198.

[7] 趙壘,侯振杰.一種改進的SIFT圖像配準方法[J].計算機工程,2010,36(12)：226-228. ZHAO Lei, HOU Zhenjie. An improved SIFT image registration method [J]. Computer Engineering,2010,36(12):226-228.

[8] 李慶,張豐,李芬.一種用于AOI的PCB拼接算法[J].華中科技大學學報(自然科學版),2011(2):90-93. LI Qing, ZHANG Feng, LI Fen. A PCB splicing algorithm for AOI[J]. Journal of Huazhong University of Science and Technology (Natural Science Edition),2011(2):90-93.

[9] 魏利勝,周圣文.新型優化SIFT的圖像快速配準方法研究[J].計算機工程與應用,2015(5):167-171. WEI Lisheng, ZHOU Shengwen. A new method of fast image registration for new optimized SIFT[J].computer engineering and application,2015(5):167-171.

[10] 劉輝,申海龍.改進圖像配準算法在無人機遙感圖像拼接中的應用[J].光電技術應用,2014,35(1):108-112. LIU Hui, SHEN Hailong. Application of improved image registration algorithm in remote sensing image mosaic of unmanned aerial vehicle[J]. Application of optoelectronic technology,2014,35(1):108-112.

Image Registration Based on SIFT Algorithm

ZHU Lin

(Southeast University Chengxian College, Nanjing 210088)

In order to improve the quality of image registration, based on the analysis of common image registration method, the advantage is summed up according to the characteristics of image registration. And the SIFT algorithm is used to extract the feature points, using Gauss differential to determine and extract the image’s spatial extreme points, thus the accurate and stable results are obtained to lay the foundation for the optimization and development of image registration.

image registration, SIFT algorithm, feature points

2016年5月2日,

2016年6月23日

朱林，男，碩士，講師，研究方向：計算機體系結構、軟件開發、圖形圖像、電子商務。

TP301.6

10.3969/j.issn.1672-9722.2016.11.031