小波提取邊緣特征點圖像配準研究

羅志娟

（長沙航空職業技術學院，湖南 長沙 410124）

小波提取邊緣特征點圖像配準研究

羅志娟

（長沙航空職業技術學院，湖南 長沙 410124）

提出了一種基于小波多尺度積提取邊緣特征點的配準算法，利用差的絕對值和以及相關系數雙重判據作為相似性度量標準，通過Matlab實驗證明了該算法的有效性。

小波；邊緣特征點；圖像配準

圖像配準是指利用平移、旋轉、縮放等幾何變換和灰度變換使在不同成像條件下的兩幅或兩幅以上的圖像實現對準，它是圖像融合、圖像拼接等技術的基礎，一直是研究的熱點。圖像配準可分為基于特征和基于灰度的圖像配準。基于特征的圖像配準方法操作簡單、精度較高、速度較快，但很難實現完全自動配準，需要人工干預；而基于灰度的圖像配準雖能實現完全自動配準，但計算量大，配準耗時長[1]。

基于特征的圖像配準關鍵在于特征點的提取，常見的特征包括點、線、矩、邊緣、輪廓等。在配準實現的過程中，一般包括以下三個階段：1)獲取圖像的特征集；2)利用特征集，搜尋圖像間的映射關系；3)確定圖像間的幾何變換（及灰度變換）關系[2]。

1 小波多尺度積提取邊緣特征點

在基于特征的圖像配準方法中，最常用的就是點特征，而邊緣又是圖像最基本的特征，因此提取邊緣特征點在圖像配準中占據著重要的地位。經典的邊緣檢測方法有Laplace算子、Sobel算子、梯度算子等[3]。邊緣和噪聲都是高頻信號，在邊緣檢測中噪聲也往往被當成邊緣點檢測出來，從而影響配準的精度。利用小波變換多尺度等特性，從能量方面可有效區分噪聲和邊緣，提高了像素間的相關性，使得小波變換后得到的邊緣特征點，能有效的反映圖像的真實特征。

小波多尺度邊緣檢測的基本思想是：首先在不同尺度上磨光原信號，然后由磨光信號的極值點檢測出原信號的劇變點。當尺度很大時，檢測出的劇變點比較大，對應的是低頻信號的檢測，不同尺度下的劇變點對應的是小波分解后不同頻帶的信號檢測，這就是多尺度邊緣檢測[4]。根據邊緣相關理論，圖像在經過小波變換后，尖銳邊緣都有很大的信號值，而噪聲的信號值會隨著尺度的增長而逐漸衰弱[5]。因此，將多尺度小波變換下得到的梯度向量模相乘，不僅能有效的抑制噪聲，同時還能保留特征點的方向，提高定位的精度。

選取像素為200*200的Lena圖像作為實驗圖像，采用小波變換檢測圖像邊緣，實驗結果如圖1所示。實驗結果表明，利用小波變換檢測出來的邊緣真實的反映了圖像的邊緣特征，為進一步實現配準奠定了基礎。

圖1 小波算子邊緣檢測結果

需要注意的是，提取出來的邊緣點必須滿足“正規化邊緣相關系數大于該點處的梯度向量模”[6]這一必要條件。依據此原則，得到如下邊緣特征點，如圖2所示。

圖2 邊緣特征點結果圖

2 算法實現及流程圖

相似性度量標準的選擇，將直接影響圖像配準的精度。為了提高配準的可靠性，本文采用差的絕對值和以及相關系數構成雙重判據，性質不同的兩種判據，相互制約，最大限度的排除不可靠的相關結果，以保證配準的精度。

算法實現的過程中首先利用小波變換多尺度分別提取參考圖像和浮動圖像的邊緣特征點，并利用邊緣相關理論獲取圖像特征點集，接著手工輸入2對特征點，并利用2對特征點的矢量方向確定兩幅圖像間的初始旋轉角度，最后利用雙重判據逐步修正配準參數，直至獲得最終結果。

本文提出的基于小波提取邊緣特征點的圖像配準算法流程圖如圖3所示。

圖3 小波提取邊緣特征點圖像配準流程圖

3 實驗效果及分析

圖4 人物圖像配準實驗

為了驗證算法的可行性，選擇了如圖4（a）（b）兩幅由普通照相機所得的人物圖像，像素均為200*200，并在Matlab7.1平臺完成實驗，以圖像中心點為坐標原點，水平向右為x軸正方向，垂直向上為y軸正方向，旋轉方向順時針為正方向。實驗中，利用2次B樣條小波提取圖像邊緣點，最終提取56對有效特征點，多分布于人物輪廓邊緣，特征點分布較均勻，且特征點處殘差皆控制在1個像素之內，達到了高精度配準的要求。將浮動圖像按順時針旋轉4動，向左平移11pix，向下平移2pix，獲得鑲嵌后配準結果如圖4（c）所示。仔細觀察配準結果可以看出，采用本文提出的方法進行圖像配準，得到的配準后圖像沒有重影且清晰可辨，配準效果很好。

4 結論

基于灰度的圖像配準計算量大，耗時較長，而基于特征的配準方法將圖像的特征提取出來，利用特征實行配準，大大壓縮了圖像的信息量，減少了計算量，配準速度得以提高[7]。本文提出的配準算法，在小波變換下得到的邊緣點具有多分辨特性，能有效地過濾噪聲帶來的干擾，同時雙重判據彌補了單一判據的不足，保證了配準的精度。

[1]陳顯毅.圖像配準技術及其MATLAB編程實現[M].北京：電子工業出版社，2009.

[2]葛永新.基于小波多尺度積的圖像配準方法[J].計算機科學，2006,（33）：242-245.

[3 ]楊丹，張小洪. 基于小波多尺度積的邊緣檢測算法[ J].計算機科學,2004,31(1):133-135.

[4] 張東，余朝剛. 基于特征點的圖像拼接方法[J].計算機系統應用，2016,（3）：107-112.

[5]楊健，李若楠.基于局部顯著邊緣特征的快速圖像配準算法[J].計算機應用，2014,（1）:149-153.

[6]曹世翔，江潔.邊緣特征點的多分辨率圖像拼接[J].計算機研究與發展，2011，48（9）：1788-1792.

[7]楊程，徐曉剛.圖像配準技術研究[J].計算機科學，2016，（s2）：133-135.

［編校：楊 琴]

Research of Image Registration based on Edge Feature Point by Wavelet Extraction LUO Zhi-juan

(Changsha Aeronautical Vocational and Technical College, Changsha Hunnan410124)

This paper presents a registration algorithm based on edge feature extraction by wavelet multiscale，the sum of absolute differences ( SAD) and correlation coefficient are used for similarity metric. The effectiveness of the proposed algorithm is proved by Matlab.

wavelet; edge feature points；image registration

TP309

A

1671-9654(2017)01-0086-03

10.13829/j.cnki.issn.1671-9654.2017.01.023

2017-01-06

羅志娟（1979- ），女，湖南湘潭人，講師，工學碩士，研究方向為圖形圖像處理。

本文為2014年湖南省教育廳科學研究項目“基于互信息和小波變換的圖像配準技術研究及應用”（編號：14C0011）階段性研究成果．