基于多模態配準的圖像高分辨重建技術?

（河南工程學院計算機學院 鄭州 451191）

1 引言

隨著計算機數字圖像處理技術的發展，采用數字圖像處理技術進行三維物體重建，在計算機視覺下實現圖像特征重構，提高圖像的三維模擬和識別能力。研究圖像的三維重建方法，在虛擬現實仿真、醫學圖像識別、三維空間模擬以及軍事作戰指揮等領域都具有很好的應用價值，圖像的三維重建的關鍵是特征點配準和分辨力的提升問題，研究三維圖像的高分辨重建技術具有廣闊的應用前景［1］。

對圖像的三維重建建立在圖像的特征匹配和紋理渲染基礎上，結合角點檢測和圖像平滑技術實現圖像三維重建，傳統方法中，對圖像的三維重建方法主要有SIFT（Scale Invariant Feature Transform）特征匹配方法、邊緣輪廓特征分解方法、支持向量機方法以及稀疏點重構方法等［2～4］，其中，文獻［5］中提出一種于銳化模板增強技術的多模態圖像表面輪廓重建方法，基于結合活動輪廓套索模型進行多模態圖像輪廓特征提取，提高三維圖像重建的銳化效果，但該方法進行圖像重建中受到的散亂點的干擾較大，重建圖像的輸出質量不好；文獻［6］中提出基于背景差分連續重構和RGB量化分解的多模態圖像輪廓重建技術，采用網格分割方法進行圖像的模板匹配處理，根據多模態圖像的內部紋理結構進行圖像的自適應分解，提高圖像的表面渲染能力，但該方法進行圖像重建的計算復雜度較高，圖像重建的實時性不好。

針對上述問題，本文提出一種基于多模態圖像配準的圖像高分辨重建技術。采用三維模板匹配方法進行三維圖像的邊緣相關性檢測，采用三角網格表面渲染方法實現圖像的紋理跟蹤，結合Harris角點檢測方法提取三維圖像特征點與輪廓信息，對重建三維圖像的表面紋理特征進行多模態配準，對圖像進行平滑去噪，降低圖像重建的表面誤差，實現圖像的高分辨重建。最后通過仿真實驗進行性能驗證，展示了本文方法在提高多模態圖像三維重建能力方面的優越性能。

2 三維模板匹配和圖像表面渲染

2.1 圖像的三維模板匹配

為了實現對多模態圖像的高分辨重建，首先構建圖像的特征分析模型，采用三維模板匹配方法進行三維圖像的邊緣相關性檢測［7］，設三維多模態圖像像素序列的分布矩陣描述為

采用圖像動態場景特征匹配方法，得到三維多模態圖像的邊緣像素特征分量為

根據圖像的表面紋理結構分布，得到多模態圖像的逆加權，得到圖像的相關性檢測的加權函數f(gi)為

由此獲得圖像三維動態重建的背景差分量，在圖像的平滑區域進行RGB分解，RGB分解式為

根據上述模型構建，采用三維模板匹配方法進行三維圖像的邊緣相關性檢測，提高圖像三維重建的目標匹配和特征點自適應配準能力［8］。

2.2 圖像的三角網格表面渲染

在進行圖像的模板匹配的基礎上，采用三角網格表面渲染方法實現圖像的紋理跟蹤，這一實現過程如圖1所示。

圖1 三角網格表面渲染過程

根據圖1，采用三角網格表面渲染方法［9］，得到圖像網格分割的線性方程組為

在圖像的重建表面點掃描方法進行紋理特征分割，得到紋理分割函數為

式中，I(x，y)表示多模態圖像在(x，y)處的分塊系數，L(x，y，σ)表示圖像分辨系數，G(x，y，σ)表示關聯像素值，計算式為

判斷多模態圖像的褶皺信息，采用相關性檢測方法，得到圖像表面重建的灰度像素值為E(d (x ，y ) )，圖像的三維重建的稀疏度控制函數為

式中，Fd表示多模態圖像的邊緣尺度，圖像的網格表面的噪點距離為d(x ，y)，根據紋理渲染結果，得到圖像的三角網格表面渲染的特征集為

在圖像的三角網格表面渲染處理的基礎上，結合特征提取和角點檢測方法，實現圖像高分辨重建優化。

3 圖像高分辨重建算法優化

3.1 三維圖像特征點與輪廓信息提取

在采用三維模板匹配方法進行三維圖像的邊緣相關性檢測和表面渲染的基礎上，進行三維圖像高分辨重建優化設計，本文提出一種基于多模態圖像配準的圖像高分辨重建技術，對原始圖像進行自適應濾波，濾波函數表達如下：

其中，Gnew和Gold分別多模態高頻分量和低頻分量，采用邊緣輪廓特征提取方法［10］，得到多模態配準特征分量：

式中，TC為多模態圖像重建平滑算子，Md(Ci)表示Ci中圖像邊緣信息特征分量。結合Harris角點檢測方法提取三維圖像特征點與輪廓信息［11］，得到信息分量為

對重建三維圖像的表面紋理特征進行多模態配準，輸出為

根據特征提取結果進行圖像的高分辨自適應重構設計。

3.2 多模態配準及圖像重建輸出

在對三維圖像特征點與輪廓信息提取的基礎上，對圖像進行平滑去噪［12～14］，得到去噪后的圖像平均像素集為

其中：x1，x2，x3...xT是每個子塊的模板匹配集，T為像素分布密度。建立多模態圖像的統計形狀模型，得到三維重建的邊緣像素集為

采用異步迭代更新方法，進行圖像的自適應配準和圖像高分辨重建［15］，這一實現過程描述為

1）第一步多模態圖像渲染

2）第一步圖像重建更新

3）第二步圖像渲染

4）第二步圖像重建更新

經過多次迭代運算，實現了基于多模態配準的圖像高分辨重建優化。

4 仿真實驗與結果分析

為了測試本文方法在實現圖像的高分辨重建中的應用性能，進行仿真實驗，實驗采用Matlab設計，實驗對象為人體的心內膜圖像，對多模心內膜圖像采樣的稀疏點個數為100個，表面點個數為1000，圖像的干擾強度為-12dB，正則化參數為0.12，模糊核系數為0.24，根據上述仿真環境和參數設定，進行重建，取不同的特征點數，得到重建結果如圖2所示。

圖2 三維心內膜圖像的重建結果

分析圖2得知，采用本文方法進行圖像重建，隨著特征點個數的增多，重建的分辨效果越來越好，采用本文方法進行圖像三維重建的特征匹配能力較強。測試采用本文方法和傳統的CT方法進行圖像重建的效果，得到結果如圖3所示。

圖3 重建效果對比

分析圖3結果得知，采用本文方法進行圖像重建的分辨效果較好，降低圖像重建的表面誤差。測試不同方法進行圖像重建的配準精度，得到結果如圖4所示。分析圖4得知，本文方法進行圖像重建的特征點配準精度較高，說明圖像重建準確性較好。

圖4 圖像重建的特征匹配精度對比

5 結語

在計算機視覺下實現圖像特征重構，提高圖像的三維模擬和識別能力，本文提出一種基于多模態圖像配準的圖像高分辨重建技術。采用三維模板匹配方法進行三維圖像的邊緣相關性檢測，采用三角網格表面渲染方法實現圖像的紋理跟蹤，結合Harris角點檢測方法提取三維圖像特征點與輪廓信息，對重建三維圖像的表面紋理特征進行多模態配準，對圖像進行平滑去噪，降低圖像重建的表面誤差，實現圖像的高分辨重建。研究表明，采用本文方法進行圖像重建的質量較高，效果較好。