基于多小波分析理論的圖像配準

摘 要：提出了一種利用多小波進行圖像分解和基于特征相似性的圖像配準方法。實驗結果表明，該算法在減小計算復雜性和增強穩(wěn)健性等方面得到較好的效果。

關鍵詞：圖像配準;多小波;特征提取;不變描述子

1 引言

圖像配準方法主要可以分為三大類：基于灰度的圖像配準方法、基于特征的圖像配準方法和基于模型的圖像配準方法。本文將多小波變換和基于特征的圖像處理方法相結合，并應用了一種新的相似性度量標準，實驗結果證明了該方法的優(yōu)點和有效性。

2 基于圖像特征的配準方法概述

基于特征的圖像配準算法對圖像的處理步驟一般包括：圖像預處理、圖像特征提取、圖像特征匹配、變換模型選取及求取參數、坐標變換和插值五步。特征的提取實質上是運用圖像分割技術和模式識別等技術對圖像中穩(wěn)健的特征信息進行提取，點、線、面是三種最常提取的特征基元。

3 基于特征的圖像配準方法

本文首先采用GHM多小波對圖像進行分解，再采用區(qū)域特征提取算法，對分解后圖像的區(qū)域特征進行提取，引用了區(qū)域特征的仿射不變距作為不變描述子對所提取特征進行描述，以此定義相似性測度準則，最后，利用匹配區(qū)域特征對所對應的重心點坐標來求取仿射變換模型參數，完成圖像的最終匹配。首先，利用GHM多小波對參考圖像和待配準圖像進行一層多小波分解;其次，對一層多小波分解后的含有圖像低頻分量的子圖像采用基于Mean-Shift分割算法的區(qū)域特征提取方法，在合適的滿足性條件下，對圖像的區(qū)域特征進行提取，將所提取出的區(qū)域記為配準基元;再次，采用七個仿射不變矩作為不變描述子，分別對上一步設定的配準基元進行一一描述，以描述所得的仿射不變矩的最大距離為依據，定義特定的相似性測度，測量配準基元的相似性，從而獲得相似性矩陣，從該矩陣中提取相似性測度值最大的六對區(qū)域特征，作為初始匹配區(qū)域特征;最后，運用窮舉策略，從初始匹配區(qū)域特征中，找到三對性能最佳的初始匹配特征對作為最終匹配區(qū)域特征，并取其重心點的坐標值作為配準計算的參數值，結合最小二乘算法，估計得出最優(yōu)的仿射變換模型參數。

4 實驗結果

以下為參考圖像和待配準圖像以及它們分別經過GHM多小波一層分解后的效果圖：

以下為對圖像采用基于Mean-shift圖像分割算法的特征提取的效果圖：

以下為最終配準結果圖：

從實驗結果可以看出，本文所提出的采用GHM多小波對圖像進行分解，再采用基于Mean-shift圖像分割技術的區(qū)域特征提取方法，僅僅針對圖像的低頻部分進行提取特征，并采用一種改進的基于不變描述子的圖像配準算法是有效的。

參考文獻

[1]B.Zitova and J.Flusser.Image registration methods： A survey[J].Image and Vision Computing， 2003， 21： 977-1000.

[2]E.J.M. Rignot， R. Kowk， J.C. Curlander， S. Pang Automated（1991）. Multi-sensor registration requirements and techniques：Photogrammetric Engineering and Remote Sensing，57 ， pp. 1029–1038

[3]呂金建，文貢堅，王繼陽，李德仁.一種改進的基于不變描述子的圖像自動配準方法.《信號處理》，已錄用，2009年第 1 期發(fā)表.

[4]D.Comaniciu and P.Meer. Mean shift： a robust approach toward feature space

作者簡介

謝雨竹（1990-），女，蒙古族，甘肅省，初級通信工程師，碩士研究生，中國移動通信集團內蒙古有限公司，質量管理。