基于對數極坐標和頻域率的互信息圖像配準?

徐永會 楊德智 劉芳名

（陸軍炮兵防空兵學院 合肥 230031）

1 引言

基于傅立葉變換的相位相關算法因運算速度快且準確，廣泛應用于圖像配準。由Chen和Reddy等提出的基于Fourier-Mellin變換的算法［1］，對產生位移、尺度變異的圖像配準效果較好，但在處理旋轉、縮放圖像時，與匹配參數對應正確度差。后由Stone等提出“旋轉引起混疊影響對配準精度”的觀點［2］，有效解決了360°范圍內的旋轉參數求解問題。本文將Fourier-Mellin變換與互信息相結合，提出在對數極坐標和頻率域中尋求最大互信息進行圖像配準。

2 傅立葉變換及相位相關法

基于傅立葉變換的相位相關法是通過傅立葉變換，實現圖像的空域變換到頻域，數據運算隨之轉為頻率域乘法運算［4］。根據在空域上圖像平移在頻率域中表現為相位差的特性，計算兩幅圖像的互功率譜，從而得到圖像的位移量。

假設兩幅圖像 f1(x,y)和 f2(x,y)，f2(x,y)是f1(x,y)由經過簡單的平移(x0,y0)得到，即：

根據傅立葉變換的性質可得：

式中 F1(μ,ν)和 F2(μ,ν)分別為 f1(x,y)和 f2(x,y)的傅立葉變換。它們的互功率譜為

通過對互能量譜進行傅立葉反變換，得到的單位脈沖函數δ(x-x0,y-y0)，根據該函數出現的尖銳峰值，求得圖像的相對平移量x0和 y0。函數式經過傅立葉反變換，生成脈沖峰值群，而最大峰值對應的位置，就是要求得的相對平移量，這種方法稱為Fourier相位相關法［5］。

3 對數極坐標變換

在進行圖像配準采用對數極坐標變換時，將圖像點完成由直角坐標系向對數極坐標系映射后，圖像的尺度與旋轉保持不變，由此分析解決問題［5］，如圖1所示。以直角坐標系中圖像的中心點為原點，以到中心點的極距ρ和極角θ為坐標軸，對極距ρ取對數，得到圖像的對數極坐標。從圖像的直角坐標(x,y)映射到對數極坐標(log(ρ),θ)。圖像的任意一點(x,y)都可表示為

極坐標變換，如圖1（a）為圖像的直角坐標表示，圖像的極坐標表示如圖1（b）。圖1（a）中區域A、B、C表示相同的極角所對應的圖像區域，圖1（b）對應相同的縱坐標 θ 值；圖1（a）中區域D、E、F表示相同的極距所對應的圖像區域，在圖1（b）對應相同的橫坐標ρ值。

圖1 直角坐標到極坐標的映射表示

將上述圖像的極坐標系轉換到對數極坐標系，縱軸極角θ不變，橫坐標極距ρ取對數得到γ，即γ=log(ρ)。在圖1（a）中將圖像放大 λ倍，對應的圖（b）中沿橫軸方向放大λ倍；在對數極坐標中，由γ=log(ρ)得，有 γ=log(λρ)=log(λ)+log(ρ)，即圖像沿橫軸γ移動了log(λ)。綜上所述，經對數極坐標變換后，圖像在對數極坐標系中具有保持尺度與旋轉不變的特性。

據此總結，圖像由直角坐標系變換為對數極坐標系，是均勻性向非均勻的轉換，需要離散化處理距離軸，即首先將像素點從直角坐標系變換到極坐標系，再映射為橫軸γ；角度軸映射是將一組徑向直線均勻映射為 θ 軸［6］。

4 基于對數極坐標變換的相位相關法

當兩幅圖像只存在縮放尺度和旋轉變換時，可以將圖像對數極坐標系下進行傅立葉變換和相位相關計算［7］，得到圖像的縮放尺度和旋轉角度。

設兩圖 f1(x,y)和 f2(x,y)在直角坐標系中尺度變換參數為λ、旋轉變換角度為φ：

經對數極坐標變換：

從上式中可以看出，經過對數極坐標變換后f2(logρ,θ)相對于 f1(logρ,θ)只存在平移關系，因此，可以利用相位相關法［7］獲得logλ和旋轉角度φ，進一步獲得縮放尺度λ和旋轉角度φ。

5 基于Fourier-Mellin變換的圖像配準

設兩圖 f1(x,y)和 f2(x,y)在直角坐標系中平移變換(x0,y0)、尺度變換λ、旋轉變換角度φ：

對 f1(x,y)和 f2(x,y)進行圖像配準的步驟［8～10］如下：

1）根據傅立葉平移、旋轉和縮放定理：進行傅立葉變換，得到 F1(μ,ν)和 F2(μ,ν)。

2）對 F1(μ,ν)和 F2(μ,ν)進行高通濾波處理，得到F′1(μ,ν)和 F′2(μ,ν)。

3）對 F′1(μ,ν)和 F′2(μ,ν)求模計算，得到幅度譜 M1(μ,ν)和 M2(μ,ν)。

4）對幅度譜 M1(μ,ν)和 M2(μ,ν)進行對數極坐標變換，得到 LPM1(ξ,θ)和 LPM2(ξ,θ)。

因此采用相位相關算法［7］可求得d和φ，再通過變換即可得到尺度因子λ和旋轉角度φ。

5）計算 LPM1(ξ,θ)和 LPM2(ξ,θ)的互功率譜，得到縮放尺度λ和旋轉角度φ。

根據傅立葉變換的平移特性，計算LPM1(ξ,θ)和LPM2(ξ,θ)的互功率譜。先進行傅立葉變換，得到 FLPM1(μ,ν)和 FLPM2(μ,ν)，再由 LPM2(ξ,θ)=LPM1(ξ-d,θ-φ)可得：

互功率譜為：

FLPM*2(μ,ν) 為 FLPM2(μ,ν) 的 復 共 軛 ；e-j(μd+ν?)的 傅 立 葉 反 變 換 為 二 維 脈 沖 函 數δ(x-d,y-?)，該函數偏移位置有明顯的尖銳峰值，據此特性相對平移量d和φ，得到縮放尺度λ=ed，旋轉角度φ。

6）根據縮放尺度 λ和旋轉角度φ，對圖像f2(x,y)進行縮放、旋轉變換，得到 f′2(x,y)

7）計算 f1(x,y)和 f′2(x,y)的互功率譜，得到平移參數(x0,y0)。

根據傅立葉變換的性質［5］可得：

互功率譜為

8）對 f2(x,y)以平移(x0,y0)、縮放 λ、旋轉 φ進行變換，得到配準后的圖像 f″2(x,y)。

6 引入互信息Fourier-Mellin變換的圖像配準

上述的Fourier-Mellin變換在圖像變換參數較小時，具有良好的配準效果。當圖像縮放尺度變大時，導致Fourier-Mellin系數失真。為此，對Fouri?er-Mellin變換進行改進，引入互信息計算［11～12］，通過尋求最大互信息，得到平移參數，繼而計算出縮放和旋轉參數，計算過程如圖2所示。

圖2 基于對數極坐標和頻率域的互信息圖像配準流程圖

1）在參考圖像 f1(x,y)中心片截取一個小的區域I1(x,y)；

2）計算 I1(x,y)的對數極坐標變換 T1(γ,θ)及其對應的傅立葉變換 F1(μ,υ)；

3）在待配準圖像 f2(x,y)中任意位置，以(x,y)為中心截取大小相同的小區域I2(x,y)；

4）計算 I2(x,y)的對數極坐標變換 T2(γ,θ)及其對應的傅立葉變換 F2(μ,υ)；

5）計 算 F1(μ,υ) 和 F2(μ,υ) 的 互 功 率 譜P(μ,ν)，再對互功率譜作傅氏反變換 A(γ,θ)；

6）在 A(γ,θ)中找出數值最大的位置 (λ,φ)及其數值σ，以 A(γ,θ)為大小構建一個脈沖位置在(λ,φ) ，大 小 為 σ 的 理 想 二 維 脈 沖 信 號B(γ-λ,θ-φ)。

7）計算 A(γ,θ)和 B(γ-λ,θ-φ)的互信息，得到互信息量H。

8）取互信息量H最大值所對應的I2(x,y)的中心位置(x0,y0)和二維脈沖位置(λ0,φ0)，則得到待配準圖像的平移參數為(x0,y0)，縮放尺度為，旋轉角度為φ0。

9）根據得到的圖像平移、縮放、旋轉參數，對圖像 f2(x,y)進行相似變換，求得 f′2(x,y)。

7 實驗結果與分析

為檢驗改進后的圖像配準算法的有效性，對引入互信息Fourier-Mellin變換的圖像配準（簡稱改進算法）與標準的基于Fourier-Mellin變換圖像配準（簡稱標準算法）進行比較，設計如下實驗。在Intel? Core?2 Quad CPU Q8400@2.66GHZ、2.00GB內存的個人計算機，操作系統為Windows XP，用Matlab編程語言。對同時存在旋轉、縮放和平移變換關系的Bomb圖像進行圖像配準測試。如圖3（a）為大小為 352×288Bomb的灰度圖像，圖3（b）、圖 3（c）、圖3（d）為3幅待配準 Bomb圖像，分別稱為Bomb1、Bomb2、Bomb3。它們均是在原 Bomb圖像基礎上進行縮放、旋轉和平移變換得到的，變換參數如表1所示。分別采用上述改進算法和標準算法，得到結果如表2所示。

圖3 用于實驗的Bomb圖像

表1 三幅待配準圖像相對原始圖像的變換參數

表2 不同變換參數下標準算法與改進算法的圖像配準結果比較

從表1和表2可得如下幾點：

1）兩種算法的圖像配準精度都隨著圖像變換系數的變化而變化，隨著縮放比例、旋轉角度和平移量的增大，配準后的誤差逐漸增加，圖像配準精度逐漸減小。

2）當圖像變換系數相同時，不論圖像縮放比例、旋轉角度和平移量是多少，引入互信息的算法都比標準Fourier-Mellin變換的圖像配準算法精度高。

8 結語

圖像配準是戰場圖像處理的基本問題，基于傅立葉變換的相位相關方法是圖像配準研究的重要方法。本文主要從提高圖像配準算法精度的角度，對標準Fourier-Mellin變換的圖像配準進行了分析，提出了將互信息引入其中，形成了一種新的基于對數極坐標和頻率域的互信息圖像配準算法，提高了圖像配準精度。