图像配准大体可以分成两类:其一是基于区域的配准方法,其二是基于特征的配准方法,对于在配准过程中所使用的方法又能进一步的进行划分,可以依据不同的准则来分类。 依据变换模型的复杂度对配准法案进行分类,并桂鼐了配准技术的实现步骤:相似度测量、搜索空间和策略、特征空间[1]。源-自/751+文,论`文'网]www.751com.cn
1.2 图像算法的研究现状
与计算机技术的发展相似,图像配准技术直到20世界80年代后,才逐渐开始应用在除军事以外的其他领域,并得以快速发展。近二十多年来,随着图像信息技术的不断发展和对图像信息集成的强大需求力,图像融合技术也得到了飞速的发展。
目前我国在图像配准方面也已取得了相当可观的成就,尤其是在多传感器图像融合领域。 年,我国与巴西联合研制的“资源一号”卫星上安装了我国自我研发的 相机和红外多光谱扫描仪,这两种传感器可进行图像融合。通过传感器采集图像,然后将图像进过一些必要的处理,使其具有几何一致性,对于同一物体,由不同传感器得到的形态信息和功能信息存在差异性和补充性,将其进行融合后得到互补信息,从而增加图像的信息量[2]。
1.3 本设计的研究意义
图像拼接技术广泛的应用在计算机图像学、计算机视觉、遥感图像处理、虚拟现实技术、医学图像分析、数字视频的监控等领域。智能交通是目前科学技术研究的热点之一,图像拼接即是智能交通研究的技术核心所在。把一个地区的不同地段的图像进行拼接,从而得到整个交通系统的全景图,能够实时的观测整个地区的交通拥堵情况,更便于司机避开拥堵路段,提高工作效率。图像拼接技术也可以达到检测运动的目的,利用连续拍摄得到的一系列图片,不仅能够观测到目标的运动轨迹,而且可以估算出目标的运动速度。此外,遥感图像的拼接技术在现代科技中也有了很大的运用,据相关数据统计,有将近 个领域和行业都运用到了遥感技术,其中天气预报就是应用了图像拼接技术拼接卫星云图。因此,研究图像配准以及拼接有着非常重要的意义[3]。
2 角点检测及MATLAB实现
2.1 角点的定义
提取预配准图像中的角点的方法就叫做图像匹配的算子。在图像配准中的角点,也被叫做兴趣点,即像素点在相邻区域内的不同方向上具有足够大的灰度变化量的点,并且该点大于阈值。它包括了图像中丰富的二维结构信息,是一种重要的图像特征点,图像匹配算子广泛运用在各个图像处理中。角点最大的特点是它不会随着视角的改变而使得它代表的局部结构关联发生改变,这个特点使得角点在三维物体识别上发挥了很大作用。
2.2 常用的角点检测算子
2.2.1 Harris算子
算子是 和 提出的一种基于信号的角点特征提取算子。其处理过程表示如下[4]:
式中: 表示 方向上的梯度, 表示 方向上的梯度, 表示高斯函数, 表示常数, 表示矩阵迹, 表示矩阵的行列式, 为对应的兴趣值。
2.2.2 小波变换算子
小波变换算子可以非常有效在信号的多分辨率局部分析,该算子已经成功的在许多图像分析领域被充分利用。就图像配准来分析,小波变换能反映图像的阶跃型边缘突变点的特性,鉴于预配准图像中的公有特征一般为大而强的边缘信息,可以运用小波变换来提选用以配准的特征点。