基于特征的圖像配準(zhǔn)方法綜述

【摘 要】圖像配準(zhǔn)廣泛應(yīng)用于圖像融合、目標(biāo)跟蹤、遙感數(shù)據(jù)分析及醫(yī)學(xué)圖像組織病變分析等領(lǐng)域，在研究者的探索下圖像配準(zhǔn)技術(shù)不斷推陳出新。但是，圖像配準(zhǔn)技術(shù)往往局限于一類(lèi)特殊圖像的處理，缺少通用的技術(shù)，介于該原因，在簡(jiǎn)要介紹配準(zhǔn)的一般流程后，以特征的分類(lèi)作為出發(fā)點(diǎn)探討現(xiàn)存的基于各種特征的圖像配準(zhǔn)方法，分析各自的優(yōu)缺點(diǎn)及適用范圍，為基于特征的圖像配準(zhǔn)方法選取提供一些依據(jù)。此外，在現(xiàn)有的技術(shù)上對(duì)基于特征的圖像配準(zhǔn)進(jìn)行總結(jié)和展望，為相關(guān)領(lǐng)域研究提供一定的指導(dǎo)意義。

【關(guān)鍵詞】圖像配準(zhǔn)；配準(zhǔn)流程；特征點(diǎn)

引言

圖像配準(zhǔn)技術(shù)是目前圖像處理領(lǐng)域的一重要研究課題，被廣泛應(yīng)用于醫(yī)學(xué)圖像處理、遙感圖像處理、目標(biāo)識(shí)別、計(jì)算機(jī)視覺(jué)等領(lǐng)域。其目的是尋找參考圖像與待匹配圖像達(dá)到吻合時(shí)的對(duì)應(yīng)關(guān)系，而這些參考圖像與待匹配圖像可能來(lái)自不同傳感器、不同時(shí)間、不同視角甚至是不同成像設(shè)備。對(duì)于圖像配準(zhǔn)，目前尚未存在普遍適用的技術(shù)。在處理過(guò)程中，需要根據(jù)圖像特征選擇合適的配準(zhǔn)方法，因此有必要認(rèn)識(shí)和了解圖像特征，本文擬對(duì)目前廣泛使用的基于圖像特征的配準(zhǔn)方法做一個(gè)分析與總結(jié)，并對(duì)其未來(lái)發(fā)展進(jìn)行一定探討。

一、基于圖像特征配準(zhǔn)方法的定義

圖像配準(zhǔn)的實(shí)質(zhì)是期望在同一視覺(jué)系統(tǒng)中尋找到一個(gè)最優(yōu)變換使得在不同環(huán)境條件下獲得的參考圖像與待配準(zhǔn)圖像的吻合程度達(dá)到最高，對(duì)應(yīng)特征點(diǎn)一一映射，也就是所謂的對(duì)齊的空間位置達(dá)到最佳。這里以及分別表示平面坐標(biāo)系中點(diǎn)在參考圖像和待配準(zhǔn)圖形中的灰度值，那么配準(zhǔn)可以表示為：其中，f表示映射函數(shù)。

基于圖像特征的配準(zhǔn)方法是提取參考圖像與待配準(zhǔn)圖像中的不變特征，例如邊緣點(diǎn)、閉區(qū)域中心等信息作為圖像匹配的參考信息。該類(lèi)方法僅需提取少量具有顯著特征的圖像信息，大大減少了用于配準(zhǔn)的圖像信息量，由于計(jì)算量減少，該類(lèi)方法大幅提高了匹配速率。此外，因配準(zhǔn)僅需利用顯著特征點(diǎn)，那么圖像在光照變換、對(duì)比度變換、縮放變換、仿射變換、投影變換等作用下都具有良好的魯棒性。當(dāng)然，少量信息利用在提高效率的同時(shí)也帶來(lái)了負(fù)面影響，使其對(duì)特征提取與特征匹配的錯(cuò)誤更加敏感，若要有效改善這個(gè)狀況就需要可靠的特征提取和魯棒特征的一致性。

二、配準(zhǔn)的基本流程

圖像配準(zhǔn)大致可分為四個(gè)基本步驟，分別是特征提取、特征匹配、空間變換及重采樣。

在圖像配準(zhǔn)中，特征提取大致分為兩類(lèi)，分別是統(tǒng)計(jì)特征和空間特征。統(tǒng)計(jì)特征直接利用圖像的灰度信息，匹配點(diǎn)周?chē)泥忺c(diǎn)灰度值均被考慮參與計(jì)算。所以基于統(tǒng)計(jì)特征的配準(zhǔn)精度和魯棒性較好，但計(jì)算量較大，運(yùn)算速度慢?？臻g特征提取是指在圖像中提取突出并共有的細(xì)小表象特征，并要求其具有較強(qiáng)的抗干擾能力，能夠在縮放、旋轉(zhuǎn)、平移、噪聲、天氣及光線等變化的影響下保持一定不變性?？臻g特征種類(lèi)繁多，包括角點(diǎn)、線角點(diǎn)、邊界、輪廓、顯著區(qū)域等，特征選取的正確與否是后期圖像能否準(zhǔn)確配準(zhǔn)的最關(guān)鍵的影響因素。

特征提取是圖像配準(zhǔn)的第一步，目前尚未存在所有圖像可通用的特征提取算法，因此，在特征提取過(guò)程中，需要為不同圖像選取合適的算法來(lái)提取特征，這也是必須認(rèn)識(shí)及分辨各種特征的原因。第3部分將就常用特征提取方法進(jìn)行討論。

特征匹配是使用匹配策略將在特征提取階段得到的特征點(diǎn)進(jìn)行匹配，建立參考圖像與待配準(zhǔn)圖像間各特征點(diǎn)的對(duì)應(yīng)關(guān)系，獲得同名點(diǎn)。對(duì)于如何尋找同名點(diǎn)的問(wèn)題，目前常用的有松弛法、相對(duì)距離直方圖聚集束檢測(cè)法、Hausdorff距離及相關(guān)方法等等。選擇怎樣的匹配策略非常重要，其將直接影響最終的同名點(diǎn)數(shù)量和配準(zhǔn)精度。

空間變換用于實(shí)現(xiàn)待配準(zhǔn)圖像到參考圖像的映射。配準(zhǔn)圖像A與B，即是尋找一個(gè)映射T：，滿足圖像A上特征點(diǎn)X到圖像B上特征點(diǎn)Y的一一映射關(guān)系。常見(jiàn)的線性變換有剛性變換、投影變換及仿射變換，非線性變換主要是彈性變換。在剛性變換中，空間變換的目的是尋找合適的變換矩陣；而在其他諸如投影、仿射、彈性等非剛性變換中，關(guān)鍵是確定變換模型和參數(shù)。

重采樣是在空間變換對(duì)圖像進(jìn)行轉(zhuǎn)換后，對(duì)未位于整數(shù)行或列位置上的灰度值，通過(guò)選取適合的內(nèi)插方法計(jì)算獲得，并用值填充圖像便得到配準(zhǔn)后圖像。常用重采樣方法有：最近鄰點(diǎn)插值法、雙線性插值法、部分體積插值法和薄板樣條插值法。整個(gè)流程中，如何認(rèn)識(shí)和辨別圖像特征，以及選擇適當(dāng)?shù)呐錅?zhǔn)方法進(jìn)行圖像配準(zhǔn)是關(guān)鍵，下面對(duì)其詳細(xì)闡述。

三、基于圖像特征配準(zhǔn)的方法

基于圖像特征配準(zhǔn)的方法往往是針對(duì)某一類(lèi)具體問(wèn)題的解決而設(shè)計(jì)的，缺少通用的算法。基于此，圖像配準(zhǔn)需要非常了解特征的分類(lèi)以及解決該類(lèi)問(wèn)題宜采用的方法?；趫D像特征配準(zhǔn)的方法大致可分為六類(lèi)：點(diǎn)特征、直線特征、輪廓特征、閉合區(qū)域特征、矩不變特征和混合特征的圖像配準(zhǔn)。

（一）基于點(diǎn)特征的圖像配準(zhǔn)

點(diǎn)特征是圖像配準(zhǔn)中較為常用的特征之一，Harris等于1988年提出了Harris角點(diǎn)檢測(cè)算法，其利用自相關(guān)函數(shù)估計(jì)圖像的相似性，將自相關(guān)函數(shù)的一階曲率計(jì)算作為特征值，而以兩個(gè)方向特征值的大小來(lái)區(qū)分邊緣、平面與角點(diǎn)，其中兩個(gè)特征值都大的被認(rèn)為是角點(diǎn)。Lowe于1999年提出了SIFT算法，并于2004年給予改進(jìn)和完善，該算法使用了高斯金字塔和尺度空間，有較廣泛的適用性及魯棒性。

基于點(diǎn)特征的圖像配準(zhǔn)方法適用于角點(diǎn)、高曲率點(diǎn)以及斷點(diǎn)等點(diǎn)特征明顯的圖像，對(duì)灰度值、梯度變化較小的圖像以及像圓這樣輪廓光滑曲率低的圖像難以提取到足夠量的有用特征點(diǎn)，而當(dāng)圖像中含有大量噪音時(shí)，特征 提取時(shí)易把噪音點(diǎn)誤認(rèn)為特征點(diǎn)，導(dǎo)致誤匹配，故在這幾種情況下進(jìn)行基于點(diǎn)特征的配準(zhǔn)效果不理想。

（二）基于直線特征的圖像配準(zhǔn)

基于直線特征的圖像配準(zhǔn)，顧名思義，這是一種從參考圖像及待配準(zhǔn)圖像中提取線信息作為依據(jù)以完成配準(zhǔn)的一種方法?；诰€特征目前較常用的方法是Hough變換。Hough變換是一種典型的基于變換域提取直線的方法，它可以將原始圖像中直線上點(diǎn)的坐標(biāo)變換到過(guò)點(diǎn)的直線系數(shù)域中，這樣在原始坐標(biāo)系中對(duì)直線的檢測(cè)問(wèn)題就相應(yīng)轉(zhuǎn)化為在系數(shù)域中累積計(jì)數(shù)的問(wèn)題。其巧妙地利用了共線和直線相交的問(wèn)題，并具有受直線中的間隙和噪聲影響較小的特點(diǎn)。

分析以上方法可發(fā)現(xiàn)：使用直線特征進(jìn)行配準(zhǔn)的圖像中通常包含如道路，建筑，海岸線等易于區(qū)分的直線段信息。但此類(lèi)方法的缺點(diǎn)在于對(duì)于大量重復(fù)出現(xiàn)的相似直線段顯得束手無(wú)策。

（三）基于輪廓特征的圖像配準(zhǔn)

近年來(lái)，圖像分割與邊緣檢測(cè)等技術(shù)日趨成熟，為輪廓特征的提取帶來(lái)了方便。目前用于圖像配準(zhǔn)的圖像分割及邊緣檢測(cè)技術(shù)頗多，如LOG算子、Sobel邊緣提取算子、Canny邊緣檢測(cè)算子，區(qū)域生長(zhǎng)、分水嶺等方法?；谳喞卣鞯膱D像配準(zhǔn)適用于目標(biāo)突出，背景單調(diào)，輪廓結(jié)構(gòu)明顯的圖像配準(zhǔn)，如：MRI圖像（核磁共振成像圖像），CT圖像（計(jì)算機(jī)斷層顯像圖像）等。基于輪廓特征進(jìn)行圖像的配準(zhǔn)弱點(diǎn)同基于直線特征的圖像配準(zhǔn)相似，使用于擁有大量相似輪廓的圖像易導(dǎo)致錯(cuò)誤匹配。

（四）基于閉合區(qū)域特征的圖像配準(zhǔn)

區(qū)域特征是指具有高對(duì)比度的閉合區(qū)域的投影，一般湖泊、陰影、森林等圖像的區(qū)域特征明顯，利用基于閉合區(qū)域特征的方法能取得理想效果。閉合區(qū)域特征的特征點(diǎn)一般先通過(guò)閥值分割，然后利用形態(tài)學(xué)運(yùn)算排除干擾，最后對(duì)閉合區(qū)域分別求中心或質(zhì)心獲得?；陂]合區(qū)域特征的圖像配準(zhǔn)方法最早由Goshiasby等人引入到圖像配準(zhǔn)領(lǐng)域，他們使用分割區(qū)域的方法來(lái)提取具有閉合邊界的區(qū)域，然后以區(qū)域重心作為控制點(diǎn)來(lái)完成圖像配準(zhǔn)。該方法需要足夠多的邊界閉合并獨(dú)立的區(qū)域，因此，Goshiasby等使用了迭代閾值方法進(jìn)行圖像分割，獲得大量的獨(dú)立閉合子區(qū)域，再以各子區(qū)域的重心作為控制點(diǎn)。最后用直方圖聚集束法建立兩幅圖像的控制點(diǎn)之間的關(guān)聯(lián)關(guān)系，構(gòu)造配準(zhǔn)變換。

（五）基于矩不變量特征的圖像配準(zhǔn)

在實(shí)際生活中，參考圖像與待匹配圖像之間在包含平移、旋轉(zhuǎn)、縮放等差異外，通常還存在因視角變換、光照及噪聲等導(dǎo)致的差異，這些差異將直接影響配準(zhǔn)的準(zhǔn)確性，增加配準(zhǔn)的難度[26]。由此可見(jiàn)，對(duì)圖像中不變量特征的提取與構(gòu)造成為了這類(lèi)情況中目標(biāo)識(shí)別的關(guān)鍵技術(shù)，而基于矩不變量特征的圖像配準(zhǔn)能較好解決這一類(lèi)復(fù)雜問(wèn)題。

不變矩首先由Wong等引入到圖像配準(zhǔn)領(lǐng)域?qū)崿F(xiàn)了場(chǎng)景匹配。隨后Goshtasby等用不變矩實(shí)現(xiàn)了模板匹配。Flusser等則利用4個(gè)仿射不變矩來(lái)實(shí)現(xiàn)SAR圖像配準(zhǔn)。然而當(dāng)圖像中存在多個(gè)具有相同或相似形狀的特征區(qū)域時(shí)，不變矩的應(yīng)用易導(dǎo)致配準(zhǔn)失敗。Flusser等針對(duì)以上問(wèn)題，給出了一種Matching likelihood coefficient方法，該方法能在一些情況下增強(qiáng)算法的魯棒性。矩不變量特征同直線特征、輪廓特征及閉合區(qū)域特征類(lèi)似，都是屬于圖像的內(nèi)部結(jié)構(gòu)特征，因此，它們都難以應(yīng)對(duì)彈性變換。

（六）比較與總結(jié)

圖像配準(zhǔn)的方法層出不窮，但是沒(méi)有哪一種配準(zhǔn)策略能很好的解決所有的配準(zhǔn)問(wèn)題。因此在進(jìn)行圖像配準(zhǔn)操作時(shí)需要根據(jù)不同的配準(zhǔn)圖像進(jìn)行相應(yīng)的處理，這就是必須認(rèn)識(shí)和利用圖像的自身特征，并根據(jù)這些特征給予相應(yīng)措施來(lái)完成配準(zhǔn)的原因。

應(yīng)用中需要充分利用圖像的顯著特征，采用合適的方法提取特征，特征提取是圖像配準(zhǔn)中最關(guān)鍵的一步，特征提取的質(zhì)量和數(shù)量將直接影響配準(zhǔn)效果。

四、展望

基于特征的圖像配準(zhǔn)方法是近年來(lái)研究的熱點(diǎn)，在研究者的關(guān)注與重視中，各種新穎的算法不斷涌現(xiàn)?；谔卣鞯膱D像配準(zhǔn)的方法具有較強(qiáng)的靈活性，都有各自的優(yōu)缺點(diǎn)和適用范圍，因此，在大家致力于算法創(chuàng)新外，還應(yīng)考慮已有算法的集成。利用現(xiàn)存算法的優(yōu)點(diǎn)進(jìn)行合理集合，將使算法的應(yīng)用層面更廣。此外，在追求高質(zhì)量配準(zhǔn)的同時(shí)，配準(zhǔn)的效率及魯棒性也不容忽視，可適當(dāng)替換高質(zhì)量配準(zhǔn)中的復(fù)雜步驟，在能保證配準(zhǔn)質(zhì)量的前提下提高配準(zhǔn)效率，增強(qiáng)配準(zhǔn)實(shí)時(shí)性。

圖像配準(zhǔn)這個(gè)分支本身就涉及很多領(lǐng)域，基于特征的圖像配準(zhǔn)利用學(xué)科交叉進(jìn)行創(chuàng)新和改進(jìn)也是一個(gè)發(fā)展趨勢(shì)。目前已有不少研究者將模式識(shí)別、計(jì)算機(jī)視覺(jué)、人工智能等相關(guān)內(nèi)容應(yīng)用到了該領(lǐng)域中，隨著時(shí)間的推移將會(huì)產(chǎn)生更多的結(jié)合和應(yīng)用。總之，基于特征的圖像配準(zhǔn)具有良好的應(yīng)用和發(fā)展前景。

參考文獻(xiàn)：

[1] BROWN L G. A survey of image registration techniques[J]. ACM Computing Surveys （CSUR）， 1992， 24（4）： 325-376.

[2] 倪國(guó)強(qiáng)， 劉瓊. 多源圖像配準(zhǔn)技術(shù)分析與展望[J]. 光電工程， 2004， 31（9）： 1-6.

[3] 金海丁， 周孝寬. 數(shù)字圖像自適應(yīng)插值法[J]. 激光與紅外， 2006， 36（9）： 907-910.

[4] 彭文. 基于特征的醫(yī)學(xué)圖像配準(zhǔn)中若干關(guān)鍵技術(shù)的研究[D]. 浙江大學(xué)博士學(xué)位論文， 2007.

[5] 甘進(jìn)， 王曉丹， 趙杰， 等. 基于直線特征的圖像配準(zhǔn)算法[J]. 計(jì)算機(jī)工程與應(yīng)用， 2010， 46（011）： 193-195.

[6] Gonzalez R C， Woods R E， Eddins S L. 岡薩雷斯數(shù)字圖像處理 （MATLAB 版）[J]. 2004.

[7] 李弼程， 彭天強(qiáng)， 彭波. 智能圖像處理技術(shù)[M]. 電子工業(yè)出版社， 2004.

[8] 韋春榮， 張孝飛， 陳洪波， 等. 基于輪廓提取的醫(yī)學(xué)圖像配準(zhǔn)方法[J]. 廣西師范大學(xué)學(xué)報(bào) （自然科學(xué)版）， 2003， 21（2）： 33-36.

[9] 王瑞瑞， 馬建文， 陳雪. 多源遙感影像自動(dòng)配準(zhǔn)技術(shù)的研究進(jìn)展[J]. 遙感信息， 2011， 3： 121-127.

作者簡(jiǎn)介：陳華（1964-），博士，主要研究方向：復(fù)雜系統(tǒng)，圖像處理