小波提取邊緣特征點(diǎn)圖像配準(zhǔn)研究

羅志娟

（長(zhǎng)沙航空職業(yè)技術(shù)學(xué)院，湖南 長(zhǎng)沙 410124）

小波提取邊緣特征點(diǎn)圖像配準(zhǔn)研究

羅志娟

（長(zhǎng)沙航空職業(yè)技術(shù)學(xué)院，湖南 長(zhǎng)沙 410124）

提出了一種基于小波多尺度積提取邊緣特征點(diǎn)的配準(zhǔn)算法，利用差的絕對(duì)值和以及相關(guān)系數(shù)雙重判據(jù)作為相似性度量標(biāo)準(zhǔn)，通過(guò)Matlab實(shí)驗(yàn)證明了該算法的有效性。

小波；邊緣特征點(diǎn)；圖像配準(zhǔn)

圖像配準(zhǔn)是指利用平移、旋轉(zhuǎn)、縮放等幾何變換和灰度變換使在不同成像條件下的兩幅或兩幅以上的圖像實(shí)現(xiàn)對(duì)準(zhǔn)，它是圖像融合、圖像拼接等技術(shù)的基礎(chǔ)，一直是研究的熱點(diǎn)。圖像配準(zhǔn)可分為基于特征和基于灰度的圖像配準(zhǔn)?；谔卣鞯膱D像配準(zhǔn)方法操作簡(jiǎn)單、精度較高、速度較快，但很難實(shí)現(xiàn)完全自動(dòng)配準(zhǔn)，需要人工干預(yù)；而基于灰度的圖像配準(zhǔn)雖能實(shí)現(xiàn)完全自動(dòng)配準(zhǔn)，但計(jì)算量大，配準(zhǔn)耗時(shí)長(zhǎng)[1]。

基于特征的圖像配準(zhǔn)關(guān)鍵在于特征點(diǎn)的提取，常見(jiàn)的特征包括點(diǎn)、線、矩、邊緣、輪廓等。在配準(zhǔn)實(shí)現(xiàn)的過(guò)程中，一般包括以下三個(gè)階段：1)獲取圖像的特征集；2)利用特征集，搜尋圖像間的映射關(guān)系；3)確定圖像間的幾何變換（及灰度變換）關(guān)系[2]。

1 小波多尺度積提取邊緣特征點(diǎn)

在基于特征的圖像配準(zhǔn)方法中，最常用的就是點(diǎn)特征，而邊緣又是圖像最基本的特征，因此提取邊緣特征點(diǎn)在圖像配準(zhǔn)中占據(jù)著重要的地位。經(jīng)典的邊緣檢測(cè)方法有Laplace算子、Sobel算子、梯度算子等[3]。邊緣和噪聲都是高頻信號(hào)，在邊緣檢測(cè)中噪聲也往往被當(dāng)成邊緣點(diǎn)檢測(cè)出來(lái)，從而影響配準(zhǔn)的精度。利用小波變換多尺度等特性，從能量方面可有效區(qū)分噪聲和邊緣，提高了像素間的相關(guān)性，使得小波變換后得到的邊緣特征點(diǎn)，能有效的反映圖像的真實(shí)特征。

小波多尺度邊緣檢測(cè)的基本思想是：首先在不同尺度上磨光原信號(hào)，然后由磨光信號(hào)的極值點(diǎn)檢測(cè)出原信號(hào)的劇變點(diǎn)。當(dāng)尺度很大時(shí)，檢測(cè)出的劇變點(diǎn)比較大，對(duì)應(yīng)的是低頻信號(hào)的檢測(cè)，不同尺度下的劇變點(diǎn)對(duì)應(yīng)的是小波分解后不同頻帶的信號(hào)檢測(cè)，這就是多尺度邊緣檢測(cè)[4]。根據(jù)邊緣相關(guān)理論，圖像在經(jīng)過(guò)小波變換后，尖銳邊緣都有很大的信號(hào)值，而噪聲的信號(hào)值會(huì)隨著尺度的增長(zhǎng)而逐漸衰弱[5]。因此，將多尺度小波變換下得到的梯度向量模相乘，不僅能有效的抑制噪聲，同時(shí)還能保留特征點(diǎn)的方向，提高定位的精度。

選取像素為200*200的Lena圖像作為實(shí)驗(yàn)圖像，采用小波變換檢測(cè)圖像邊緣，實(shí)驗(yàn)結(jié)果如圖1所示。實(shí)驗(yàn)結(jié)果表明，利用小波變換檢測(cè)出來(lái)的邊緣真實(shí)的反映了圖像的邊緣特征，為進(jìn)一步實(shí)現(xiàn)配準(zhǔn)奠定了基礎(chǔ)。

圖1 小波算子邊緣檢測(cè)結(jié)果

需要注意的是，提取出來(lái)的邊緣點(diǎn)必須滿足“正規(guī)化邊緣相關(guān)系數(shù)大于該點(diǎn)處的梯度向量?！盵6]這一必要條件。依據(jù)此原則，得到如下邊緣特征點(diǎn)，如圖2所示。

圖2 邊緣特征點(diǎn)結(jié)果圖

2 算法實(shí)現(xiàn)及流程圖

相似性度量標(biāo)準(zhǔn)的選擇，將直接影響圖像配準(zhǔn)的精度。為了提高配準(zhǔn)的可靠性，本文采用差的絕對(duì)值和以及相關(guān)系數(shù)構(gòu)成雙重判據(jù)，性質(zhì)不同的兩種判據(jù)，相互制約，最大限度的排除不可靠的相關(guān)結(jié)果，以保證配準(zhǔn)的精度。

算法實(shí)現(xiàn)的過(guò)程中首先利用小波變換多尺度分別提取參考圖像和浮動(dòng)圖像的邊緣特征點(diǎn)，并利用邊緣相關(guān)理論獲取圖像特征點(diǎn)集，接著手工輸入2對(duì)特征點(diǎn)，并利用2對(duì)特征點(diǎn)的矢量方向確定兩幅圖像間的初始旋轉(zhuǎn)角度，最后利用雙重判據(jù)逐步修正配準(zhǔn)參數(shù)，直至獲得最終結(jié)果。

本文提出的基于小波提取邊緣特征點(diǎn)的圖像配準(zhǔn)算法流程圖如圖3所示。

圖3 小波提取邊緣特征點(diǎn)圖像配準(zhǔn)流程圖

3 實(shí)驗(yàn)效果及分析

圖4 人物圖像配準(zhǔn)實(shí)驗(yàn)

為了驗(yàn)證算法的可行性，選擇了如圖4（a）（b）兩幅由普通照相機(jī)所得的人物圖像，像素均為200*200，并在Matlab7.1平臺(tái)完成實(shí)驗(yàn)，以圖像中心點(diǎn)為坐標(biāo)原點(diǎn)，水平向右為x軸正方向，垂直向上為y軸正方向，旋轉(zhuǎn)方向順時(shí)針為正方向。實(shí)驗(yàn)中，利用2次B樣條小波提取圖像邊緣點(diǎn)，最終提取56對(duì)有效特征點(diǎn)，多分布于人物輪廓邊緣，特征點(diǎn)分布較均勻，且特征點(diǎn)處殘差皆控制在1個(gè)像素之內(nèi)，達(dá)到了高精度配準(zhǔn)的要求。將浮動(dòng)圖像按順時(shí)針旋轉(zhuǎn)4動(dòng)，向左平移11pix，向下平移2pix，獲得鑲嵌后配準(zhǔn)結(jié)果如圖4（c）所示。仔細(xì)觀察配準(zhǔn)結(jié)果可以看出，采用本文提出的方法進(jìn)行圖像配準(zhǔn)，得到的配準(zhǔn)后圖像沒(méi)有重影且清晰可辨，配準(zhǔn)效果很好。

4 結(jié)論

基于灰度的圖像配準(zhǔn)計(jì)算量大，耗時(shí)較長(zhǎng)，而基于特征的配準(zhǔn)方法將圖像的特征提取出來(lái)，利用特征實(shí)行配準(zhǔn)，大大壓縮了圖像的信息量，減少了計(jì)算量，配準(zhǔn)速度得以提高[7]。本文提出的配準(zhǔn)算法，在小波變換下得到的邊緣點(diǎn)具有多分辨特性，能有效地過(guò)濾噪聲帶來(lái)的干擾，同時(shí)雙重判據(jù)彌補(bǔ)了單一判據(jù)的不足，保證了配準(zhǔn)的精度。

[1]陳顯毅.圖像配準(zhǔn)技術(shù)及其MATLAB編程實(shí)現(xiàn)[M].北京：電子工業(yè)出版社，2009.

[2]葛永新.基于小波多尺度積的圖像配準(zhǔn)方法[J].計(jì)算機(jī)科學(xué)，2006,（33）：242-245.

[3 ]楊丹，張小洪. 基于小波多尺度積的邊緣檢測(cè)算法[ J].計(jì)算機(jī)科學(xué),2004,31(1):133-135.

[4] 張東，余朝剛. 基于特征點(diǎn)的圖像拼接方法[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2016,（3）：107-112.

[5]楊健，李若楠.基于局部顯著邊緣特征的快速圖像配準(zhǔn)算法[J].計(jì)算機(jī)應(yīng)用，2014,（1）:149-153.

[6]曹世翔，江潔.邊緣特征點(diǎn)的多分辨率圖像拼接[J].計(jì)算機(jī)研究與發(fā)展，2011，48（9）：1788-1792.

[7]楊程，徐曉剛.圖像配準(zhǔn)技術(shù)研究[J].計(jì)算機(jī)科學(xué)，2016，（s2）：133-135.

［編校：楊 琴]

Research of Image Registration based on Edge Feature Point by Wavelet Extraction LUO Zhi-juan

(Changsha Aeronautical Vocational and Technical College, Changsha Hunnan410124)

This paper presents a registration algorithm based on edge feature extraction by wavelet multiscale，the sum of absolute differences ( SAD) and correlation coefficient are used for similarity metric. The effectiveness of the proposed algorithm is proved by Matlab.

wavelet; edge feature points；image registration

TP309

A

1671-9654(2017)01-0086-03

10.13829/j.cnki.issn.1671-9654.2017.01.023

2017-01-06

羅志娟（1979- ），女，湖南湘潭人，講師，工學(xué)碩士，研究方向?yàn)閳D形圖像處理。

本文為2014年湖南省教育廳科學(xué)研究項(xiàng)目“基于互信息和小波變換的圖像配準(zhǔn)技術(shù)研究及應(yīng)用”（編號(hào)：14C0011）階段性研究成果．