论文部分内容阅读
图像配准技术是将不同时间、不同传感器或不同视角下获取的同一场景的两幅或多幅图像进行匹配的图像处理过程，是图像处理的一个基本问题。图像配准是诸如物体辨识、变化检测、三维建模、图像拼接等多种图像处理及应用的基础。不同传感器、不同成像模式和不同时间得到的同一个对象的图像数据之间存在相对的平移、旋转、不同比例缩放甚至畸变关系，对其进行综合分析和利用时，首先要解决图像间的配准问题。
本文首先介绍了图像配准的意义、概念、常见配准方法和变换模型，对目前主要的配准方法及其分类进行了归纳。目前，图像配准的方法很多，但没有一种方法可以适用予所有图像。因此，针对所应用的图像找到适合其特点的配准方法是图像配准研究中的重点。本文研究了基于特征点的图像自动配准技术。基于特征的图像配准方法是目前图像配准最常用的方法之一，其最大的优点在于能够将对整个图像进行的各种分析转化为对图像特征（特征点、特征曲线等）的分析，从而大大减小了图像处理过程的运算量。而特征提取的准确程度和定位的精确将对整个配准过程产生很大的影响。
本文对现有的特征提取方法进行了分析，重点研究了点特征的常用提取方法，改进了Harris角点特征提取方法。针对基于特征点的图像配准，提出了一种新的图像配准方法，结合基于鲁棒统计量LTS的Hausdorff(LTS-HD)距离和粒子群优化算法(PSO)计算图像变换参数。本文提出的图像配准方法采用了改进的Harris角点检测算法提取特征点，只需针对提取出来的特征点进行计算，计算量大大减少。采用LTS-HD距离作为配准的相似性测度以度量具有不完全相同点的点集间的距离。图像配准在本质上是一个多参数优化问题。使用粒子群优化算法和Powell方法相结合的混合优化算法，在粒子群算法全局搜索的基础上用Powell方法进行局部优化，在搜索的过程能避开局部极值的影响，达到了较好的效果。通过实验结果可以看出，本文的方法配准精度高、鲁棒性好，能对多类图像进行有效的配准，也表明了本文研究成果的有效性和应用价值。