摘 要：提出了一種利用多小波進(jìn)行圖像分解和基于特征相似性的圖像配準(zhǔn)方法。實驗結(jié)果表明，該算法在減小計算復(fù)雜性和增強(qiáng)穩(wěn)健性等方面得到較好的效果。

關(guān)鍵詞：圖像配準(zhǔn);多小波;特征提取;不變描述子

1 引言

圖像配準(zhǔn)方法主要可以分為三大類：基于灰度的圖像配準(zhǔn)方法、基于特征的圖像配準(zhǔn)方法和基于模型的圖像配準(zhǔn)方法。本文將多小波變換和基于特征的圖像處理方法相結(jié)合，并應(yīng)用了一種新的相似性度量標(biāo)準(zhǔn)，實驗結(jié)果證明了該方法的優(yōu)點(diǎn)和有效性。

2 基于圖像特征的配準(zhǔn)方法概述

基于特征的圖像配準(zhǔn)算法對圖像的處理步驟一般包括：圖像預(yù)處理、圖像特征提取、圖像特征匹配、變換模型選取及求取參數(shù)、坐標(biāo)變換和插值五步。特征的提取實質(zhì)上是運(yùn)用圖像分割技術(shù)和模式識別等技術(shù)對圖像中穩(wěn)健的特征信息進(jìn)行提取，點(diǎn)、線、面是三種最常提取的特征基元。

3 基于特征的圖像配準(zhǔn)方法

本文首先采用GHM多小波對圖像進(jìn)行分解，再采用區(qū)域特征提取算法，對分解后圖像的區(qū)域特征進(jìn)行提取，引用了區(qū)域特征的仿射不變距作為不變描述子對所提取特征進(jìn)行描述，以此定義相似性測度準(zhǔn)則，最后，利用匹配區(qū)域特征對所對應(yīng)的重心點(diǎn)坐標(biāo)來求取仿射變換模型參數(shù)，完成圖像的最終匹配。首先，利用GHM多小波對參考圖像和待配準(zhǔn)圖像進(jìn)行一層多小波分解;其次，對一層多小波分解后的含有圖像低頻分量的子圖像采用基于Mean-Shift分割算法的區(qū)域特征提取方法，在合適的滿足性條件下，對圖像的區(qū)域特征進(jìn)行提取，將所提取出的區(qū)域記為配準(zhǔn)基元;再次，采用七個仿射不變矩作為不變描述子，分別對上一步設(shè)定的配準(zhǔn)基元進(jìn)行一一描述，以描述所得的仿射不變矩的最大距離為依據(jù)，定義特定的相似性測度，測量配準(zhǔn)基元的相似性，從而獲得相似性矩陣，從該矩陣中提取相似性測度值最大的六對區(qū)域特征，作為初始匹配區(qū)域特征;最后，運(yùn)用窮舉策略，從初始匹配區(qū)域特征中，找到三對性能最佳的初始匹配特征對作為最終匹配區(qū)域特征，并取其重心點(diǎn)的坐標(biāo)值作為配準(zhǔn)計算的參數(shù)值，結(jié)合最小二乘算法，估計得出最優(yōu)的仿射變換模型參數(shù)。

4 實驗結(jié)果

以下為參考圖像和待配準(zhǔn)圖像以及它們分別經(jīng)過GHM多小波一層分解后的效果圖：

以下為對圖像采用基于Mean-shift圖像分割算法的特征提取的效果圖：

以下為最終配準(zhǔn)結(jié)果圖：

從實驗結(jié)果可以看出，本文所提出的采用GHM多小波對圖像進(jìn)行分解，再采用基于Mean-shift圖像分割技術(shù)的區(qū)域特征提取方法，僅僅針對圖像的低頻部分進(jìn)行提取特征，并采用一種改進(jìn)的基于不變描述子的圖像配準(zhǔn)算法是有效的。

參考文獻(xiàn)

[1]B.Zitova and J.Flusser.Image registration methods： A survey[J].Image and Vision Computing， 2003， 21： 977-1000.

[2]E.J.M. Rignot， R. Kowk， J.C. Curlander， S. Pang Automated（1991）. Multi-sensor registration requirements and techniques：Photogrammetric Engineering and Remote Sensing，57 ， pp. 1029–1038

[3]呂金建，文貢堅，王繼陽，李德仁.一種改進(jìn)的基于不變描述子的圖像自動配準(zhǔn)方法.《信號處理》，已錄用，2009年第 1 期發(fā)表.

[4]D.Comaniciu and P.Meer. Mean shift： a robust approach toward feature space

作者簡介

謝雨竹（1990-），女，蒙古族，甘肅省，初級通信工程師，碩士研究生，中國移動通信集團(tuán)內(nèi)蒙古有限公司，質(zhì)量管理。