摘 要图像配准现在已成为数字图像处理的研究热点,方法繁多,站在时代的前沿图像配准多采用基于图像特征点的方法,这种方法易于用计算机处理并且容易实现人机交互,其重点在于如何提取图像上的有效特征点对图像拼接技术的目的、意义、国外研究现状、发展方向以及本课题研究的目的和意义进行了阐述,着重介绍了图像拼接过程的核心技术——图像配准阐明了现有配准方法的工作原理,并对常用的各种经典算法的优点和不足进行了比较总结针对基于特征的角点检测算法,详细介绍了 Harris 角点检测算法利用MATLAB7.0软件编程,实现图像的角点检测、图像配准以及图像拼接,并且设计精美的图形用户界面,以演示最后的结果仿真结果证明：Harris算子具有较好的抗干扰能力,实现算法简单,易于编程,实现图像拼接具有较高的稳定性和鲁棒性,而且在图像存在灰度变化、旋转以及噪声等情况下,可以对特征点进行较好的提取,使角点检测的误检率低并且匹配效率高关键词：图像拼接技术；图像配准；Harris角点检测算法；MATLAB 7.0AbstractImage registration is now a research focus in the digital image processing, has many kinds of methods, and keeping pace with the times. Image registration is based on the method of image feature points. This method is easy to use computer to handle and easy to realize human-machine interaction, and the focus is to how to extract image of characteristic points on effective.Elaborating image mosaicing technique for the purpose, significance, the domestic and foreign research present situation, development direction and the subject of the purpose and significance of the study, introducing the core technology of the image matching processing--Image registration.Expounding the existing registration method working principles, comparing and summaring advantages and disadvantages of all kinds of commonly used classical algorithms. Based on characteristics of the corner detection algorithm, introducing the Harris corner detection algorithm in detail. Use of MATLAB 7.0 software programming, realize image corner detection, image registration and image mosaicing, and elegant design graphical user interface , to demonstrate the final results.The simulation results prove that: Harris operator has a better adaptability, algorithm is simple and easy to program, realize image mosaicing with high stability and robustness,extract feature points well in the image with gray-scale changing, rotate existing noise and so on,and make corner detection by low mistake examining rate and high efficiency matching. Key words：Image mosaicing technique；Image registration；Harris corner detection algorithm；MATLAB 7.0 / 目 录第1章 概 述11.1 图像拼接技术的定义和目的11.2 图像拼接的意义11.3 图像拼接的现状及发展动向11.4 图像拼接的流程21.5 本设计的研究目的及意义2第2章 角点检测及MATLAB实现32.1 角点定义32.2 常用角点检测的算法32.3 常用角点检测算法比较62.4Harris角点检测的MATLAB实现72.5 本章小结8第3章 图像配准与拼接算法研究93.1 图像配准的方法93.2图像配准的原理113.3图像配准的MATLAB实现113.4图像拼接的原理123.5图像拼接的MATLAB实现123.6 本章小结13第4章 图像拼接技术的GUI设计144.1MATLAB的主要功能144.2GUI界面定义154.3 可视化图形用户界面设计164.4 图像拼接的GUI设计实现194.5 本章小结20结 论21参考文献22致 23附 录24第1章 概 述1.1 图像拼接技术的定义和目的随着计算机在各个领域的广泛应用,为了得到宽视角、高分辨率图像,图像拼接技术逐渐成为计算机图形学、计算机视觉、模式识别等领域的研究热点,得到越来越多人的关注。
图像拼接技术就是将数有重叠部分的小视角图像<可能是不同时间、不同视角或者不同传感器获得的>拼成一幅宽视角的无缝高分辨率图像,满足人们在各个领域研究的需要的技术图像拼接技术为图像降噪、视场扩展、模糊消除、空间解析和去除运动物体的动态围提供了可能性1.2 图像拼接的意义图像配准是图像融合的基础,而且图像配准算法的计算量一般非常大,因此图像拼接技术的发展很大程度上取决于图像配准技术的创新目前,图像拼接技术研究的一个重要意义就是使我们能够利用廉价的成像设备采集图像,而后利用图像处理算法对图像失真进行校正,并完成图像的自动拼接,这样就解决了图像在高分辨率和宽视野二者之间的矛盾,使我们利用普通数码相机和计算机就能得到所需的图像1.3 图像拼接的现状及发展动向在国,图像拼接技术研究虽然起步相对较晚,但发展迅速1997 年王晓睿等人,提出一种应用于图像高精度配准的自动图像配准算法,把互相关系数作为相似测度来进行配准,但实际上只是一种半自动的配准方法[1]2002 年,针对动态全景图像拼接,由杜威、华两人提出了一种应用于动态场景的全景图表示方法,可以将视频纹理和全景图结合起来,构造出动态全景图[2]。
2005 年,侯舒维,郭宝龙提出了一种图像自动拼接的快速算法,改进了现有基于灰度级相似的图像拼接方法[3]2007 年,丽华、安居白、夏妍妍,提出基于特征点匹配的图像拼接算法,能够得到较理想的拼接结果[4]2008 年,高健、黄心汉、刚、王敏、吴祖玉撰写的基于 Harris 角点和高斯差分的特征点提取算法,这种算法使整个图像拼接过程的准确性和实时性两方面都达到了明显的改善随着人们对图像拼接算法研究的深入,逐渐将稀疏分解矩阵引入图像拼接领域[5]20XX,仕明、程义民、曾丹、何兵兵提出的基于稀疏特征匹配和变形传播的无缝拼接,在该领域取得了巨大突破[6]1.4 图像拼接的流程图像拼接的方法很多,不同的算法步骤会有一定差异,但大致的过程是相同的一般说来,图像拼接技术,按其工作流程主要分为三个部分：图像预处理,图像配准和图像线性插值拼接其中图像配准是整个图像拼接技术的核心部分,直接决定了图像拼接结果的好坏图像预处理是图像拼接技术的第一步,在进行图像采集时,往往不能保证摄像设备始终保持同一角度和方向、光线的不同也会造成采集图像灰度差异大等问题,图像预处理主要完成对待拼接图像进行几何畸变的校正,包括去除噪声、边缘提取、直方图处理等图像处理的基本操作、建立图像的匹配模板,以及对待处理图像进行傅立叶变换、小波变换、稀疏分解等操作。
图像配准主要指对参考图像和待拼接图像中的匹配信息进行提取,在提取出的信息中寻找最佳的匹配,图像配准是整个图像拼接技术的核心参考图像待拼接图像图像预处理图像预处理检测角点,筛选合适的角点对〔一般为两对〕利用角点对,线性插值拼接,实现全景显示图1-1 图像拼接流程图1.5 本设计的研究目的及意义图像匹配是计算机视觉研究领域中热点问题,也是视觉理论和应用的基础,基于Harris角点匹配算法与基于模板等其他的匹配拼接算法相比,在没有增加计算量的基础上提高了匹配速度和精度,同时对亮度差异的抗干扰能力有一定增强因此,实现精确、稳定、快速图像匹配算法有利于对视觉信息后续处理研究第2章 角点检测及MATLAB实现2.1 角点定义图像匹配的算子,主要是用来提取两幅配准图像中的角点角点,又称为兴趣点,是像素点在其邻域的各个方向上灰度变化量足够大的点,且大于阈值的点它是一种重要的图像特征点,包含了图像中丰富的二维结构信息,广泛应用于各种图像处理技术中角点最大的优点是：它所代表的局部结构关系信息不会因为视角的不同而改变,这在三维物体识别上很有用此外,角点特征也常用在汉字识别,染色体识别等应用系统中2.2 常用角点检测的算法2.2.1Harris算子Harris算子是Harris和Stephens提出的一种基于信号的角点特征提取的算子。
其处理过程表示如下[7]： 〔2-1〕 〔2-2〕式中：为方向上的梯度,为方向上的梯度,为高斯模板,为矩阵的行列式,为矩阵的迹,为常数,表示图中相应像素点的兴趣值2.2.2 小波变换算子小波变换算子[8]可以非常有效地用于信号的多分辨率局部分析,它已经被成功的用于许多图像分析领域对于图像配准来说,由于两幅图像中共同特征往往是大而强的边缘信息,根据小波变换能够反映图像的阶跃型边缘突变点的性质,可以利用小波变换提取用于图像配准的特征点假设图像具有个像素在个尺度上对进行分解,即尺度选择适当的二维平滑函数,定义小波为： 〔2-3〕 〔2-4〕构造出离散滤波器,在尺度上,采用二维离散小波变换的快速算法计算每个点的离散二进小波变换,点的模值为： 〔2-5〕相角为： 〔2-6〕然而,模极大值点就是该点的模大于在相角方向上的两个相邻位置上模值的点当模极大值点大于所设定的门限值时,则该点被认为是特征点2.2.3Moravec算子Moravec算子[9]是Moravec提出的利用灰度方差提取点特征的算子。
