1、 本 科 毕 业 论 文 基于角点 检测 的图像配准技术研究 The research of the Image Registration technology based on Corner detection 姓 名： 学 号： 学 院：软件学院 系：软件工程 专 业：软件工程 年 级： 指导教师 ： 年 月I 摘要 图像配准就是将不同时间、不同传感器 （ 成像设备 ） 或不同条件下 （ 天候、照度、摄像位置和角度等 ） 获取的两幅或多幅图像进行匹配、叠加的过程，图像配准 已经被广泛地应用于遥感数据分析、计算机视觉、图像处理等领域。 图像配准是多种图像处理及应用如物体辨识、变化检测、三维建
2、模等的基础。 配准技术的流程如下：首先对两幅图像进行特征提取得到特征点；通过进行相似性度量找到匹配的特征点对；然后通过匹配的特征点对 得到图像空间坐标变换参数：最后由坐标变换参数进行图像配准。 本文主要研究内容是基于角点的图象配准技术。主要工作如下： （ 1） 角点检测算法的研究 与实现 。基于角点 的 图像配准中，角点的提取是图像配准的关键步骤，本文中 分别 分析 了 当前具有代表性的角点检测算子，包括Moravec 算子、 Harris 算子、 SUSAN 算子、 Forstner 算子、 Trajkovic 算子以及 FAST算子。并通过实验对 Harris 提取算子的性能进行分析。 （
3、 2） 配准技术的研究、设计与实现。本文 在 Harris 算子 提取角点 的基础上 ，利用 仿射变换，刚体 变换 并通过 双线性 插值的重采样 方法对图像进行配准实验 。 （ 3） 原型系统设计与开发。根据所设计的基于角点的配准技术，完成配准原型系统开发，并通过实际的图像配准实验，验证了所提出方案的性能。 关键词 ： 图像配准 ； 角点检测算子 ； 角点匹配 II ABSTRACT Image registration is a process of different time, different sensors (imaging equipment), or under differe
4、nt conditions (weather, illumination, camera position and angle, etc.) obtaining multiple images of the two or more match, overlay, image registration has been widely applied to remote sensing data analysis, computer vision, image processing and other fields. Image registration is the basis of the w
5、ide range of applications such as image processing and object recognition, change detection, three-dimensional modeling and so on. Registration process is as follows: firstly two feature extraction image feature points obtained; through the similarity measure to find the matching of feature points;
6、and then match the feature points to be images of the coordinate transformation parameter space: finally matching images by parameters from the coordinate transformation. In this paper, the study is based on the corner of the image registration techniques. Major ones are as follows: (1) Corner detec
7、tion algorithm research and implementation. Corner-based image registration, the corner of the extraction of image registration is a key step in, respectively, in this article analyzes the current representative of the corner detection operator, including Moravec operator, Harris operator, SUSAN ope
8、rator, Forstner operator, Trajkovic operator and the operator FAST. And analyzing the performance of extraction operator through Harris experiments. (2) The research, design and implementation of image registration. On the basis of using Harris corner detection operator, matching the images by using
9、 affine transformation and rigid body transformation. (3) Design and develop the prototype system. According to the corner-based registration technology, the completion of the prototype matching systems development, and through the actual image registration experiment, verified the performance of th
10、e proposed program. Keywords: Image registration; Corner detection; Corner match III 目录 第一章 绪论 . 1 1.1 论文背景及意义 . 1 1.2 本文研究内容 . 2 1.3 本文组织结构 . 2 第二章 图像配准的背景知识与技术介绍 . 3 2.1 图像配准的定义和分类 . 3 2.2 图像配准模型 . 5 2.3 图像变换 . 5 2.3.1 刚体变换 . 6 2.3.2 仿射变换 . 6 2.3.3 投影变换 . 6 2.3.4 非线性变换 . 7 2.4 重采样 . 8 2.4.1 图像插值定义
11、 . 8 2.4.2 插值权系数确定 . 9 2.4.3 插值函数的选择 . 10 2.4.4 常用插值函数 . 12 2.5 本章小结 . 14 第三章 角点检测技术 . 14 3.1 角点提取技术概述 . 15 3.2 主要角点提取算法 . 17 3.2.1 Moravec 算子 . 17 3.2.2 Forstner 算子 . 20 3.2.3 SUSAN 算子 . 20 3.2.4 Trajkovic 算子 . 22 3.2.5 FAST 算子 . 25 3.3 Harris 角点检测算法 . 27 IV 3.3.1 Harris 算法介绍 . 28 3.3.2 算法实现过程 . 32
12、 3.3.3 测试图像试验结果 . 33 3.4 本章小结 . 35 第四章 基于特征点的图像配准 . 36 4.1 特征点匹配 . 36 4.1.1 点到点对应匹配 . 36 4.1.2 点集匹配简介 . 37 4.2 计算变换模型 . 39 4.2.1 刚体变换实现图像配准 . 39 4.2.2 仿射变换实现图像配准 . 41 4.2.3 双线性插值重采样 . 46 4.3 基于角点的图像配准系统 . 48 4.3.1 系统说明 . 48 4.3.2 系统截图 . 49 4.4 本章小结 . 51 第五章 总结 . 52 参考文献 . 53 致谢 . 55 V Contents Chapt
13、er 1 Introduction . 1 1.1 Background and Significance . 1 1.2 The Content of this Paper . 2 1.3 Summary of the Chapters to Follow . 2 Chapter 2 The Principles and technology of Image Registration . 3 2.1 Defination and Class of Image Registration. 3 2.2 Image Registration Model. 5 2.3 Image Transfor
14、mation. 5 2.3.1 Rigid Body Transformation . 6 2.3.2 Affine Transformation. 6 2.3.3 Projection Transformation . 6 2.3.4 Nonlinear Transformation. 7 2.4 Resampling . 8 2.4.1 The Define of Image Interpolation . 8 2.4.2 Interpolation Weights . 9 2.4.3 The Choice of Interpolation Function. 10 2.4.4 Commo
15、n Interpolation Function. 12 2.5 Summary of this Chapter. 14 Chapter 3 Corner Detector Technology . 15 3.1 Corner Detector Overview . 15 3.2 Main Corner Detection Operator. 17 3.2.1 Moravec Operator . 17 3.2.2 Forstner Operator . 20 3.2.3 SUSAN Operator . 20 3.2.4 Trajkovic Operator . 22 3.2.5 FAST
16、Operator . 25 3.3 Harris Corner Detector Operator . 27 VI 3.3.1 Harris Operator Introduction . 27 3.3.2 The Process of Algorithm . 31 3.3.3 The Result of Test . 33 3.4 Summary of this Chapter. 34 Chapter 4 Image Registration based on Corner. 35 4.1 Corner Matching. 35 4.1.1 Points to Points Correspo
17、nding Match . 35 4.1.2 Point Set Matching Introduction. 36 4.2 Transformation Functions . 38 4.2.1 Image Registration based on Rigid Body Transformation. 38 4.2.2 Image Registration based on Affine Transformation . 41 4.2.3 Bilinear Interpolation . 46 4.3 Image Registration System based on Corner De
18、tector . 48 4.3.1 System Description . 48 4.3.2 System Appearance. 49 4.4 Summary of this Chapter. 50 Chapter 5 Summary . 52 References. 53 Acknowledgements. 55 厦门大学软件学院毕业设计论文 1 第一章 绪论 1.1 论文背景及意义 图像配准技术最早在美国七十年代从事的飞行器辅助导航系统、武器投射系统的末制导以及寻地等应用研究中提出，并且得到军方的大力支持与赞助。经过长达二十多年的研究，最终成功地应用于潘兴 II 式中程导弹及战斧式巡航
19、导弹上，使其弹着点平均圆半径误差不超过十几米，从而大大提高了导弹的命中率。八十年代后，随着科学技术的发展，在很多不同领域都有大量图像配准技术的研究，如遥感图像处理、模式识别、自动导航、医学诊断、计算机视觉等。各个领域的图像配准技术都是针对各自具体的应用背景，并结合实际情况度身定制的 特定技术。但是不同领域的配准技术之间在理论方法上又具有很大的相似性，在某一领域的配准技术很容易移植到其他相关领域。 图像处理是对图像信息进行加工处理，以满足人的视觉，心理和实际应用得要求。图像配准是图像处理的一个基本问题。用于将不同时间、不同传感器、不同视角及不同拍摄条件下获取的两幅或多幅图像进行匹配，其最终目的在
20、于建立两幅图像之间的对应关系，确定一幅图像与另一幅图像的几何变换关系式，用以纠正图像的形变。图像配准来源于多个领域的很多实际问题，如不同图像传感器获得的信息融合；不同时间、条件下获得图像的差异检测 ；成像系统和物体场景变化情况下获得的图像的三维信息获取；图像中的模式或目标识别等等。 图像配准的应用领域概括起来主要有以下几个方面： (1) 医学图像分析：肿瘤检测、白内障检测、 CT、 MRI、 PET 图像结构信息融合、数字剪影血管造影术 (DSA)等； (2) 遥感数据分析：分类、定位和识别多谱段的场景信息、自然资源监控、核生长监控、市区增长监控等； (3) 模式识别：目标物运动跟踪、序列图像
21、分析、特征识别、签名检测等； (4) 计算机视觉：目标定位、自动质量检测等。 图像配准技术在很多领域有着广泛的应用，因此 ，近年来，它已成为图像处理技术研究的重点之一。 基于角点检测的图像配准技术研究 2 基于特征点的图像配准是图像配准的一项重要的技术。特征点是用来表征领域局部特性的位置度量，用来作为具有一定特征的局部区域位置的标识。 4特征点分为两种类型：狭义特征点和广义特征点。狭义特征点是针对点本身来定义的，狭义特征点的位置本身具有常规的属性意义。而广义特征点可以是某个特征区域的中心，中心或特征区域的任一对应位置。角点属于狭义特征点，是特征点的重要组成部分，它简单可以说是各方向灰度变化较大
22、的点。因此研究基于角点 检测的图像配准具有重大的意义。 1.2 本文研 究内容 本文主要研究基于角点的图像配准，首先对图像配准基本的相关理论做出相关的介绍，如图像配准的分类，数学模型等。其次介绍了 6 种比较典型的角点提取算法： Moravec 算子， Harris 算子， Forstner 算子， SUSAN 算子， Trajkovic 算子及 FAST 算法，对其原理进行分析。然后对图像配准流程中的重要步骤详细的分析，包括：预处理，提取角点，角点匹配，坐标变换，重采样等，并实现基于角点的图像配准系统。最后对全文做总结，概括意义，并探讨今后的研究方向。 1.3 本文组织结构 本论文的各章内容
23、安排如下： 第一章 本文选题的背景，意义以及对 将 图像配准进行 研究的内容 。 第二章 图像配准的理论基础包括应用定义和基本的变换模型。 第三章 本文的重点， 对 Moravec 算子， Forstner 算子， SUSAN 算子， Trajkovic算子及 FAST 算子六种角点提取算子进行 简单分析 ， 对 Harris 算子详细分析， 用测试图像对算子做了测试分析。 第四章 本文的重点，对图像配准中的每个关键步骤进行分析研究包括角点匹配，重采样，计算变换模型，实现基于角点的图像配准系统。 第五章 总结，对全文总结，概括意义，今后研究发展的方 向。 厦门大学软件学院毕业设计论文 3 第二
24、章 图像配准的背景知识与技术介绍 本章主要介绍配准技术的相关背景知识与理论基础，包括图像配准的定义与分类、配准模型以及图像变换技术。 2.1 图像配准的定义和分类 图像配准可定义 1为两相邻图像之间的空间变换和灰度变换，即先将一图像象素的坐标 X=(x， y)映射到一个新坐标系中的某一坐标 X=(x， y)再对其象素进行重采样。图像配准要求相邻图像之间有一部分在逻辑上是相同的，即相邻的图像有一部分反映了同一目标区域，这一点是实现图像配准的基本条件。如果确定了相邻图像代表同一场景目标的所有像素之间的坐标关 系，采用相应的处理算法，即可实现图像配准 1。 假定两幅待配准图像 I1(x， y)和 I
25、2(x， y)我们称其中之一如 I1(x， y)为参考图像，另一个 I2(x， y)为待配准图像。则图像配准的数学模型可表示为 3： I2(x， y) =g(I1(f(x， y) (2.1) 在这里， f 是一个二维空间的坐标变换，而 g 是一个一维的灰度变换。寻找最佳的空间或几何变换参数是匹配问题的关键。它常常被表示为两个参数变量的单值函数 fx， fy： I2(x， y) = I1(fx (x， y), fy (x， y) (2.2) 本质上，图像配准需要分析各待配准图像上的几何畸变，然后采用一种几何变换将图像归化到统一的坐标系统中。图像配准的一般做法是，首先在参考图上选取以某一目标点为中心的图像子块，并称它为图像配准的目标窗口，然后让目标窗口在待配准图上有秩序地移动 (或者在待配准
