如发现有乱码，请点击下面链接浏览原文
正文摘录:

《现代电子技术》2007年第6期总第245期》新型元器件q(1)两幅要配准的图像中包含很多相似的特征，如两幅都包含很多矩形建筑物等；(2)由于图像获取时间的不同，可能一幅图像中会出现另一幅图像中不存在的目标，如对一块居民区，可能又新建了很多住房等。为了解决这些问题，本文提出了一种半自动高精度的图像配准算法，该算法首先通过人机交互方式得到初始的模型参数，然后利用自动提取的特征点进行模型参数的精确求解。这样不仅降低了计算量，而且减少了误配的可能性，对同源和异源图像之间的配准都是适用的。2从两幅图像中提取特征点为了提高算法速度，减少计算量，在提取特征点之前，先对图像进行边缘提取，然后在边缘上检测满足要求的特征点。提取边缘的方法很多，常用的是Rober。t算子、Sobel算子、Prewitt算子、GaUSS—laplace!算子、canny算子等，综合各方面考虑，这里采用canny算子进行边缘提取。从图像中提取出边缘以后，提取点特征的步骤如下‘“：设’l'otalP是保存所有检测出的特征点的结构，0utP是保存最后得到的那些稳健且分布比较广的特征点的结构，”是需要的特征点的数目，m是检测出来的特征点的数目。L是这样一个图像，他在图像边缘处的值是该点的惯性矩阵c的两个特征值中较小的一个。惯性矩阵表示如下：c(：，v)一『。，(z，y)’t(z，y’。z‘z，y’’，‘z'y’](1)以“∽一l可万可可耵丙而Ju’其中J，(z，y)和J，(Iz，y)分别为图像f(z，.y)在z方向和y方向的方向导数，r瓦万和Fii万分别为以(z，了)为中心的小窗口内的方向导数的平均值。(1)计算图像边缘处的点在z方向和y方向的方向导数，并令m—O；(2)在每一个边缘点上：①利用在一个圆形区域的图像的导数计算惯性矩阵c，如果模板窗口的一部分落在了图像外面，则只计算落在图像内的部分。②计算矩阵的特征值A.和A。，并假设A。＞Az，把所有边缘处的A。值保存在L中对应位置。(3)寻找L中局部最大的点，并把这些点保存在TotalP中。(4)把TotalP中的点按A。从大到小的顺序排列。(5)从TotalP的第一个元素开始，把特征点一次一个地转存到C)utP中，每移动一个点，优增1，并且把TotalP中距离该特征点小于限定值D的全部的点移除，重复上述步骤，直到得到了”个特征点或者在TotalP中已经没有特征点可供选择。(6)返回()utP和优。假设从基准图像中提取N。个特征点，记为特征点集BP一{劬。，幼z，…，坳x)，从待配准图像中提取N，个特征点，记为特征点集RP一{印。，巾。，…，功。}。3模型参数的求解为了减少计算量和误配的可能性，首先利用人工选择少量控制点的方法计算模型参数的初值，然后再依照上一步提取的特征点进行参数的精确求解。3.1计算模型参数的初始值由于这一步是为了得到参数的初值，不要求非常精确，所以在此只需要选择刚好能计算出模型参数所需要的点对的数目。然后把对应点的坐标代入变换模型中，求出参数。实际上该算法并不限制图像之间是何种变换模型，这里只是为了算法叙述的方便，假设图像之间的变换服从仿射变换模型如下：。tz2+玩yz+。-(2)口222+6zy2+f。由于该模型中包含6个参数，所以求解出参数需要3对控制点。利用人工的方法从基准图像和待配准图像中选择3对对应的点，求解出变换模型的初值。3.2模型参数的精确求解假设求解出的模型参数初始值为{口.’，6，’山’，n，’，6。’m’}，把待配准图像中的特征点集RP代人仿射变换模型，并把变换后得到的点记为RP’一{印。’，巾z’，…，巾。’}，对于每一个点巾，’(i—l，2，…，N)，如果在点集BP中存在一个点幼。与r户。’的距离小于限定的值，则把他们作为一组匹配点保存起来。假设最后得到的匹配点对集记为MPS一{rapsl，mps2，…，mpsN。}，N。得到的匹配点对的个数。对于每一个匹配点对mps。，其结构为mps。一{渤，，∥。，d，}，砌，和nr，分别代表基准图像和待配准图像中的点的编号，d。表示基准图像中的第n6：个点bp。与变换后的点rp’。之间的距离。用匹配点对集中的基准点坐标构成一个2×N。维的列向量A—rz。y。z。y。…，z。.，y。.]’，用集合中的待配准点的坐标构成一个2N。×6维的矩阵：B一并令X一[n。，6。，c，，n。，玩，f：]’，则由他们确定的仿射变换可以表示为：A—BX(3)57zy，ff、l0；暮；oMo而；o饥1O；1O；霹o；地。砀0；饥o