如发现有乱码，请点击下面链接浏览原文
正文摘录:

高峰等：一种准自动高精度图像配准算法在利用最小二乘法求解时，我们认为当基准图像中的点印。与待配准图像中的对应点rp。经过变换的点rp。’之间的距离di越小，则他们对最后参数求解的影响越大，所以引入一个加权矩阵，他由距离d。构成：其中厂(dz)一万{彘，(i一1，2，…，Nm)，分母加O.5是为了防止分母为零的情况。则利用最小二乘法求解时，使如下的平方误差达到最小：孑一[A—Bx]’w[A—BX](4)则由最小二乘估计可得模型的精确参数为：X一(B’WB)。B’WA(5)最后根据求解出的参数实现对图像之间的配准。3.3计算量分析在大部分点配准算法中_3]，一般是首先假设任意仇对特征点之间是相互匹配的，然后利用这些点对求解出模型参数，并利用距离准则，计算出其他可能相匹配的点对的个数，并以此来验证开始选择的几对点是否真正匹配。假设两幅图像中提取的特征点数分别为M和N，，每次验证点对是否真正匹配的计算量为A，则最不理想情况下的计算量为q.×G.×P：×A。而本文的计算量只相当于一次验证选择点对是否真正匹配的计算量，即为A，所以计算量降低为原来的1／q×G×P：。4整个图像配准算法综上所述，整个图像配准算法可以分为以下几步：(1)首先利用Canny边缘提取算法得到原图像的边缘图像，然后在边缘图像上进行特征点的提取。(2)利用人工的方法从基准图像和待配准图像中选择几对控制点，求解出模型的初始参数。(3)利用模型的初始参数对待配准图像提取出的点进行模型变换，并计算在基准图像中与之最近的点，当距离小于限定值时，则把他们当作匹配点对，并保存他们之间的距离。(4)利用加权最小二乘法和上一步得到的所有的匹配点对进行参数的精确求解，并根据求得的参数进行图像的配准。整个算法流程图如图1所示。5实验结果用大量的实际图像测试了本文提出的算法，下面列出部分实验结果。基准图像／／待配准图像先边缘提取然后提取特征点先边缘提取然后提取特征点金工晋登尘兰篓犁L。r—j磊鬲：；ii磊石况点，计算参数初值ll：：：：：：：：：：计算精确参数完成图像配准图1算法流程图首先用一对图像演示本文提出的算法，图2和图3分别为基准图像和待配准图像，他们获取的时间不同，灰度值差别也比较大。假设他们之间经过了仿射变换，首先对图像进行边缘提取如图4和图5，并在边缘图像提取特征点，然后利用人工选择控制点的方法选择3对控制点，把选择的控制点用大十字叉标注在原图中如图2和图3，并且有数字标记，接着利用这3对控制点求解仿射变换参数的初值，并在两图提取的特征点中寻找所有可能匹配的30对匹配点对，把他们标注在原图中，然后利用这30对匹配点对，用最小二乘法求解参数的精确值。表1是参数初值和精确值的比较，图6是本算法的配准效果。表l参数初值和精确值及对应的均方根误差图2基准图像图3待配准图像图4基准图像的边缘提取结果图5待配准图像的边缘提取结果)心00；Od厂)MOO；dO厂)Od；O0厂)dO；OO，