图像配准ppt课件
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
信息。
4
图像配准介绍----图像配准的应用领域
• 计算机视觉
--视频监控----对跟踪的目标区域进行Baidu Nhomakorabea准
--人脸识别
5
图像配准介绍----图像配准的应用领域
• 医学 --不同模态的（CT,MRT）----配准后进行融合可以得到 更多的信息 --单模态-----同一病人不同时间，不同病人之间的
6
图像配准介绍----图像配准的应用领域
15
配准算法的一般步骤—特征提取
• 点特征提取方法
--Susan (Susan Corner Detector)算法 SUSAN算法使用一个圆形的模板在图像上滑动，将位于圆形模板 中心的待检测的像素点称为核心点。假设图像为非纹理,核心点的 邻域被划分为两个区域:其一为亮度值等于(或相似于)核心点亮度 的区域,称为核值相似区(Univalue Segment Assimilating Nucleus,USAN),其二为亮度值不相似于核心点亮度的区域。
14
配准算法的一般步骤—特征提取
• 点特征提取方法
--Harris (Harris Corner Detector)算法 受信号处理中相关函数的启发，给出与自相关函数相联系的矩阵
M，M矩阵的特征值是自相关函数的一阶曲率，如果两个曲率值 都高，那么就认为该点是角点，此方法对图像旋转、亮度变化、 视角变化和噪声的影响具有很好的鲁棒性。
根据各特征点的兴趣值将特征点分成几个等级。对不同的目的，特征点 的提取应有所不同。 --线特征是图像中明显的线段特征，如道路河流的边缘，目标的轮廓线等。 线特征的提取一般分两步进行：首先采用某种算法提取出图像中明显的 线段信息，然后利用限制条件筛选出满足条件的线段作为线特征； --面特征是指利用图像中明显的区域信息作为特征。在实际的应用中最后可 能也是利用区域的重心或圆的圆心点等作为特征。
与病人的图片相比照。
12
配准算法的一般步骤 • 特征提取 • 特征匹配 • 估计变换模型 • 图像重采样及变换
13
配准算法的一般步骤—特征提取
特征提取是指分别提取两幅图像中共有的图像特征。这种特征是出现在两幅 图像中对比例、旋转、平移等变换保持一致性的特征，如线交叉点、物体边 缘角点、虚圆闭区域的中心等可提取的特征。特征包括：点、线和面三类。 --点特征是最常采用的一种图像特征，包括物体边缘点、角点、线交叉点等；
• 按配准图像的来源分类 --不同视点的图像配准（多视点分析）：目的在于获取更大范围的 二 维视角或重构被摄场景的三维信息。应用实例：遥感—被摄区域图 像镶嵌、计算机视觉—形状恢复； --不同时间的图像配准（多时段分析）：目的在于寻找并度量两幅 不 同时间内拍摄的图像中场景的变化。应用实例：遥感—区域规划、 计算机视觉——运动跟踪、医学成像—肿瘤病变检测、白天和黑夜 的场景以及夏天和冬天的图像特征研究；
其中： f 为二维空间坐标变换（如仿射变换），g 为一维亮度或其他度 量值变换。 图像配准问题的关键:最佳空间变换。 图像配准的实质：不同图像中表征同一位置的物理点一一对应。
3
图像配准介绍----图像配准的意义
• 图像配准是处理多源图像信息融合、目标识别等实际问题中的一个重 要步骤 。
• 其广泛应用于军事、医学、航空等多个重要科研领域 。 • 经过图像配准，可以获得质量更高、清晰度更好、定位更准确的目标
• 按对图像信息的利用情况分类 --基于灰度：直接利用局部图像的灰度信息建立两幅图像之间的相似性度 量，然后采用某种搜索方法寻找使相似性度量值最大或最小的 变换模型的参数值。
--基于特征：提取各类图像中保持不变特征如边缘点，闭区域的中心 等作为两幅图像配准的参考信息。
10
图像配准的分类
• 按图像配准的应用领域分类 --军事，医学，遥感，计算机视觉
16
配准算法的一般步骤—特征提取
• 点特征提取方法
--Harris-Laplace Harris算子能最稳定地在图像旋转、光照变化、透视变换条件下
11
图像配准的分类
• 按配准图像的来源分类 --不同传感器的图像配准（多模式分析）：目的在于融合不同传感器 信息，以获取更为丰富细致的场景信息。如可见光和红外图像配准、 医学成像—CT和MRI、多波段的人脸识别； --场景与场景模型图像配准：场景模型多为场景的数字表示，如地理 信息系统（GIS）中的数字高程图等。配准场景与场景模型的目的在 于在场景中定位模型，或在模型中定位场景，或者对场景与模型作 相应的比较。应用实例：遥感—将航片或卫片与地图或GIS相配准、 计算机视觉—匹配模板图像与实时场景、医学成像—将数字解剖图
图像配准技术
郑雪梅
1
内容概要
1.图像配准介绍 2.图像配准的分类 3.图像配准的一般步骤 4.图像配准的主要方法 5.部分配准算法的实验结果 6.图像配准的评价
2
图像配准介绍----图像配准的定义
• 什么是图像配准？ 图像配准可以视为源图像和目标图像关于空间和灰度的映射关系：
I 2 (x, y) g(I1( f (x, y)))
• 遥感 --不同时间、不同视角，不同传感器 --信息融合、环境监视、图像拼接、天气预报以及地图 更新等
7
图像配准介绍----图像配准的应用领域
• 军事 --变化检测、运动目标指示、视点稳定、大视场重构、多 通道融合、 地形定位和导航
8
图像配准的分类
• 按图像的维数分类 --2D/2D：平面图像之间的配准 --2D/3D：平面图像与空间图像之间的配准（医学上的体数据与二维 图像数据的配准） --3D/3D：两幅三维空间图像之间的配准 如果在空间维数的基础上再加上时间维，则原来的2D、3D就分别变 成了3D、4D，这在临床医学上比较常见，主要是用来观察儿童骨骼 发育，跟踪肿瘤变换等。
• 按成像模式分类 --单模：待配准的两幅图像是用同一种成像设备获取的 --多模：待配准的两幅图像来源于不同的成像设备
9
图像配准的分类
• 按交互性分类 --人工配准 ：完全由人工凭借经验进行，输入计算机后实现的只 是显示工作，不需要复杂的配准算法。 --半自动：由人工给出一定的初始条件，如人工勾画出轮廓、控制优化参数。 --全自动：全自动化配准不需人工干预，由计算机自动完成。
4
图像配准介绍----图像配准的应用领域
• 计算机视觉
--视频监控----对跟踪的目标区域进行Baidu Nhomakorabea准
--人脸识别
5
图像配准介绍----图像配准的应用领域
• 医学 --不同模态的（CT,MRT）----配准后进行融合可以得到 更多的信息 --单模态-----同一病人不同时间，不同病人之间的
6
图像配准介绍----图像配准的应用领域
15
配准算法的一般步骤—特征提取
• 点特征提取方法
--Susan (Susan Corner Detector)算法 SUSAN算法使用一个圆形的模板在图像上滑动，将位于圆形模板 中心的待检测的像素点称为核心点。假设图像为非纹理,核心点的 邻域被划分为两个区域:其一为亮度值等于(或相似于)核心点亮度 的区域,称为核值相似区(Univalue Segment Assimilating Nucleus,USAN),其二为亮度值不相似于核心点亮度的区域。
14
配准算法的一般步骤—特征提取
• 点特征提取方法
--Harris (Harris Corner Detector)算法 受信号处理中相关函数的启发，给出与自相关函数相联系的矩阵
M，M矩阵的特征值是自相关函数的一阶曲率，如果两个曲率值 都高，那么就认为该点是角点，此方法对图像旋转、亮度变化、 视角变化和噪声的影响具有很好的鲁棒性。
根据各特征点的兴趣值将特征点分成几个等级。对不同的目的，特征点 的提取应有所不同。 --线特征是图像中明显的线段特征，如道路河流的边缘，目标的轮廓线等。 线特征的提取一般分两步进行：首先采用某种算法提取出图像中明显的 线段信息，然后利用限制条件筛选出满足条件的线段作为线特征； --面特征是指利用图像中明显的区域信息作为特征。在实际的应用中最后可 能也是利用区域的重心或圆的圆心点等作为特征。
与病人的图片相比照。
12
配准算法的一般步骤 • 特征提取 • 特征匹配 • 估计变换模型 • 图像重采样及变换
13
配准算法的一般步骤—特征提取
特征提取是指分别提取两幅图像中共有的图像特征。这种特征是出现在两幅 图像中对比例、旋转、平移等变换保持一致性的特征，如线交叉点、物体边 缘角点、虚圆闭区域的中心等可提取的特征。特征包括：点、线和面三类。 --点特征是最常采用的一种图像特征，包括物体边缘点、角点、线交叉点等；
• 按配准图像的来源分类 --不同视点的图像配准（多视点分析）：目的在于获取更大范围的 二 维视角或重构被摄场景的三维信息。应用实例：遥感—被摄区域图 像镶嵌、计算机视觉—形状恢复； --不同时间的图像配准（多时段分析）：目的在于寻找并度量两幅 不 同时间内拍摄的图像中场景的变化。应用实例：遥感—区域规划、 计算机视觉——运动跟踪、医学成像—肿瘤病变检测、白天和黑夜 的场景以及夏天和冬天的图像特征研究；
其中： f 为二维空间坐标变换（如仿射变换），g 为一维亮度或其他度 量值变换。 图像配准问题的关键:最佳空间变换。 图像配准的实质：不同图像中表征同一位置的物理点一一对应。
3
图像配准介绍----图像配准的意义
• 图像配准是处理多源图像信息融合、目标识别等实际问题中的一个重 要步骤 。
• 其广泛应用于军事、医学、航空等多个重要科研领域 。 • 经过图像配准，可以获得质量更高、清晰度更好、定位更准确的目标
• 按对图像信息的利用情况分类 --基于灰度：直接利用局部图像的灰度信息建立两幅图像之间的相似性度 量，然后采用某种搜索方法寻找使相似性度量值最大或最小的 变换模型的参数值。
--基于特征：提取各类图像中保持不变特征如边缘点，闭区域的中心 等作为两幅图像配准的参考信息。
10
图像配准的分类
• 按图像配准的应用领域分类 --军事，医学，遥感，计算机视觉
16
配准算法的一般步骤—特征提取
• 点特征提取方法
--Harris-Laplace Harris算子能最稳定地在图像旋转、光照变化、透视变换条件下
11
图像配准的分类
• 按配准图像的来源分类 --不同传感器的图像配准（多模式分析）：目的在于融合不同传感器 信息，以获取更为丰富细致的场景信息。如可见光和红外图像配准、 医学成像—CT和MRI、多波段的人脸识别； --场景与场景模型图像配准：场景模型多为场景的数字表示，如地理 信息系统（GIS）中的数字高程图等。配准场景与场景模型的目的在 于在场景中定位模型，或在模型中定位场景，或者对场景与模型作 相应的比较。应用实例：遥感—将航片或卫片与地图或GIS相配准、 计算机视觉—匹配模板图像与实时场景、医学成像—将数字解剖图
图像配准技术
郑雪梅
1
内容概要
1.图像配准介绍 2.图像配准的分类 3.图像配准的一般步骤 4.图像配准的主要方法 5.部分配准算法的实验结果 6.图像配准的评价
2
图像配准介绍----图像配准的定义
• 什么是图像配准？ 图像配准可以视为源图像和目标图像关于空间和灰度的映射关系：
I 2 (x, y) g(I1( f (x, y)))
• 遥感 --不同时间、不同视角，不同传感器 --信息融合、环境监视、图像拼接、天气预报以及地图 更新等
7
图像配准介绍----图像配准的应用领域
• 军事 --变化检测、运动目标指示、视点稳定、大视场重构、多 通道融合、 地形定位和导航
8
图像配准的分类
• 按图像的维数分类 --2D/2D：平面图像之间的配准 --2D/3D：平面图像与空间图像之间的配准（医学上的体数据与二维 图像数据的配准） --3D/3D：两幅三维空间图像之间的配准 如果在空间维数的基础上再加上时间维，则原来的2D、3D就分别变 成了3D、4D，这在临床医学上比较常见，主要是用来观察儿童骨骼 发育，跟踪肿瘤变换等。
• 按成像模式分类 --单模：待配准的两幅图像是用同一种成像设备获取的 --多模：待配准的两幅图像来源于不同的成像设备
9
图像配准的分类
• 按交互性分类 --人工配准 ：完全由人工凭借经验进行，输入计算机后实现的只 是显示工作，不需要复杂的配准算法。 --半自动：由人工给出一定的初始条件，如人工勾画出轮廓、控制优化参数。 --全自动：全自动化配准不需人工干预，由计算机自动完成。