基于互信息的图像配准技术研究论文.doc

基于互信息的图像配准技术研究毕业论文 目 录 第1章 绪论 1 1.1 研究背景 1 1.1.1 应用价值 1 1.1.2 研究概况及发展趋势 1 1.2 本文研究内容 2 第2章 图像配准 4 2.1 图像配准的基本过程 4 2.2 图像配准方法的分类 5 2.3 主要的图像配准方法 7 2.3.1 基于特征的配准方法 7 2.3.2 基于灰度的配准方法 7 2.4 本章小结 8 第3章 互信息在配准中的应用 9 3.1 互信息的概念 9 3.1.1 熵 9 3.1.2 互信息 11 3.2 基于互信息的配准 11 3.2.1 互信息配准的基本步骤 11 3.2.2 MATLAB平台中互信息的配准 12 3.3 本章小结 13 第4章 互信息图像配准的技术 14 4.1 插值技术 14 4.1.1 最近邻插值法 14 4.1.2 三线性插值法 15 4.1.3 部分体积分布插值法 16 4.2 出界点处理 18 4.3 灰度级别对配准的影响 18 4.4 优化算法 20 4.4.1 引言 21 4.4.2 Powell法 21 4.4.3 遗传算法 22 4.4.4 遗传-模拟退火混合优化算法 26 4.4.5 蚁群算法 28 4.5 本章小结 31 结 论 33 参考文献 34 致 谢 36  第1章 绪论 1.1 研究背景 1.1.1 应用价值 随着图像信息的需求日益强烈，近二十年来，图像融合的研究蓬勃兴起，成为图像处理的一大热点。在实际应用中，单一模态的图像往往不能提供所需要的足够的信息,通常需将不同模态的图像融合在一起，得到更丰富的信息以便了解综合信息。然而不同模态的图像会出现成像原理不同、分辨率不同、灰度属性不同等情况，图像间并不存在简单的一一对应关系。为了能将不同模态图像中的信息融合在一起，就必须首先进行图像配准。 图像配准是图像分析和处理的关键步骤，在遥感图像处理、医学图像处理、计算机视觉和模式识别等领域得到广泛应用。图像配准的关键问题是相似性测度，它用来衡量两幅图像配准的程度。图像配准的关键问题是相似性测度，它用来衡量两幅图像配准的程度。。 2.1 图像配准的基本过程 对在不同时间或不同条件下获取的两幅图像I(x)和J(x)配准，就是要定义一个相似性测度，并寻找一个空间变换关系，使得经过该空间变换后，两幅图像的相似性达到最大。即使得图像I上的每一个点在图像J上都有唯一的点与之对应，并且这两点对应同一位置。如： S (T)=S(I(x) ,J(Tα(x))) （2-1） 式中S是相似性测度，Tα为空间变换，α为空间变换参数。配准过程可归结为寻求最佳空间变换： （2-2） 一般配准的基本步骤如下。 （1）图像分割与特征的提取：进行图像配准的第一步就是要进行图像分割从而找到并提取出图像的特征空间。图像分割是按照一定的准则来检测图像区域的一致性，达到将一幅图像分割为若干个不同区域的过程，从而可以对图像进行更高层的分析和理解。 （2）变换，即将一幅图像中的坐标点变换到另一幅图像的坐标系中。常用的空间变换有刚体变换(Rigid body transformation)、仿射变换(Affine transformation)、投影变换(Projective transformation)和非线性变换(Nonlinear transformation)。刚体变换使得一幅图像中任意两点间的距离变换到另一幅图像中后仍然保持不变；仿射变换使得一幅图像中的直线经过变换后仍保持直线，并且平行线仍保持平行；投影变换将直线映射为直线，但不再保持平行性质，主要用于二维投影图像与三维体积图像的配准；非线性变换也称作弯曲变换(Curved transformation)，它把直线变换为曲线，这种变换一般用多项式函数来表示。图2.1是这四种变换的示意图。 （3）寻优，即在选择了一种相似性测度以后采用优化算法使该测度达到最优值：经过坐标变换以后，两幅图像中相关点的几何关系已经一一对应，接下来就需要选择一种相似性测度来衡量两幅图像的相似性程度，并且通过不断地改变变换参数，使得相似性测度达到最优。 当然，配准的过程并不绝对按上述步骤进行，一些自动配准的方法，如采用的基于灰度信息的配准方法，其配准过程中一般都不包括分割步骤。此外，坐标变换和寻优过程在实际计算过程中是彼此交叉进行的。 原始图像