一種基于匹配曲線特征評估的圖像配準(zhǔn)自動優(yōu)化算法
【專利摘要】匹配曲線不僅能夠從光滑度、尖銳度等形態(tài)特征直觀描述配準(zhǔn)性能,而且能夠從峰度(kurtosis)、峰偏(peakdeviation,即全局最大值出現(xiàn)的位置與最優(yōu)位置的偏差)、峰值(maximum,即全局最大值)以及峰值間的均方根誤差(RMSE)等特征指標(biāo)定量評估配準(zhǔn)結(jié)果,當(dāng)圖像完全對齊時,曲線光滑、尖銳,各個自由度上的全局最大值相等,并且位于最優(yōu)位置,即峰偏為0。在此基礎(chǔ)上,本發(fā)明進一步提出一種新的基于匹配曲線特征評估的圖像配準(zhǔn)自動優(yōu)化算法,以匹配曲線的峰偏來調(diào)整配準(zhǔn)參數(shù),以峰值間的均方根誤差設(shè)定停止迭代條件,不斷對配準(zhǔn)參數(shù)進行優(yōu)化,實現(xiàn)圖像更精確配準(zhǔn)。
【專利說明】—種基于匹配曲線特征評估的圖像配準(zhǔn)自動優(yōu)化算法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于圖像處理【技術(shù)領(lǐng)域】,具體涉及一種新的基于匹配曲線特征評估(Matching Curve feature evaluation, MCfe)的圖像配準(zhǔn)自動優(yōu)化算法。
【背景技術(shù)】
[0002]圖像配準(zhǔn)是圖像分析領(lǐng)域里一個重要環(huán)節(jié)?,F(xiàn)有的配準(zhǔn)方法大致可分為兩類:基于像素灰度的方法和基于特征的方法?;谔卣鞯呐錅?zhǔn)算法前期需要由特征檢測算子提取圖像特征信息,包括點特征、線特征、面特征以及其它特征描述子;基于像素灰度的匹配曲線可以從光滑度、尖銳度等形態(tài)特性直觀描述配準(zhǔn)性能,當(dāng)光滑度、尖銳度良好時,意指配準(zhǔn)效果好。通過對匹配曲線的深入研究,發(fā)現(xiàn)圖像完全對齊時,各個自由度上的匹配曲線全局最大值相等,并且位于最優(yōu)位置,即峰偏為O。本發(fā)明人在之前的一個專利申請“一種基于匹配曲線特征的圖像配準(zhǔn)評估法”(申請?zhí)?201310645358.5)中提出以匹配曲線的峰度(kurtosis)、峰偏(peak deviation,即全局最大值出現(xiàn)的位置與最優(yōu)位置的偏差)、峰值(maximum,即全局最大值)以及峰值間的均方根誤差(RMSE)等特征為定量指標(biāo),在此基礎(chǔ)上,基于匹配曲線的上述特征,提出一種新的圖像配準(zhǔn)自動優(yōu)化算法。
[0003]
【發(fā)明內(nèi)容】
[0004]本發(fā)明提出一種新的基于匹配曲線特征評估的圖像配準(zhǔn)自動優(yōu)化算法,以匹配曲線的峰偏來調(diào)整配準(zhǔn)參數(shù),以峰 值間的均方根誤差(RMSE)設(shè)定停止迭代條件即配準(zhǔn)精度,不斷對配準(zhǔn)參數(shù)進行優(yōu)化,實現(xiàn)圖像更精確配準(zhǔn)。由于本發(fā)明采用修正的結(jié)構(gòu)相似度函數(shù)(Modified Structural Similarity ,MSSIM)為配準(zhǔn)測度,此算法既適用于單模態(tài)圖像,也適用于多模態(tài)圖像配準(zhǔn)。具體步驟為:
第一步:讀入圖像,根據(jù)圖像失配程度設(shè)定優(yōu)化過程的迭代次數(shù)I 一般地圖像之間失
配越嚴(yán)重,算法收斂所需的迭代次數(shù)^越大;根據(jù)配準(zhǔn)精度的要求設(shè)定配準(zhǔn)精度e:各匹配
曲線峰值間均方根誤差< e ;
第二步:以修正的結(jié)構(gòu)相似度函數(shù)MSSIM為測度,根據(jù)配準(zhǔn)精度的要求設(shè)定參數(shù)的變
化步長,一般地變化步長越精細(xì),配準(zhǔn)精度將越高,給出參考圖像和浮動圖像各個自由度上
的匹配曲線,MSS頂度量值由下式得到:
【權(quán)利要求】
1.一種新的基于匹配曲線特征評估(Matching Curve feature evaluation, MCfe)的圖像配準(zhǔn)自動優(yōu)化算法,其特征在于:提出以匹配曲線的峰度、峰偏、峰值以及各曲線峰值間均方根誤差(RMSE)為特征量,以峰偏來調(diào)整配準(zhǔn)參數(shù),以峰值間RMSE設(shè)定停止迭代條件即配準(zhǔn)精度,自動優(yōu)化各個自由度上的配準(zhǔn)參數(shù),實現(xiàn)更精確的配準(zhǔn),具體步驟為: 第一步:讀入圖像,根據(jù)圖像失配程度設(shè)定優(yōu)化過程的迭代次數(shù)I一般地圖像之間失配越嚴(yán)重,算法收斂所需的迭代次數(shù)^越大;根據(jù)配準(zhǔn)精度的要求設(shè)定配準(zhǔn)精度e:各匹配曲線峰值間均方根誤差< e ; 第二步:以修正的結(jié)構(gòu)相似度函數(shù)MSSIM為測度,根據(jù)配準(zhǔn)精度的要求設(shè)定參數(shù)的變化步長,一般地變化步長越精細(xì),配準(zhǔn)精度將越高,給出參考圖像和浮動圖像各個自由度上的匹配曲線,MSS頂度量值由下式得到:
2.如權(quán)利要求1所述的基于匹配曲線特征評估的圖像配準(zhǔn)自動優(yōu)化算法,其特征在于:其中第二步配準(zhǔn)測度可以是MSSM,還可以推廣為其它凸或者凹配準(zhǔn)測度,比如相似性測度有相關(guān)系數(shù)(CC)、歸一化互相關(guān)(NCC)、結(jié)構(gòu)相似度(SSM)、互信息(MI)以及歸一化互信息(匪I)等等,相異性測度(既距離測度)有灰度的距離測度SSD、SAD、RC,迭代最近點算法(iterative closest point, ICP)里的歐氏距離(Euclidean distance),倒角距離(chamfer distance), Hausdorff 距離以及信息論中的漢明距離(Hamming distance)等。
3.如權(quán)利要求1所述的基于匹配曲線特征評估的圖像配準(zhǔn)自動優(yōu)化算法,其特征在于:配準(zhǔn)變換的自由度包括I萬向平移、方向平移、繞Z軸旋轉(zhuǎn)以及一致尺度縮放,還可以推廣為多個自由度的仿射變換、投影變換以及非線性變換等。
4.如權(quán)利要求1所述的基于匹配曲線特征評估的圖像配準(zhǔn)自動優(yōu)化算法,其特征在于:其中第四步配準(zhǔn)參數(shù)優(yōu)化調(diào)整方法還可以采用其它算法,比如黃金分割搜索算法,實驗證明與公式(6)的優(yōu)化效果相近,但所需時間有所增加。
【文檔編號】G06T7/00GK103714550SQ201310747326
【公開日】2014年4月9日 申請日期:2013年12月31日 優(yōu)先權(quán)日:2013年12月31日
【發(fā)明者】李京娜, 李宏光, 王素文, 劉姝延, 謝艷輝, 程月波 申請人:魯東大學(xué)