基于局部边缘直方图的快速多模态图像配准( Rapid Multimodal Image Registration Based on the Local Edge Histogram )

D Zhao

由于多模态图像的成像机理存在显著差异，配准方法在时间消耗和匹配精度方面都难以达到理想的效果。为此，本文提出了一种利用局部边缘信息快速鲁棒的多模态图像配准方法。该方法基于SURF框架，能够同时实现实时性和准确性。针对多模态图像纹理的不可预测性，基于关键点周围邻域的边缘直方图建立局部边缘描述子。此外，为了提高整个算法的鲁棒性，保持SURF的快速性，提出并引入了关键点显著性评价和自相似因子的概念。实验结果表明，该方法比其他多模态配准方法具有更高的精度和更少的时间开销。此外，在图像模糊、旋转、噪声和亮度变化等情况下，该方法的鲁棒性和稳定性也得到了验证。1.导论图像配准通过寻找一定的空间几何变换，将同一场景、相似视点的两幅图像映射到同一坐标系中，使空间位置相同的点具有相同的坐标。该技术是图像处理领域的一个基本问题。多模态图像是由不同成像机理的传感器获取的多传感器图像。随着传感器成像技术的快速发展，多传感器的应用日益广泛。单个图像传感器的信息不能满足应用的需要。例如，在军事末制导领域，合成孔径雷达(SAR)图像、红外图像和可见光图像的融合可以更好地判断和识别目标[1,2]。在医学上，通过分析对骨组织敏感的计算机断层扫描(CT)图像和对软组织敏感的磁共振成像(MRI)图像，可以更全面地诊断疾病[3]。不同传感器获取的不同多模态图像显示了不同的像素表达形式，提供了更复杂的信息。不同的多模态图像之间，同一物体的同一位置可能会出现不同的灰度值。随着越来越多的学者对多模态图像配准技术的关注，人们提出了许多方法，并在一定范围内取得了成功。在[4]中，Zhao等人。提出了一种新的多模态鲁棒线段描述子，该描述子利用提取的多模态图像的高度等价角点和线段。在[5]中，叶等人。提出了一种基于梯度直方图和局部自相似度(LSS)的遥感图像配准局部描述子。在[6]中，基于梯度反演，Chen和Tian提出了一种适用于多模态图像配准的对称SIFT描述子。文献[7]将混合视觉特征用于可见光和红外图像配准。该算法从边缘点中提取多条直线，对不同图像的直线进行匹配，粗略估计出变换参数，然后利用估计出的参数将一幅图像的关键点映射到另一幅图像中，调整变换参数。文[8]提出了一种多光谱角点检测算子，该算子可以提高多模态图像的角点提取性能。该算法能有效地匹配近红外图像和可见光图像。在[9]中，叶等人。提出了利用相位一致性(PC)作为梯度信息的推广，并提出了一种鲁棒的描述子--定向相位一致性直方图(HOPC)。文[10]提出了一种基于PC机最小矩的特征检测器MMPC-Lap。在[11]中，Li等人。提出了一种新的特征匹配算法RIFT

SciDown文献求助系统（解决99%问题） Public Download ResearchGate