小波提取边缘特征点图像配准研究

罗志娟

（长沙航空职业技术学院，湖南 长沙 410124）

小波提取边缘特征点图像配准研究

罗志娟

（长沙航空职业技术学院，湖南 长沙 410124）

提出了一种基于小波多尺度积提取边缘特征点的配准算法，利用差的绝对值和以及相关系数双重判据作为相似性度量标准，通过Matlab实验证明了该算法的有效性。

小波；边缘特征点；图像配准

图像配准是指利用平移、旋转、缩放等几何变换和灰度变换使在不同成像条件下的两幅或两幅以上的图像实现对准，它是图像融合、图像拼接等技术的基础，一直是研究的热点。图像配准可分为基于特征和基于灰度的图像配准。基于特征的图像配准方法操作简单、精度较高、速度较快，但很难实现完全自动配准，需要人工干预；而基于灰度的图像配准虽能实现完全自动配准，但计算量大，配准耗时长[1]。

基于特征的图像配准关键在于特征点的提取，常见的特征包括点、线、矩、边缘、轮廓等。在配准实现的过程中，一般包括以下三个阶段：1)获取图像的特征集；2)利用特征集，搜寻图像间的映射关系；3)确定图像间的几何变换（及灰度变换）关系[2]。

1 小波多尺度积提取边缘特征点

在基于特征的图像配准方法中，最常用的就是点特征，而边缘又是图像最基本的特征，因此提取边缘特征点在图像配准中占据着重要的地位。经典的边缘检测方法有Laplace算子、Sobel算子、梯度算子等[3]。边缘和噪声都是高频信号，在边缘检测中噪声也往往被当成边缘点检测出来，从而影响配准的精度。利用小波变换多尺度等特性，从能量方面可有效区分噪声和边缘，提高了像素间的相关性，使得小波变换后得到的边缘特征点，能有效的反映图像的真实特征。

小波多尺度边缘检测的基本思想是：首先在不同尺度上磨光原信号，然后由磨光信号的极值点检测出原信号的剧变点。当尺度很大时，检测出的剧变点比较大，对应的是低频信号的检测，不同尺度下的剧变点对应的是小波分解后不同频带的信号检测，这就是多尺度边缘检测[4]。根据边缘相关理论，图像在经过小波变换后，尖锐边缘都有很大的信号值，而噪声的信号值会随着尺度的增长而逐渐衰弱[5]。因此，将多尺度小波变换下得到的梯度向量模相乘，不仅能有效的抑制噪声，同时还能保留特征点的方向，提高定位的精度。

选取像素为200*200的Lena图像作为实验图像，采用小波变换检测图像边缘，实验结果如图1所示。实验结果表明，利用小波变换检测出来的边缘真实的反映了图像的边缘特征，为进一步实现配准奠定了基础。

图1 小波算子边缘检测结果

需要注意的是，提取出来的边缘点必须满足“正规化边缘相关系数大于该点处的梯度向量模”[6]这一必要条件。依据此原则，得到如下边缘特征点，如图2所示。

图2 边缘特征点结果图

2 算法实现及流程图

相似性度量标准的选择，将直接影响图像配准的精度。为了提高配准的可靠性，本文采用差的绝对值和以及相关系数构成双重判据，性质不同的两种判据，相互制约，最大限度的排除不可靠的相关结果，以保证配准的精度。

算法实现的过程中首先利用小波变换多尺度分别提取参考图像和浮动图像的边缘特征点，并利用边缘相关理论获取图像特征点集，接着手工输入2对特征点，并利用2对特征点的矢量方向确定两幅图像间的初始旋转角度，最后利用双重判据逐步修正配准参数，直至获得最终结果。

本文提出的基于小波提取边缘特征点的图像配准算法流程图如图3所示。

图3 小波提取边缘特征点图像配准流程图

3 实验效果及分析

图4 人物图像配准实验

为了验证算法的可行性，选择了如图4（a）（b）两幅由普通照相机所得的人物图像，像素均为200*200，并在Matlab7.1平台完成实验，以图像中心点为坐标原点，水平向右为x轴正方向，垂直向上为y轴正方向，旋转方向顺时针为正方向。实验中，利用2次B样条小波提取图像边缘点，最终提取56对有效特征点，多分布于人物轮廓边缘，特征点分布较均匀，且特征点处残差皆控制在1个像素之内，达到了高精度配准的要求。将浮动图像按顺时针旋转4动，向左平移11pix，向下平移2pix，获得镶嵌后配准结果如图4（c）所示。仔细观察配准结果可以看出，采用本文提出的方法进行图像配准，得到的配准后图像没有重影且清晰可辨，配准效果很好。

4 结论

基于灰度的图像配准计算量大，耗时较长，而基于特征的配准方法将图像的特征提取出来，利用特征实行配准，大大压缩了图像的信息量，减少了计算量，配准速度得以提高[7]。本文提出的配准算法，在小波变换下得到的边缘点具有多分辨特性，能有效地过滤噪声带来的干扰，同时双重判据弥补了单一判据的不足，保证了配准的精度。

[1]陈显毅.图像配准技术及其MATLAB编程实现[M].北京：电子工业出版社，2009.

[2]葛永新.基于小波多尺度积的图像配准方法[J].计算机科学，2006,（33）：242-245.

[3 ]杨丹，张小洪. 基于小波多尺度积的边缘检测算法[ J].计算机科学,2004,31(1):133-135.

[4] 张东，余朝刚. 基于特征点的图像拼接方法[J].计算机系统应用，2016,（3）：107-112.

[5]杨健，李若楠.基于局部显著边缘特征的快速图像配准算法[J].计算机应用，2014,（1）:149-153.

[6]曹世翔，江洁.边缘特征点的多分辨率图像拼接[J].计算机研究与发展，2011，48（9）：1788-1792.

[7]杨程，徐晓刚.图像配准技术研究[J].计算机科学，2016，（s2）：133-135.

［编校：杨 琴]

Research of Image Registration based on Edge Feature Point by Wavelet Extraction LUO Zhi-juan

(Changsha Aeronautical Vocational and Technical College, Changsha Hunnan410124)

This paper presents a registration algorithm based on edge feature extraction by wavelet multiscale，the sum of absolute differences ( SAD) and correlation coefficient are used for similarity metric. The effectiveness of the proposed algorithm is proved by Matlab.

wavelet; edge feature points；image registration

TP309

A

1671-9654(2017)01-0086-03

10.13829/j.cnki.issn.1671-9654.2017.01.023

2017-01-06

罗志娟（1979- ），女，湖南湘潭人，讲师，工学硕士，研究方向为图形图像处理。

本文为2014年湖南省教育厅科学研究项目“基于互信息和小波变换的图像配准技术研究及应用”（编号：14C0011）阶段性研究成果．