[科普中國(guó)]-基于點(diǎn)特征

簡(jiǎn)介

基于點(diǎn)特征是指利用點(diǎn)特征進(jìn)行圖像配準(zhǔn)與匹配，目標(biāo)描述與識(shí)別，光束計(jì)算，運(yùn)動(dòng)目標(biāo)跟蹤、識(shí)別和立體像對(duì) 3D建模等眾多領(lǐng)域。主要因?yàn)辄c(diǎn)特征屬于局部特征，對(duì)遮擋有一定魯棒性；通常圖像中可以檢測(cè)到成百上千的點(diǎn)特征，以量取勝；點(diǎn)特征有較好的辨識(shí)性，不同物體上的點(diǎn)容易區(qū)分。

點(diǎn)特征提取算子分類目前已有的點(diǎn)特征提取算子的方法，大致可以歸為兩大類：一類是基于模板的方法;另一類是基于幾何特征的提取方法。前一種方法可歸納為：首先設(shè)計(jì)一系列點(diǎn)模板，然后計(jì)算模板與所有圖像子窗口的相似性，以相似性判斷位于子窗口中心的像元是否為特征點(diǎn)。由于該算法計(jì)算耗時(shí)大，而且模板定義復(fù)雜，在實(shí)踐中較少使用。后一種方法基于幾何特征的提取算法 ，依賴點(diǎn)不同幾何特性進(jìn)行提取，計(jì)算簡(jiǎn)便，因而得到廣泛使用?；趲缀翁卣鞯狞c(diǎn)提取，又分為兩種方法。第一種方法也是最早提出的基于幾何形狀的方法之一。這種方法可以描述如下：對(duì)于一幅數(shù)字圖像，首先對(duì)其進(jìn)行圖像分割，提取邊界構(gòu)成鏈碼，然后找出邊界上轉(zhuǎn)折較大的點(diǎn)作為角點(diǎn)。這種方法在算法和處理步驟上過于復(fù)雜，且在分割時(shí)所產(chǎn)生的誤差將導(dǎo)致提取點(diǎn)的結(jié)果偏差很大。此類算法計(jì)算步驟多，耗時(shí)較大，在實(shí)時(shí)匹配中較少使用。第二基于幾何特征的點(diǎn)提取方法，直接依據(jù)圖像的灰度信息進(jìn)行提取。

在攝影測(cè)量中 , 有一些較為著名的點(diǎn)特征提取算子，如：Moravec算子、Forstner算子與 Hannah算子等。Moravec 算子是 Moravec 于 (1977) 年提出的，是一種利用灰度方差提取點(diǎn)特征的算子，主要是在四個(gè)方向上，選擇具有最大、最小灰度方差的點(diǎn)作為特征點(diǎn)。

圖像配準(zhǔn)圖像配準(zhǔn)與相關(guān)是圖像處理研究領(lǐng)域中的一個(gè)典型問題和技術(shù)難點(diǎn)，其目的在于比較或融合針對(duì)同一對(duì)象在不同條件下獲取的圖像，例如圖像會(huì)來自不同的采集設(shè)備，取自不同的時(shí)間，不同的拍攝視角等等，有時(shí)也需要用到針對(duì)不同對(duì)象的圖像配準(zhǔn)問題。具體地說，對(duì)于一組圖像數(shù)據(jù)集中的兩幅圖像，通過尋找一種空間變換把一幅圖像映射到另一幅圖像，使得兩圖中對(duì)應(yīng)于空間同一位置的點(diǎn)一一對(duì)應(yīng)起來，從而達(dá)到信息融合的目的。 該技術(shù)在計(jì)算機(jī)視覺、醫(yī)學(xué)圖像處理以及材料力學(xué)等領(lǐng)域都具有廣泛的應(yīng)用。根據(jù)具體應(yīng)用的不同，有的側(cè)重于通過變換結(jié)果融合兩幅圖像，有的側(cè)重于研究變換本身以獲得對(duì)象的一些力學(xué)屬性。20世紀(jì)以來醫(yī)學(xué)成像技術(shù)經(jīng)歷了從靜態(tài)到動(dòng)態(tài)，從形態(tài)到功能，從平面到立體的飛速發(fā)展2。將各種圖像結(jié)合起來，在同一圖像上顯示各自的信息，為臨床醫(yī)學(xué)診斷提供多數(shù)據(jù)多信息的圖像，這成為極具應(yīng)用價(jià)值的技術(shù)，而準(zhǔn)確高效的圖像配準(zhǔn)則又是關(guān)鍵和難點(diǎn)。

基于子圖像角點(diǎn)特征的快速圖像配準(zhǔn)方法背景圖像配準(zhǔn)的應(yīng)用非常廣泛，如模式識(shí)別、自動(dòng)導(dǎo)航、醫(yī)學(xué)診斷、計(jì)算機(jī)視覺等領(lǐng)域。 目前在圖像的配準(zhǔn)方面已開展了許多研究工作，提出了多種圖像配準(zhǔn)方法。目前大多數(shù)對(duì) 圖像配準(zhǔn)的研究集中在特征提取，特征描述，相似性度量，多種配準(zhǔn)方法的比較等，而較少 關(guān)注配準(zhǔn)的實(shí)時(shí)性。常見的配準(zhǔn)方法可以分為兩類：基于特征的配準(zhǔn)方法，如Harris角點(diǎn)法、SIFT法 等；基于區(qū)域的配準(zhǔn)方法，如互信息，F(xiàn)MT等。其中基于區(qū)域的配準(zhǔn)方法不需要提取特征， 適用于灰度信息大于結(jié)構(gòu)信息的情況，且要求兩幅圖像的灰度函數(shù)必須相似或至少統(tǒng)計(jì)相 關(guān)；從幾何學(xué)的角度講，它僅能處理平移和小角度旋轉(zhuǎn)的情況，大角度旋轉(zhuǎn)或尺度縮放必然 意味著計(jì)算復(fù)雜度和時(shí)間復(fù)雜度的提高，因此適用范圍較窄。而基于特征的配準(zhǔn)方法可以 配準(zhǔn)兩幅自然屬性完全不同的圖像，并適應(yīng)兩幅圖像間復(fù)雜的幾何和光學(xué)畸變，因此成為 近年來研究的熱點(diǎn)。但它的瓶頸是如何正確檢測(cè)出對(duì)應(yīng)的特征，并進(jìn)行低復(fù)雜度、魯棒的特 征描述，以提高匹配搜索的效率。由于拍攝環(huán)境和景物分布的原因，使得拍攝得到的圖像在 對(duì)比度，結(jié)構(gòu)清晰度，紋理特征等方面分布極不均勻。直接在大圖上進(jìn)行特征提取時(shí)（簡(jiǎn) 稱大圖法），在特征模糊區(qū)域提取的特征點(diǎn)反而可能成為正確匹配的干擾點(diǎn)，導(dǎo)致失配；另 外，大量的特征點(diǎn)擴(kuò)展了搜索空間的范圍，導(dǎo)致搜索效率和實(shí)時(shí)性下降。

方法簡(jiǎn)介一種基于子圖像角點(diǎn)特征的快速圖像配準(zhǔn)方法，其特征在于，具體步驟包括： 步驟一、選取參考子圖和待配準(zhǔn)子圖； 從參考圖像中選取一子圖作為參考子圖，從待配準(zhǔn)圖像中選取一坐標(biāo)空間與參考子圖 相同的子圖作為待配準(zhǔn)子圖； 步驟二、提取參考子圖和待配準(zhǔn)子圖的角點(diǎn)； 步驟三、對(duì)參考子圖和待配準(zhǔn)子圖上提取的角點(diǎn)進(jìn)行特征描述，獲得各角點(diǎn)的特征向 量； 步驟四、將待匹配子圖和參考子圖上角點(diǎn)的特征向量進(jìn)行相似性度量和特征匹配，最 終得到K個(gè)匹配點(diǎn)對(duì)； 該步驟的具體過程為： 1) 針對(duì)每一所提取的角點(diǎn)，尋找與Pi鄰近的P個(gè)點(diǎn)構(gòu)成Pi的距離鄰域，i= 1，2… N，N為兩幅子圖上所提取角點(diǎn)的總個(gè)數(shù)； 2) 依次計(jì)算待配準(zhǔn)子圖中每一角點(diǎn)特征向量到參考子圖中所有角點(diǎn)特征向量的馬氏 距離，將馬氏距離小于設(shè)定閾值dMthl的兩角點(diǎn)定義為匹配點(diǎn)對(duì)，多個(gè)匹配點(diǎn)對(duì)構(gòu)成匹配隊(duì) 列1 ; 3) 在匹配隊(duì)列1中，剔除不在對(duì)應(yīng)距離領(lǐng)域的匹配點(diǎn)對(duì)，得到K個(gè)匹配點(diǎn)對(duì)； 步驟五、基于K個(gè)匹配點(diǎn)對(duì)，采用最小二乘法計(jì)算待配準(zhǔn)圖像和參考圖像之間的變換 矩陣H，利用所述變換矩陣H將待配準(zhǔn)圖像配準(zhǔn)到參考圖像上； 所述參考子圖的選取過程為： 首先將參考圖像分割成n個(gè)大小相同的子圖，其次計(jì)算每個(gè)子圖的熵和平均梯度，然 后選出熵和平均梯度之和最大的子圖作為參考子圖。