木材CT图像配准方法研究

论文摘要

图像配准是将不同时间、不同的传感器(成像设备)或不同条件下(天候、照度、摄像位置和角度等)获取的同一场景的两幅或多幅图像进行配准、叠加的处理过程。图像配准的主要方法大致分为三类:基于图像灰度的配准方法;基于图像特征的配准,如边缘、角点方法;基于图像频域的配准,如基于快速傅里叶变换的方法。目前图像配准技术主要应用在计算机视觉、医学诊断与辅助治疗、遥感影像、三维建模、图像拼接等领域。本文在对三种常用的图像配准方法——基于图像灰度的图像配准,基于频域变换的图像配准和基于特征点的图像配准方法加以分析的基础上,提出了相应的改进算法,并对木材CT图像进行配准,取得了很好的配准效果。首先用基于互信息的方法对木材CT图像进行配准,并对传统的PV插值算法和遗传算法加以改进,改进后的算法能有效抑制局部极值的产生,同时解决了遗传算法搜索时过早收敛的问题。接着讨论了基于频域变换的图像配准方法,在利用傅立叶变换的相位相关原理对图像进行配准的基础上,对传统傅立叶变换图像配准算法加以改进,采用由粗到细的金字塔分层配准策略,有效提高了图像配准精度,使得图像配准精度达到亚像素级别。最后讨论了基于Harris特征点的图像配准方法,提出一种三角形法来确定特征点对间相互对应的关系,根据特征点对间的关系求解出配准所需参数,从而对木材CT图像进行配准,该算法计算量大大减少,因而配准速度较快,但受噪声影响较大。

论文目录

• 致谢
• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 本文研究背景
• 1.2 图像配准技术
• 1.3 图像配准的应用领域
• 1.4 图像配准技术的发展及现状
• 1.5 本文研究内容及文章组织
• 第二章 图像配准理论
• 2.1 图像配准的公式描述
• 2.2 空间变换模型
• 2.3 配准相似度度量
• 2.3.1 常用的距离测度
• 2.3.2 相关度量法
• 第三章 基于互信息的木材CT 图像配准
• 3.1 基于互信息和遗传算法的图像配准算法
• 3.1.1 互信息
• 3.1.2 互信息的计算----联合直方图法
• 3.1.3 图像插值算法
• 3.1.4 遗传算法
• 3.2 改进的基于互信息的图像配准算法
• 3.2.1 PV 插值算法的缺陷
• 3.2.2 PV 插值算法的改进
• 3.2.3 遗传算法的改进
• 3.3 实验结果
• 3.3.1 对只发生平移的图像配准
• 3.3.2 对发生平移和旋转的图像配准
• 3.3.3 不同日期扫描的CT 图像配准
• 3.4 本章小结
• 第四章 基于傅里叶变换的木材CT 图像配准
• 4.1 相位相关图像配准原理
• 4.2 图像亚像素配准算法
• 4.2.1 算法原理
• 4.2.2 算法评价标准
• 4.3 实验结果及分析
• 4.4 本章小结
• 第五章 基于Harris 角点的木材CT 图像配准
• 5.1 图像特征概述
• 5.1.1 边缘特征
• 5.1.2 角点特征
• 5.2 Harris 角点检测
• 5.3 基于harris 角点检测的图像配准
• 5.3.1 特征点排序
• 5.3.2 确定特征点对应关系
• 5.3.3 利用匹配特征点对获取配准参数
• 5.4 实验结果与分析
• 5.5 本章小结
• 第六章 总结与展望
• 6.1 论文总结
• 6.2 未来工作展望
• 参考文献
• 附录 攻读硕士学位期间的研究成果
• 详细摘要