图像检测与配准的方法研究

论文摘要

图像检测与配准作为图像分析和模式识别的基础,其中涉及到图像处理、信号处理、自动控制等多种技术。其核心在于构造合适的图像分析算法。本文以人脸检测和医学图像配准为例,介绍了图像检测与配准的一些方法和应用。文章主要分为两部分,第一部分为人脸检测;第二部分为医学图像配准。本文的人脸检测算法是在Hsu, Abdel-Mottaleb and Jain（后面简记为Hsu法）提出的人脸检测算法的基础上进行改进得到的,适用于彩色静态图像。其改进主要体现在如下三个方面:第一,使用光照补偿（如果原始图像存在色彩偏差使用此技术消除偏差）和非线性空间变换技术对原始图像进行预处理。针对Hsu法肤色检测算法计算量大,计算复杂,速度较慢的缺点,本文采用高斯分布模型代替其椭圆参数模型得到原始图像的肤色概率图,在不影响准确度的前提下提高了检测速度;第二,采用自适应阈值和直方图法相结合选取肤色分割阈值更加准确;第三,为了准确地提取人脸区域,首先将肤色检测和粗检测得到的候选区域映射到原始图像对应的灰度图像上,并提取出子图像,然后根据统计获得的人眼的灰度和几何信息在子图像上进行人眼检测,最后再将属于人脸的子图像映射到原始图像。实验结果表明:该算法能较好的检测出不同光照,不同肤色,不同姿态条件下的人脸区域,与Hsu法相比速度有较大的提高。为了提高图像配准的准确度并降低计算的复杂度,本文提出了一种基于特征点的图像配准方法。首先将多尺度思想和模糊理论引入到特征点的检测过程中,比较准确地获取图像中的特征点;然后确定匹配点对;最后使用薄板样条函数实现图像的配准。实验结果表明:该方法具有较强的适用性,精确性和抗噪性。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题的提出
• 1.2 人脸检测的研究背景，研究现状以及存在的困难
• 1.2.1 人脸检测的研究背景
• 1.2.2 人脸检测的研究现状
• 1.2.3 人脸检测存在的困难
• 1.3 医学图像配准的研究背景，发展状况以及常用的方法
• 1.3.1 医学图像配准的研究背景
• 1.3.2 医学图像配准的发展状况及常用的方法
• 1.4 本文的章节安排
• 第二章 基础知识介绍
• 2.1 色彩空间
• 2.2 图像分割
• 2.3 肤色模型
• 2.4 光照补偿
• 2.5 人脸检测结果的评价标准
• 2.6 医学图像配准的原理
• 2.7 医学图像配准的步骤
• 2.8 角点检测算子
• 2.9 相似性测度
• 2.10 图像插值
• 2.11 本章小结
• 第三章 改进的人脸检测算法
• 3.1 算法介绍
• 3.2 肤色检测
• 3.3 人脸区域粗检测
• 3.4 人脸区域细检测
• 3.5 实验结果与分析
• 3.6 本章小结
• 第四章 基于特征点的医学图像配准算法
• 4.1 算法介绍
• 4.2 特征点的提取
• 4.2.1 基于模糊理论和多尺度思想的角点检测算法
• 4.2.2 角点检测的实验结果与分析
• 4.3 特征点的匹配
• 4.3.1 定义相关系数
• 4.3.2 角点粗匹配
• 4.3.3 角点精匹配
• 4.4 特征点的非刚性配准
• 4.5 图像配准的实验结果
• 4.6 本章小结
• 第五章 总结与展望
• 致谢
• 参考文献
• 附录：作者在攻读硕士学位期间完成的论文