基于互信息的图像配准算法研究

论文摘要

图像配准是图像处理技术的基础，是图像镶嵌、图像融合、目标追踪的重要前提。现在的图像规模越来越大，图像信息越来越复杂，自动配准成了配准的首要方法和重要研究方向。基于图像灰度配准的互信息配准算法，不需要对图像进行特征提取等预处理操作，人工干预较少，自动化程度较高，其配准精度也高于其他基于对图像进行分割的方法，并且该算法适用于多模态图像，鲁棒性好。因此，本文对基于互信息的图像配准方法进行研究。主要工作有：（1）详细研究了互信息的基本理论和互信息配准方法的基本原理，并在matlab上对两幅图像进行配准仿真，通过得出的结果分析了此算法的性能。（2）针对最近邻插值效率低下、线性插值引入新的灰度影响联合直方图计算的问题，本文研究了PV插值技术，这种插值技术效率较高，不会引入新的灰度，有效地抑制了互信息的大幅度变换，有利于配准参数的优化。（3）针对基本的Powell优化算法不能保证搜索方向线性无关导致不利于目标函数搜索得到极值点的问题，研究了改进的Powell算法，保证在替换搜索方向的时候是线性无关的。（4）针对互信息配准方法效率低下、配准精度偏低等问题，研究了一种基于小波变换和互信息的图像配准方法。通过小波变换对图像进行分解，实现分层配准。结果表明，基于小波变换和互信息的配准方法不仅节约了配准时间，还提高了配准精度。较互信息的配准方法而言，具有高效性，稳定性好的特点，达到了对互信息算法改进优化的目的。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 引言
• 1.2 图像配准技术的研究目的和现实意义
• 1.3 国内外研究现状
• 1.4 本文的行文结构和研究内容
• 1.4.1 本文的研究内容
• 1.4.2 本文的创新点
• 2 图像配准基本理论
• 2.1 图像配准的数学定义
• 2.1.1 数字图像的定义
• 2.1.2 图像配准的数学定义
• 2.2 图像配准的四个基本要素
• 2.2.1 特征空间
• 2.2.2 搜索空间
• 2.2.3 搜索策略
• 2.2.4 相似性测度
• 2.3 图像插值技术
• 2.3.1 最邻近插值法
• 2.3.2 线性插值法
• 2.3.3 PV 插值法
• 2.4 参数优化
• 2.4.1 遗传算法
• 2.4.2 蚁群算法
• 2.4.3 Powell 算法
• 2.5 图像配准算法分类
• 2.5.1 基于灰度的图像配准算法
• 2.5.2 基于变换域的图像配准方法
• 2.5.3 基于特征的图像配准算法
• 3 基于互信息的图像配准
• 3.1 互信息的基本理论
• 3.1.1 信息熵
• 3.1.2 互信息的计算
• 3.2 互信息图像配准的原理
• 3.3 互信息图像配准的一般流程及实验结果
• 3.4 本章小结
• 4 基于小波分析和互信息的图像配准算法研究
• 4.1 小波变换和图像配准
• 4.2 小波变换的基本概念
• 4.2.1 连续小波变换
• 4.2.2 离散小波变换
• 4.3 基于小波变换和互信息的图像配准
• 4.3.1 算法的基本思想
• 4.3.2 图像的配准过程
• 4.4 实验结果与分析
• 4.5 本章小结
• 5 结论与展望
• 5.1 工作总结
• 5.2 工作展望
• 致谢
• 参考文献
• 附录