基于小波变换的图像配准算法.ppt

一、选题背景、目的、意义
二、研究思路及基本理论介绍
三、算法研究与应用
1、基于小波变换的图像配准算法
2、基于尺度空间理论图像配准算法
（1）SIFT算法
（2）SURF算法
3、图像拼接
四、致谢
图像配准是将不同时间、不同传感器(成像设备)或不同条件下(气候、光照度、摄像角度和位置等)获取的同一场景的两幅或多幅图像进行匹配、叠加的过程。
图像配准是图像处理技术中一个十分关键的步骤，在计算机视觉、模式识别、遥感图像处理、医学图像处理、自动导航及人工智能等众多领域有着广泛的应用。经过多年的研究，图像配准技术已取得了众多研究成果。目前，国内外同行都在关注图像配准的方式及其相关技术，如基于亚像素精度的图像配准和自动配准技术等。
多尺度技术作为一种有效的手段，在改良已有算法和研究新算法中，其特有的优势已得到越来越多研究者的认同。二、研究思路及基本理论介绍根据图像配准所利用的图像信息不同，图像配准算法可以分为：基于图像灰度信息的方法和基于图像特征的配准方法。其中，基于特征的图像配准算法具有计算量小、鲁棒性好、对几何形变适应性强等优点。
基于此，本研究从两个方面延伸，一为结合已有基于特征的图像配准方法，使之与多尺度技术相结合；二为在多尺度下提取图像特征实现图像配准。
图像的多尺度分析，简单地说就是将图像在不同的尺度上进行分解，从而使得图像的信息能在不同的尺度上得到相应程度的解释。
一般认为，在较大尺度下，特征点的定位不易准确，但却能较好的消除误检且能够检测到真正的特征点。反之，在较小尺度下，特征点的定位比较准确，但误检的比例会增加。因此，能同时体现大、小尺度特征提取优点的多尺度技术的应用就显得必要而且实用。4、尺度5、多尺度技术分类三、算法研究与应用一般来说，基于小波变换的图像处理，大都建立在对图像的小波分解与重构上，图像的小波分解将自动形成一个金字塔结构，将图像信息分为低频部分与高频部分，便于图像特征的提取与利用。结合小波变换的多尺度特性和Harris角点检测，得到一种基于特征点的多尺度图像配准算法，步骤如下：

待配准图像实验所用积木图用本文方法在不同尺度检测到的角点待配准图像与参考图像scale=2时匹配结果总的来说，本文提出的基于小波变换的多尺度图像配准算法在抗噪性、定位精度以及匹配稳定性方面都有较好的效果。2、基于尺度空间理论的图像配准算法（2）SURF算子在参考图像和待配准图像中，用SIFT算子或SURF算子分别提取特征点，以最近邻(NearestNeighbor,NN)方法来匹配，在一幅图像中取某个特征点，在另一幅图像中寻找其最近邻的特征点和次近邻的特征点。其中，前者所指点为与原样本的特征点间欧氏距离的最短特征点，后者指与样本的特征点之间的欧氏距离次短的特征点。
用最近的欧氏距离除以次近的欧氏距离，若其比值小于给定比例阈值，则认为这是一对匹配点，反之，则认为这两个特征点不匹配。其中，给定比例阈值越大，所得的匹配点越多，但匹配精度较低；阈值越小，所得的匹配点越少，但也更加稳定。确定初匹配对后，结合RANSAC法去除误匹配点对，估算变换参数，得到最终配准结果。
本节分别用SIFT法和SURF法对给出的图像进行配准，并对其性能做出比较分析。（3）实验结果3.1图像拼接基础
图像拼接(ImageMosaic)是将多幅具有重叠区域的图像拼合成一幅较大无缝图像的技术。具体点说，图像拼接是一种全景图像技术，对于一组存在重叠部分的图像序列，通过空间配准、图像变换、重采样及图像融合一系列的操作，形成一幅包含所有图像序列的全景图。在图像处理领域，配准与拼接是两个关联紧密的技术概念。图像拼接的核心步骤之一，就是实现两幅图像间的配准，图像拼接是配准的一个重要应用领域。图像拼接技术的应用范围十分的广泛。在遥感图像处理领域，利用图像拼接技术，把多个局部区域的遥感图像，拼合成一幅包含完整场景的图像；在虚拟现实中构建虚拟场景时，可用图像拼接技术来构建各类全景图像；日常生活中，我们可将几幅由数码相机所拍摄的照片拼接成一幅大的照片；此外，图像拼接技术在视频压缩和视频检索、医学图像分析以及军事等领域都有重要的应用价值。3.2基于SIFT的图像拼接用于拼接的两幅原始图像基于SIFT的图像匹配图像拼接结果
谢谢大家！恳请大家批评指正！
ThankYou!