SUSAN算法與虛擬圓技術(shù)在圖像配準(zhǔn)的中的應(yīng)用.pdf

1、圖像配準(zhǔn)是數(shù)字圖像處理中的一個重要的研究方向，也是計(jì)算機(jī)視覺和模式識別領(lǐng)域中的一項(xiàng)重要的研究課題，圖像配準(zhǔn)已經(jīng)在軍事、航天、模式識別、遙感監(jiān)測、醫(yī)學(xué)圖像處理等方面得到了廣泛的應(yīng)用。簡單的說圖像配準(zhǔn)是指對同一場景使用相同或不同的傳感器(成像條件)，在不同條件下(時間、天氣、光照度、攝影位置和角度等)獲得的兩幅或多幅圖像進(jìn)行廣義的匹配、處理的過程。 總體來說，圖像的配準(zhǔn)方法可以分為兩大類：基于灰度的配準(zhǔn)方法和基于特征的配準(zhǔn)方法?；?/p>

2、特征的配準(zhǔn)因其具有運(yùn)算量小、速度快等特點(diǎn)得到了廣泛的研究與應(yīng)用，而各種邊緣檢測技術(shù)是提取圖像特征的常用方法之一。本文所使用的SUSAN(Smallest Univalue Segment Assimilating Nucleus)算法是上世紀(jì)九十年代中期提出的一種邊緣檢測算法，與傳統(tǒng)的邊緣檢測算法相比，這種算法具有速度快、抗干擾能力強(qiáng)等特點(diǎn)。 在基于邊緣特征的圖像配準(zhǔn)中有兩個重要的環(huán)節(jié)：一是邊緣特征點(diǎn)的提取，二是相似性度量，即特

3、征匹配準(zhǔn)則。邊緣特征點(diǎn)提取的準(zhǔn)確性及定位的精確程度將對相似性度量產(chǎn)生影響。換言之，選擇不同的特征匹配準(zhǔn)則將對邊緣特征點(diǎn)提取有不同的要求。兩者都是基于邊緣特征的圖像配準(zhǔn)的關(guān)鍵。本文主要完成以下工作： 第一、研究了圖像配準(zhǔn)的原理、數(shù)學(xué)模型及各種常用的配準(zhǔn)方法。 第二、針對基于特征的圖像配準(zhǔn)方法，重點(diǎn)研究了傳統(tǒng)的邊緣檢測算法，并通過實(shí)驗(yàn)驗(yàn)證了傳統(tǒng)經(jīng)典邊緣檢測的性能。 第三、研究了SUSAN算法的概念、原理及性能，重點(diǎn)研

4、究了SUSAN邊緣檢測算法，研究了SUSAN邊緣檢測算法的原理、數(shù)學(xué)模型及與傳統(tǒng)邊緣檢測算法相比較的優(yōu)點(diǎn)，同時，通過實(shí)驗(yàn)驗(yàn)證了SUSAN邊緣檢測算法的性能。 第四、研究了虛擬圓技術(shù)在圖像配準(zhǔn)中的應(yīng)用。 第五、利用SUSAN邊緣檢測算法與虛擬圓技術(shù)，提出了一種新的圖像配準(zhǔn)方法，并通過實(shí)驗(yàn)驗(yàn)證了此方法的可行性。傳統(tǒng)的基于特征的圖像配準(zhǔn)方法，一般是通過提取圖像中固有的特征(如直線、圓)作為圖像配準(zhǔn)的基礎(chǔ)，通過比較原始圖像與待配