太阳城集团

  • / 10
  • 下载费用:30 金币  

一种基于匹配曲线特征的图像配准评估法.pdf

摘要
申请专利号:

CN201310645358.5

申请日:

2013.12.05

公开号:

太阳城集团CN103632338A

公开日:

2014.03.12

当前法律状态:

终止

有效性:

无权

法律详情: 未缴年费专利权终止IPC(主分类):G06T 3/00申请日:20131205授权太阳城集团日:20160831终止日期:20161205|||授权|||实质审查的生效IPC(主分类):G06T 3/00申请日:20131205|||公开
IPC分类号: G06T3/00 主分类号: G06T3/00
申请人: 鲁东大学
发明人: 李京娜; 王刚; 李宏光
地址: 264025 山东省烟台市芝罘区世学路184号鲁东大学
优先权:
专利代理机构: 代理人:
PDF完整版下载: PDF下载
法律状态
申请(专利)号:

太阳城集团CN201310645358.5

授权太阳城集团号:

|||||||||

法律状态太阳城集团日:

2018.01.23|||2016.08.31|||2014.04.09|||2014.03.12

法律状态类型:

太阳城集团专利权的终止|||授权|||实质审查的生效|||公开

摘要

太阳城集团对配准结果的定量评估,是图像配准领域的一个重要内容。许多学者提出以像素物理坐标RMSE、MSE或者像素灰度的CC、NMI等来评估配准结果,但这些方法通常用来对单模态或者回顾性多模态图像的配准进行评估,而真实的多模态图像配准由于没有准确的衡量标准,很难给出定量的评估结果。通过对图像匹配曲线的研究,本发明提出一种新的配准评估方法——匹配曲线特征评估法,以匹配曲线的峰度、峰偏、峰值以及峰值间均方根误差(RMSE)为定量评估指标,基于峰偏和峰值间RMSE给出定量评估结果。该发明不仅能够从曲线的光滑度、尖锐度等特性直观描述配准性能,并能由曲线的特征指标定量评估配准效果,对于亚像素级配准,给出的评估结果比较准确。

权利要求书

权利要求书
1.  一种新的图像配准评估方法——匹配曲线特征评估法(Matching Curve feature evaluation,MCfe),其特征在于:提出以匹配曲线的峰度、峰偏、峰值以及各曲线峰值间均方根误差(RMSE)作为定量评估指标,同时给出各个评估指标的具体定义,最后根据峰偏和峰值间RMSE给出定量评估结果,具体步骤为:
第一步:对图像进行配准,得到配准参数;
第二步:以得到的配准参数对原始浮动图像做空间变换,使其与参考图像配准;
第三步:以修正的结构相似度函数MSSIM为测度,给出配准后的浮动图像与原始参考图像的匹配曲线,MSSIM度量值由下式得到:
                         (1)
其中为了保证曲线光滑采用样条插值法,平移以“像素”为单位,旋转角以“度”为单位,平移步长为0.2 像素,旋转步长为0.2 °,缩放步长为0.005;
第四步:计算匹配曲线的峰度、峰偏、峰值以及峰值间RMSE,具体定义和计算公式如下:
1)峰度(kurtosis)
    峰度是用来衡量分布的集中程度或分布曲线的尖峭程度的统计量,它是和正态分布相比较的,直观看来,峰度能够反映上凸函数曲线峰值附近的尖锐度以及尾部的厚度,其定义为:
                       (2)
为样本测定值,为样本n次测定值的平均值,本文引用统计学峰度的概念,但不同之处在于样品测定值为MSSIM测度值,这种定义同样可以衡量匹配曲线在全局最大值附近的集中程度或尖锐程度;
2)峰偏(peak deviation)
不同于统计学的偏度(Skewness),峰偏指全局最大值(即峰值)出现的位置与最优位置的偏差,平移、旋转曲线的最优位置为0位置,缩放曲线的最优位置为1位置,图像完全对齐时,全局最大值将处于最优位置,反之,偏离最优位置,偏离度由峰偏表示,峰偏理想值为0:
          (3)
为匹配曲线的测度值;
3)峰值(maximum)
峰值指匹配曲线的全局最大值,即,图像完全对齐时,各曲线的峰值大小是一致的;
4)峰值间均方根误差(Root Mean Square Error,RMSE)
峰值间RMSE反映了各曲线峰值的一致程度,因而也反映图像之间的对齐度,即配准精度,图像完全对齐时,峰值间RMSE理想值为0:
                     (4)
                 (5)
N为配准变换的自由度,说明一点,这里的maxinum_RMSE实际上相当于标准误差;
第五步:给出定量评估结果,依次为:
1)计算匹配曲线平均加权峰偏
              (6)
m和n分别为图像的行数和列数,为方向平移曲线的峰偏,为方向平移曲线的峰偏,为绕轴旋转曲线的峰偏,为一致缩放曲线的峰偏;
2)给出定量评估结果
由匹配曲线平均加权峰偏和全局最大值的相对误差得到评估指标:
                             (7)
由匹配曲线峰偏参数进行空间变换,设图像大小为(行列),表示空间变换矩阵,则
                              (8)
其中
,,,

则配准误差定量评估值为
                    (9)
其中为整个图像的像素个数(即),和为映射模型的基准坐标, 和为空间变换后的物理坐标; 当评估指标evaluation_index < 1时,匹配曲线定量评估值evaluation_RMSE能够比较准确反映图像真实的配准误差,此时配准误差通常小于2像素;当evaluation_index < 1并且evaluation_RMSE < 1时,图像配准精度一般达到了亚像素级。

2.  如权利要求1 所述的匹配曲线特征评估方法,其特征在于:其中第三步配准测度可以是MSSIM,还可以推广为其它凸或者凹配准测度,比如相似性测度有相关系数(CC)、归一化互相关(NCC)、结构相似度(SSIM)、互太阳城集团(MI)以及归一化互太阳城集团(NMI)等等,相异性测度(既距离测度)有灰度的距离测度SSD、SAD、RC,迭代最近点算法(iterative closest point,ICP)里的欧氏距离(Euclidean distance),倒角距离(chamfer distance),Hausdorff 距离以及太阳城集团论中的汉明距离(Hamming distance)等。

3.  如权利要求1 所述的匹配曲线特征评估方法,其特征在于:配准变换可以是方向平移、方向平移、绕轴旋转、一致尺度缩放等4个自由度的仿射变换(N=4),还可以推广为任意多自由度的仿射变换、投影变换以及非线性变换等。

说明书

说明书一种基于匹配曲线特征的图像配准评估法
技术领域
    本发明属于图像处理技术领域,具体涉及一种基于匹配曲线特征的图像配准评估方法。
背景技术
    图像配准是图像分析领域里一个重要环节。图像配准计算一般包含5个方面内容:图像预处理、配准测度、优化算法(或者匹配算法)、图像插值以及配准结果评估。已有的研究表明,配准测度通常都可以用来定量评估配准效果。对单模态图像一般采用灰度的均方根误差(RMSE)、均方误差(MSE)、峰值信噪比(PSNR)、相关系数(CC)、结构相似度(SSIM)等;而多模态图像一般采用互太阳城集团(MI或者NMI)评估配准精度,如果是回顾性图像配准实验则采用基于图像像素物理坐标的RMSE,既适用于单模态,也适用于多模态图像的配准精度评估。
    上述评估方法都有其局限性,只有互太阳城集团、物理坐标的RMSE或者MSE适用于回顾性多模态图像配准评估;对于真实的多模态图像配准,由于没有准确的衡量标准,很难给出定量的评估结果。    
发明内容
针对上述问题,本发明提出一种新的配准评估方法——匹配曲线特征评估法(Matching Curve feature evaluation,MCfe),以匹配曲线的峰度(kurtosis)、峰偏(peak deviation,即全局最大值出现的位置与最优位置的偏差)、峰值(maximum,即全局最大值)以及峰值间的均方根误差(RMSE)等特征为定量指标,并给出综合评估结果。由于本发明采用修正的结构相似度函数(Modified Structural Similarity ,MSSIM)为配准测度,使MCfe算法既适用于单模态图像,也适用于多模态图像配准评估。具体步骤为:
第一步:对图像进行配准,得到配准参数;
第二步:以得到的配准参数对原始浮动图像做空间变换,使其与参考图像配准;
第三步:以修正的结构相似度函数MSSIM为测度,给出配准后的浮动图像与原始参考图像的匹配曲线,MSSIM度量值由下式得到:
                         (1)
其中为了保证曲线光滑采用样条插值法,平移以“像素”为单位,旋转角以“度”为单位,平移步长为0.2 像素,旋转步长为0.2 °,缩放步长为0.005;
第四步:计算匹配曲线的峰度、峰偏、峰值以及峰值间RMSE,具体定义和计算公式如下:
1)峰度(kurtosis)
    峰度是用来衡量分布的集中程度或分布曲线的尖峭程度的统计量,它是和正态分布相比较的,直观看来,峰度能够反映上凸函数曲线峰值附近的尖锐度以及尾部的厚度,其定义为:
                       (2)
为样本测定值,为样本n次测定值的平均值,本文引用统计学峰度的概念,但不同之处在于样品测定值为MSSIM测度值,这种定义同样可以衡量匹配曲线在全局最大值附近的集中程度或尖锐程度;
2)峰偏(peak deviation)
不同于统计学的偏度(Skewness),峰偏指全局最大值(即峰值)出现的位置与最优位置的偏差,平移、旋转曲线的最优位置为0位置,缩放曲线的最优位置为1位置,图像完全对齐时,全局最大值将处于最优位置,反之,偏离最优位置,偏离度由峰偏表示,峰偏理想值为0:
          (3)
为匹配曲线的测度值;
3)峰值(maximum)
峰值指匹配曲线的全局最大值,即,图像完全对齐时,各曲线的峰值大小是一致的;
4)峰值间均方根误差(Root Mean Square Error,RMSE)
峰值间RMSE反映了各曲线峰值的一致程度,因而也反映图像之间的对齐度,即配准精度,图像完全对齐时,峰值间RMSE理想值为0:
                     (4)
                 (5)
N为配准变换的自由度,说明一点,这里的maxinum_RMSE实际上相当于标准误差;
第五步:给出定量评估结果,依次为:
1)计算匹配曲线平均加权峰偏
              (6)
m和n分别为图像的行数和列数,为方向平移曲线的峰偏,为方向平移曲线的峰偏,为绕轴旋转曲线的峰偏,为一致缩放曲线的峰偏;
2)给出定量评估结果
由匹配曲线平均加权峰偏和全局最大值的相对误差得到评估指标:
                             (7)
由匹配曲线峰偏参数进行空间变换,设图像大小为(行列),表示空间变换矩阵,则
                              (8)
其中
,,,

则配准误差定量评估值为
                    (9)
其中为整个图像的像素个数(即),和为映射模型的基准坐标, 和为空间变换后的物理坐标。
    当评估指标evaluation_index < 1时,匹配曲线定量评估值evaluation_RMSE能够比较准确反映图像真实的配准误差,此时配准误差通常小于2像素;当evaluation_index < 1并且evaluation_RMSE < 1时,图像配准精度一般达到了亚像素级。
MCfe评估算法采用的配准测度可以是MSSIM,还可以推广为其它凸或者凹配准测度,比如相似性测度有相关系数(CC)、归一化互相关(NCC)、结构相似度(SSIM)、互太阳城集团(MI)以及归一化互太阳城集团(NMI)等等,相异性测度(既距离测度)有灰度的距离测度SSD、SAD、RC,迭代最近点算法(ICP)里的欧氏距离,倒角距离,Hausdorff 距离以及太阳城集团论中的汉明距离等。
MCfe评估算法适用的配准变换可以是方向平移、方向平移、绕轴旋转、一致尺度缩放等4个自由度的仿射变换(N=4),还可以推广为任意多自由度的仿射变换、投影变换以及非线性变换等。
有益效果
本发明提出的MCfe评估算法不仅能够从曲线的光滑度、尖锐度等形态特性直观描述配准性能,并能由曲线的峰度、峰偏、峰值、峰值间RMSE给出定量评估结果,是一种通用的配准评估算法,既适用于单模态图像,也适用于多模态图像配准评估。
尤其是真实的多模态图像配准,由于没有准确的衡量标准,传统的配准方法很难给出准确的评估结果;而MCfe评估算法能够比较准确地评判是否达到亚像素级配准,同时当配准精度达到亚像素级时,能够给出比较准确的定量评估结果。 
附图说明
图1为下载的多源遥感图像,其中图1(g)和(h)大小为150*150像素,其余图像大小均为128*128像素。
图2为4组图像的配准结果图,以(0.5*原始参考图像+0.5*配准后浮动图像)融合图像表示。
图3中表1为单模态图像仿真实验的评估结果表。
图4中表2为真实的多模态图像评估结果表。
具体实施方式
下面结合附图和实施例进一步说明本发明的方法步骤:
第一步:读入图像,作为原始参考图像(附图1),然后沿方向向左水平移动30个像素,方向向下垂直移动20 个像素,旋转(-15)度(设顺时针旋转为正方向),整体放大1.25倍,空间变换后的图像作为浮动图像;
第二步:采用Fourier-Mellin变换算法进行快速的粗配准,得到粗配准参数,然后以MSSIM为测度,采用Brent一维搜索算法及改进的Powell多维方向优化算法进行精确配准,获得精配准参数;
第三步:以粗配准参数对原始浮动图像做空间变换,然后给出配准后的浮动图像与原始参考图像的匹配曲线,其中采用样条插值法,平移步长为0.2 像素,旋转步长为0.2 °,缩放步长为0.005;
第四步:基于MCfe算法计算峰度、峰偏、峰值、峰值间RMSE,给出粗配准定量评估结果如图3中表1所示;
第五步:以精配准参数对原始浮动图像做空间变换,重复上述第三步、第四步,给出精配准定量评估结果如图3中表1所示;
第六步:为了验证MCfe评估方法的有效性,任意设定几组配准参数,重复上述第三步、第四步,给出定量评估结果如图3中表1所示;
第七步:读入多模态两幅图像如图1所示,分别作为参考图像和浮动图像,重复上述第二步到第五步,给出真实的多模态图像配准效果如图2所示和定量评估结果如图4中表2所示。

关 键 词:
一种 基于 匹配 曲线 特征 图像 评估
  专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
太阳城集团本文
本文标题:一种基于匹配曲线特征的图像配准评估法.pdf
链接地址:http://zh228.com/p-6220667.html
太阳城集团我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服客服 - 联系我们

copyright@ 2017-2018 zhuanlichaxun.net网站版权所有
经营许可证编号:粤ICP备17046363号-1 
 


收起
展开
葡京赌场|welcome document.write ('');