改进的区域互信息和小波变换的图像配准

计算机工程与应用 ›› 2013, Vol. 49 ›› Issue (21): 152-155.

改进的区域互信息和小波变换的图像配准

赵钰1，朱俊平1，亢娟娜1，2

1.西北农林科技大学信息工程学院，西安 712100
2.甘肃畜牧工程职业技术学院，甘肃武威 733006

出版日期:2013-11-01 发布日期:2013-10-30

Image registration based on improved region mutual information and wavelet transform

ZHAO Yu1, ZHU Junping1, KANG Juanna1，2

1.College of Information Engineering, Northwest A&F University, Xi’an 712100, China
2.Gansu Polytechnic College of Animal Husbandry & Engineering, Wuwei, Gansu 733006, China

Online:2013-11-01 Published:2013-10-30

摘要/Abstract

摘要： 为提高图像配准的速度和精度，对基于区域互信息配准算法进行了改进，运用了两层小波分解策略的配准方法，小波分解得到的最顶层图像采用粒子群优化全局寻优算法，利用搜索的结果作为下一层Powell寻优方法的起点，另外，对待配准图像应用形态学方法去除噪音。针对不同分解层的特点，采用不同的测度方法，得到的顶层图像采用改进后的区域互信息为相似性测度，而底层采用归一化互信息测度和相位一致性的相结合的方法，不仅提高了速度，还克服了图像间明暗对比的影响。实验结果表明，提出的配准算法对图像噪声有较高的鲁棒性，可达到亚像素精度，在配准速度上也有了很大的提高。

关键词: 图像配准, 小波变换, 区域互信息, 相位一致性

Abstract: To improve speed and precision of image registration method, region mutual information is improved and two layer decomposition strategy of wavelet decomposition is researched in this paper. The top floor which has less data adopts particle swarm optimization optimal registration method, and uses the search result as the starting point of Powell optimization method in the next layer. Otherwise, mathematical morphology is yielded to remove noise. Aiming to different similarity measure for different characteristics of decomposition, the top floor adopts the improved regional mutual information. The normalized mutual information is employed in the bottom floor while developing the phase congruency to extract characteristics. It not only improves speed, but also overcomes the effect of contrast between light and shade in pictures. Experimental results demonstrate that this new algorithm can offer a more robust and a sub-pixel precision, and the registration time is reduced.

Key words: image registration, wavelet transformation, Regional Mutual Information（RMI）, Phase Congruency（PC）

赵钰1，朱俊平1，亢娟娜1，2. 改进的区域互信息和小波变换的图像配准[J]. 计算机工程与应用, 2013, 49(21): 152-155.

ZHAO Yu1, ZHU Junping1, KANG Juanna1，2. Image registration based on improved region mutual information and wavelet transform[J]. Computer Engineering and Applications, 2013, 49(21): 152-155.

[1]	夏丹，周睿. 视差图像配准技术研究综述[J]. 计算机工程与应用, 2021, 57(2): 18-27.
[2]	杜秀丽，马振倩，邱少明，吕亚娜. 基于卷积注意力机制的运动想象脑电信号识别[J]. 计算机工程与应用, 2021, 57(18): 181-185.
[3]	郭艳芬，崔喆，杨智鹏，彭静，胡金蓉. 基于深度学习的医学图像配准技术研究进展[J]. 计算机工程与应用, 2021, 57(15): 1-8.
[4]	范文兵，孙志远. 基于小波域广义高斯分布的SAR图像分割算法[J]. 计算机工程与应用, 2020, 56(5): 222-226.
[5]	曹军，陈鹤，张佳薇. 基于超分辨率的多聚焦图像融合算法研究[J]. 计算机工程与应用, 2020, 56(3): 180-186.
[6]	刘天，曾亮. 纹理抑制的光照不均图像配准算法研究[J]. 计算机工程与应用, 2020, 56(23): 180-188.
[7]	闵超波. 基于自适应混合多项式变换的图像配准[J]. 计算机工程与应用, 2020, 56(23): 194-201.
[8]	宫睿，王小春. 基于可协调经验小波变换的多聚焦图像融合[J]. 计算机工程与应用, 2020, 56(2): 201-210.
[9]	曾安，王烈基，潘丹，黄殷. 基于FCN和互信息的医学图像配准技术研究[J]. 计算机工程与应用, 2020, 56(18): 202-208.
[10]	顾婷婷，刘新会，桑庆兵，李朝锋. 基于双树复小波的无参考立体图像质量评价[J]. 计算机工程与应用, 2019, 55(2): 154-161.
[11]	杨霞，朱晓冬，刘元宁，冯家凯，刘帅. 分块小波特征结合BP神经网络的虹膜识别方法[J]. 计算机工程与应用, 2019, 55(18): 132-139.
[12]	程德强，白春梦，郭昕，李腾腾，庄焕东，徐辉. 基于分层区域的自适应图像配准算法[J]. 计算机工程与应用, 2019, 55(17): 199-206.
[13]	肖文卿1,3，汪鸿浩2，詹长安1. 基于小波系数特征融合的小鼠癫痫脑电分类[J]. 计算机工程与应用, 2019, 55(14): 155-161.
[14]	谢国波，吴震禹. 基于小波变换和重力模型的混沌图像加密算法[J]. 计算机工程与应用, 2019, 55(13): 100-105.
[15]	颜宏文，卢格宇. CEEMD-WT和CNN在短期风速预测中的应用研究[J]. 计算机工程与应用, 2018, 54(9): 224-230.