[发明专利]基于改进的结构相似度的图像配准方法

说明书

技术领域

本发明涉及一种图像配准方法，特别涉及一种基于改进的结构相似度的图像配准方法。

背景技术

作为图像分析之前的必要步骤，图像配准（Images Registration）是图像处理领域的一项重要技术，图像配准的任务是对取自不同时间、不同传感器或者不同视角的同一场景的两幅或多幅图像进行空间几何变换，使图像内容在拓扑上相对应、在几何上相对齐。

    配准框架由四部分组成：几何变换(Transform)、图像插值(Image Interpolator)、相似性测度(Similarity Metric)、函数优化(Cost Function Optimizer)，其中最关键的是确定相似性测度(Similarity Metric)，它直接影响配准效果的好坏。根据图像配准中利用的图像信息将相似性测度分为三类，包括基于灰度信息的图像配准、基于变换域的图像配准以及基于几何特征的图像配准。

基于像素灰度的配准方法，一般不需要对图像进行复杂的预先处理，而是利用图像本身具有的灰度的一些统计信息来度量图像的相似程度，常用的测度函数有均方和误差、相关系数和（归一化）互信息等，互信息是1995年Viola等人和Collignon等人提出的，作为配准测度函数，近年来成为研究的热点之一，算法通过不断改进也能够达到亚像素级配准，但局部极值会导致配准不稳定，尤其是多模态图像配准。

由Zhou Wang和Alan C. Bovik等人基于人类视觉系统特点提出的结构相似度（Zhou Wang， A C Bovik ， H R Sheikh， E P Simoncelli. Image quality assessment from error visibility to structural similarity[J]. IEEE Transactions on Image processing，2004，13(4)：600-612.），以往都用来评估图像质量，比如图像去噪后的质量评估等。

结构相似度模型是基于图像局部亮度、对比度、结构信息三个部分相关性比较，定义为：

                          

                                         

                                         

                                          

其中X，Y代表原始（或参考）图像块与待评估的（或浮动）图像块，，，分别表示X与Y的亮度相关函数、对比度相关函数和结构相关函数，这三项是相互独立的；、、>0，这3个参量用来调整亮度、对比度和结构信息的权重，为简化表达，取； 、、、、分别表示X、Y的局部亮度均值、标准差与协方差；、、为小的正常数，以防止分母为零而出现不稳定，其中、、，、<<1，L是像素的动态范围(若是8位灰度图像则L=255)。

SSIM可以简化为：

                               

结构相似度在进行计算时采用滑动窗口方法，首先按照前式计算各个窗口内的结构相似度，然后对所有图像块进行累加平均得到平均结构相似度MSSIM：                                                

通常仍简写为SSIM。其中M代表图像块的数量。

如果直接采用由Zhou Wang和Alan C. Bovik等人提出的结构相似度SSIM做图像配准的目标函数（Cost Function Optimizer），只能配准单模态图像，而无法解决多模态图像配准问题，这是因为对于多模态图像，由于图像内容差异较大，即使完全对齐，SSIM一般也不等于1，在时SSIM反而下降。这一点通过配准曲线得到了证实。

另一方面，图像配准实质上就是通过优化算法，寻求某个测度函数极值对应的几何变换参数。测度函数的选取至关重要，有基于最小距离准则（the minimum distance rule）、最大相似度（maximum similarity measure）准则等，互信息和结构相似度均属于最大相似性测度函数。

发明内容