[发明专利]多波束与侧扫声纳图像的多尺度迭代自适应配准方法

权利要求书

1.多波束与侧扫声纳图像的多尺度迭代自适应配准方法，其特征在于，具体包括以下步骤：

第一步，对侧扫声纳图像进行小波变换

利用小波变换对侧扫声纳图像进行多尺度分解，所述的小波变换采用PWT算法，每一次小波变换，将图像分解成4个相同尺寸的小波分解图像，分别表示：低频信息LL、水平方向高频信息HL、竖直方向高频信息LH、对角方向的高频信息HH；然后将侧扫声纳图像小波分解后得到的低频信息LL进行重构，得到与原始的侧扫声纳图像尺寸相同的大尺度图像，即侧扫声纳低频图像；

第二步，利用仿射变换对侧扫声纳低频图像和多波束声纳图像进行粗配准

首先提取多波束声纳图像与侧扫声纳图像的匹配特征点对后，利用仿射变换得到粗配准的旋转变换矩阵；将旋转变换矩阵作用在第一步得到的侧扫声纳低频图像上，得到粗配准侧扫声纳低频图像；

第三步，对粗配准侧扫声纳低频图像进行精配准

Demons算法根据图像间对应像素点的灰度梯度计算出位移向量v，通过每一次移动位移向量v，使待配准图像逐像素地配准到参考图像；该算法的前提设定是图像灰度在变换过程中保持不变即：

I(x(t),y(t),t)＝c (1)

式中，I表示图像灰度，t表示图像变换经历的时间，x(t)、y(t)表示t时间内图像横纵方向上的变化，c表示一个常量；对上式求微分得：

设两图变换经历的时间t为单位时间，则有：

式中，s表示参考图像灰度信息，m表示待配准图像灰度信息，将其代入式(2)可得：

v·▽s＝m-s (4)

式中，▽s表示参考图像灰度的梯度向量；进一步变换可得到经典Demons算法的基本方程：

当参考图像某区域梯度范数很小时，即||▽s||→0时，式(5)出现问题，所以在分母中加入了一项图像灰度差：

(6)式得到的位移量v，能够准确描述图像间灰度的变化情况；利用Active Demons算法，将原始算法中移动图像的单侧力驱动改成合力驱动，即：

式中，参数α称为均化系数，用于调节图像单次位移的幅度；▽m表示待配准图像灰度的梯度向量；

在进行图像配准时，先采用小的α值迭代，然后再使用大的α值继续精化迭代，这样设置的配准算法收敛速度快而且配准精度高；在Demons算法中，需要在每一次迭代中利用高斯滤波器对位移场进行平滑处理，从而得到配准所需的最佳图像变换模型；

第四步，对原始侧扫图像进行配准

利用第二步得到的仿射变换矩阵以及第三步得到的Demons精配准模型，依次对原始侧扫声纳图像进行配准，最终得到既有准确位置信息又有丰富纹理信息的高质量声纳图像。