超分辨率圖像配準方法研究

摘要：介紹了空間域和頻率域圖像配準原理，在總結已有成果的基礎上，對幾種典型的算法進行了分析和比較，最后給出了超分辨率圖像配準方法的發展方向。

關鍵詞：超分辨率； 圖像配準；亞像素； 空間域； 頻率域

中圖分類號：TP391文獻標志碼：A

文章編號：1001－3695(2007)08－0215－03

自從Tsai和Huang[1]首先證明了從平移圖像序列中得到分辨率增加的單幅圖像的可能性之后，基于圖像序列的空間分辨率增強（常稱為SR）一直都是一個活躍的研究領域。超分辨率是在低分辨率（low resolution， LR）圖像序列彼此之間存在亞像素位移的前提下[2]（圖1），利用低分辨率圖像序列之間的冗余信息，構造出比原有任何一幅低分辨率圖像分辨率高、更好地表現圖像細節信息的圖像處理方法。實現超分辨率算法的前提是對圖像序列之間的運動進行估計，即圖像序列的配準。運動估計準確與否直接影響重建圖像的效果，甚至導致算法最終無法實現，因此配準問題是超分辨率技術的基礎。



1幾種典型的配準方法

圖像配準算法有很多。空間域的方法通常考慮一般的運動模型，可以基于整幅圖像或相應的特征矢量。在空間域的方法中，Keren等人[3]研究了基于泰勒展開的迭代平面運動估計算法，并用高斯金字塔對初始運動參數估計值逐漸精化。Bergen等人[4]在多分辨率數據結構中采用了分等級的框架進行運動估計，合并使用如仿射流或剛體運動等不同的運動模型；Irani等人[5]用基于平面運動的迭代多分辨率方法進行運動估計，并用分割和時間跟蹤不同的對象。大多數頻率域配準算法利用兩幅位移圖像在頻率域相位相關估計移動參數，用頻譜幅值的對數—極變換，將圖像旋轉和縮放估計轉換成水平與垂直位移問題，再用相位相關估計圖像旋轉角度和縮放的尺度。Stone等人[6]和Vandewalle等人[7]應用相位相關技術估計平面移動；為了減小混疊產生的誤差，在實現運動估計算法時僅考慮了無混疊頻譜，即圖像的低頻部分。Lucchese等人[8]研究基于傅里葉變換的幅值特性估計旋轉角度，而水平和垂直位移則采用相位相關法。

1．1空間域方法

空間域的方法通常考慮一般的運動模型。下面是具有兩種不同思想的配準方法。

1.1.1基于泰勒展開的迭代方法

Keren 等提出了基于泰勒展開的圖像配準方法。該方法對噪聲具有一定的魯棒性，但由于取泰勒級數的近似值，適用于估計位移變化不大的配準問題。它屬于空間域方法。該算法的思想如下：

3結束語

圖像配準是超分辨率、圖像融合、精確制導、模式識別等應用研究的重要問題，其一直以來都是信號處理領域的研究熱點。從上面的討論可以看出，空間域的方法在配準時僅考慮圖像部分信息，而頻率域方法則是全部信息。基于特征的空間域方法，在提取特征不明顯或有誤差時，均會造成配準不精確。但在噪聲情況下，空間域方法則沒有頻率域方法對噪聲那么敏感。

圖像配準算法在傳統的基于特征的空間域方法和基于傅里葉變換的頻率域方法的基礎上，又有了新的進展。結合相關領域的知識，研究了新的算法。例如基于樣條小波基的圖像多尺度分析、多尺度特征點提取和多尺度特征點匹配的圖像快速配準方法，利用小波的多分辨分析理論及其在空間域和頻率域同時具有的良好局部化的性質進行圖像配準。另外，也有研究將遺傳算法、神經網絡等先進的優化選擇方法用于配準參數的優化搜索。總之，提高算法的自動化程度、對噪聲的魯棒性和運算速度是圖像配準技術的發展方向。

參考文獻：

［1］TSAI R Y， HUANG T S.Multiframeimage restoration and registration[J]. Advances in Computer Vision and Image Processing， 1984，1（2）:317－339.

[2］PARK S C， PARK M K， KANG M G. Superresolution image reconstruction: a technical overview [J]. IEEE Signal Processing Maga￣zine，2003，20(3):21－36.

[3］KEREN D， PELEG S， BRADA R.Image sequence enhancement using subpixel displacement [C]//Proc of IEEE Conference on Compu￣ter Vision and Pattern Recognition.1988:742－746.

[4］BERGEN J R， ANANDAN P， HANNA K J， et al. Hierarchical mo￣delbased motion estimation[C]//Proc of the 2nd European Confe￣rence on Computer Vision， Lecture Notes in Computer Science.1992:237－252.

[5］IRANI M， ROUSSO B， PELEG S.Computing occluding and transpa￣rent motions [J].International Journal of Computer Vision，1994，12(1):5－16.

[6］STONE H S，TAO Bo， McGUIRRE M. Analysis of image registration noise due to rotationally dependent aliasing [J]. Journal of Visual Communication and Image Representation，2003，14:114135.

[7］VANDEWALLE P， SSSTRUNK S， VETTERLI M.A frequency domain approach to registration of aliased images with application to superresolution[J]. EURASIP Journal on Applied Signal Proces￣sing， 2006:114.

[8］LUCCHESE L， CORTELAZZO G M. A noiserobust frequency domain technique for estimating planar rototranslations[J]. IEEE Trans on Signal Processing，2000， 48(6):17691786.

[9］ALLINEY S.Digital analysis of rotated images [J].IEEE Trans Pattern Anal Machine Intell，1993，15(5):499－504.

[10］BORMAN S， STEVENSON R I.Superresolution from image sequences:a review[C]//Proc of MIDWEST Symp Circuits and Systems.1999:374－378.

[11］GOSHTASBY A.Template matching in rotated images [J].IEEE Trans Patern Anal Machine Intell，1985，7(3):338－344.

[12]ZITOVA B， FLUSSER J. Image registration methods: a survey [J].Image Vis Comput，2003，21(11):9771000.

[13］孫即祥.圖像處理[M]. 北京: 科學出版社， 2005.

[14］倪國強，劉瓊.多源圖像配準技術分析與展望[J].光電工程， 2004，31(9):2－6.

[15］潘兵，謝惠民，續伯欽，等. 數字圖像相關中的亞像素位移定位算法進展[J].力學進展，2005，35（3）:345－352.

注：“本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文”