圖像配準算法及其在航空發動機溫度場檢測中的應用研究

于坤林

(長沙航空職業技術學院，湖南 長沙 410124)

圖像融合［1］是指對多個圖像傳感器獲得的互補或冗余信息進行集合的過程。圖像融合具有工作范圍大、性價比高、可靠性高等優點［2］，因此圖像融合技術得到了廣泛應用。目前，國內對航空發動機溫度場檢測的方法主要有三種:熱電偶直接測量法和示溫漆彩色圖像人工識別法以及示溫漆彩色圖像處理識別法［3］。這三種方法都具有可靠性低、測量范圍小及測量精度低等缺點，而圖像融合具有上述優點，因此本文首次提出將圖像融合技術應用于航空發動機熱端部件的溫度場檢測中。而圖像配準技術則是圖像融合的關鍵技術，圖像配準是指同一目標的兩幅圖像或多幅圖像在空間位置上的對準過程，圖像配準的最終目標就是要找到把一幅圖像中的點映射到另一幅圖像中對應的點的最佳變換。圖像配準的方法主要有三種:基于灰度信息的方法、基于變換域的方法和基于圖像特征的方法。

1 基于灰度信息的圖像配準方法

基于灰度信息的圖像配準方法是利用圖像本身具有灰度的一些統計信息來度量圖像的相似程度。常見的基于灰度的配準方法可分為相關法、系列相關法、互信息法三類。

互信息法［4］是一種較新的解決圖像配準問題的方法，互信息圖像配準的關鍵思想是:如果兩幅圖像達到匹配，他們的互信息達到最大值。互信息I定義為

這里H(a)，H(b)分別是個體熵，H(a，b)是聯合熵，基于互信息法的圖像配準實驗如圖1所示。比較圖1(a)和圖1(c)可知，圖像的配準精度比較高，但計算量大，運行時間長，該算法在 Pentium(R)dual core CPU 2.7GHZ，內存2G的PC機上采用MATLAB R2011a軟件平臺運行時間為1分26秒。

圖1 基于互信息法的圖像配準結果圖

該方法優點是算法簡單，精度和穩定度高，缺點是計算量大且對噪聲敏感。

2 基于變換域的圖像配準方法

基于變換域的圖像配準方法主要是傅立葉變換方法［4］，該方法的優點:一是能處理圖像的平移、旋轉和尺度等變換;二是可以抑制噪聲，有很好的魯棒性。根據傅立葉變換的平移特性，設f1(x，y)和f2(x，y)是兩幅圖像，(x0，y0)是兩幅圖像之間的平移量，則有

設 f1，f2對應的傅立葉變換分別是 F1，F2，則有

定義兩幅圖像的互功率譜為

式中F*(u，v)是F(u，v)的共扼復函數。

如果兩幅圖像 f1(x，y)和 f2(x，y)之間有平移、旋轉和尺度變換，設平移量為(x0，y0)，旋轉角度為θ，尺度變換為r，則有

其傅立葉變換為

為了方便計算，兩幅圖像的互功率譜可用極坐標形式表示為

通過相位相關技術可以求得r和θ，然后根據r和θ對原圖像進行縮放和旋轉，再相位相關技術可以求得平移量。基于傅立葉變換的圖像配準實驗如圖2所示。

圖2 基于傅立葉變換的圖像配準結果圖

該方法缺點是對灰度變換敏感，計算復雜度高。

3 基于特征的圖像配準方法

基于特征的圖像配準方法基本步驟［5］是:(1)特征提取，根據圖像性質提取適用于圖像配準的幾何或灰度特征。(2)特征匹配，將兩幅待配準圖像中提取的特征對應起來，刪掉沒有對應的特征。(3)圖像轉換，根據特征匹配對的性質確定坐標變換參數，根據坐標變換參數把圖像配準到同一坐標系中。該方法的優點是計算量小，速度快，且對圖像的灰度變化具有魯棒性。所以這種方法目前比較常用。

點特征是基于特征的圖像配準方法所用到的主要特征，因為角點既是圖像上的特殊位置又是點的特征，因此角點成為基于特征的圖像配準方法最常用的特征。基于角點特征的圖像配準方法主要有Harris、SUSAN、SIFT這3種算法。

Harris算法分為4步:(1)角點提取。(2)角點匹配。(3)變換參數估計。(4)重采樣。基于Har-ris角點特征的圖像配準算法如圖3所示。

圖3 基于Harris角點特征的圖像配準算法框圖

基于Harris角點特征的圖像角點提取實驗如圖4所示。從圖4(b)可以看出該算法能夠提到大量的角點，但是存在角點錯檢和漏檢的問題，這會造成錯配，從而降低了配準精度。

圖4 Harris算法的角點提取結果圖

Harris算子［5］是利用圖像的梯度信息來提取特征點，Harris算子具有計算機量大，定位精度低，對旋轉和噪聲敏感等缺點，所以實際單獨使用不多。

SUSAN算子是通過計算與模板核像素值相似的特性來尋找特征點，通過SUSAN模板在圖像上滑動，比較模板內每個像素與模板核的灰度值

基于SUSAN算法角點特征的圖像角點提取實驗如圖5所示。從圖5(b)可以看出該算法檢測到的角點比較精確，配準精度比較高。

圖5 SUSAN算法的角點提取結果圖

SUSAN算子優點是具有很強的抗噪性，且定位精度高，缺點是算法復雜度比較大。

SIFT算子首先用DOG算子提取特征點，然后用128維信息掃描每一個特征點。SIFT算法分為4步:(1)構建尺度空間。通過高斯核對原始圖像進行尺度變換，得到多尺度空間表示系列，然后對這些系列在尺度空間內提取特征。(2)對特征點的位置進行定位。通過對局部極值點進行二次函數擬合來定位特征點的位置和尺度。(3)確定特征點的主方向。(4)生成SIFT特征向量。

基于SIFT算子的圖像配準［6］實驗如圖6所示。從圖6(c)可以看出，采用SIFT圖像匹配方法得到28對匹配點對，正確匹配點對較多，配準結果比較滿意。

圖6 基于SIFT算法的圖像配準結果圖

SIFT算子優點是穩定性好，抗噪性高，缺點是算法復雜度比較大，效率低。

4 應用

好的圖像配準算法要求:圖像匹配點豐富、準確配準率高、無重復且適時性好。而SIFT算子具有以下優點:1.對亮度、尺度縮放、旋轉具有不變特性，對光照的變化和圖像變形具有較強的適應性;2.對視角變換、噪聲和仿射變換具有很好的魯棒性;3.特征信息豐富、獨特性好，能夠實現快速準確的匹配，算法穩定;4.具有多量的特性，即使少數的幾個物體也可以產生大量的特征向量;5.具有高速的特性，該算法可以達到實時的要求;6.具有可擴展的特性，能夠與其他特征向量進行聯合。因此該算法檢測效果是最好的。

由于航空發動機工作時振動強、噪聲大，工作環境比較惡劣，而SIFT圖像配準方法則具有穩定性好，抗噪性高，配準精度較高等優點，因此在進行航空發動機溫度場彩色圖像融合前選用基于SIFT算子的圖像配準方法對圖像進行配準。基于SIFT算法的航空發動機溫度場示溫漆彩色圖像配準實驗如圖7所示。

圖7 基于SIFT算法的航空發動機溫度場示溫漆彩色圖像配準結果圖

由圖7(c)可以看出，圖像的正確匹配點對是非常多的，配準精度較高。

5 結論

基于SIFT算法的圖像配準方法具有穩定性好，抗噪性高等優點，適合于工作環境惡劣的航空發動機溫度場示溫漆彩色圖像配準，實驗結果表明:該算法用于航空發動機溫度場檢測中，取得較好地圖像配準效果。

［1］那彥，焦李成.基于多分辨分析理論的圖像融合方法［M］.西安:西安電子科技大學出版社，2007.

［2］敬忠良，肖剛，李振華.圖像融合——理論與應用［M］.北京:高等教育出版社，2007.

［3］馬春武.示溫漆溫度自動判讀和數字圖像處理系統［J］.航空發動機，2007，(2).

［4］陳顯毅，周開利.醫學圖像配準常用方法與分類［J］.信息技術，2008，(7).

［5］蘇清賀，程紅，孫文邦.遙感圖像配準方法研究——綜述［J］.紅外，2010，(10).

［6］劉小軍，楊杰，孫堅偉，等.基于SIFT的圖像配準方法［J］.紅外與激光工程，2008，(1).