盧韶芳 費斌 陳運聰 王海風(fēng)

(吉林大學(xué)通信工程學(xué)院，吉林 130025)

計算機視覺通過對圖像的數(shù)字感知和理解來模擬人類視覺，通過對三維世界所感知的二維圖像來研究和提取出三維景物的物理結(jié)構(gòu).圖像配準(zhǔn)技術(shù)在計算機視覺中有廣泛的應(yīng)用，如為運動分析，三維形狀估計，圖像拼接和目標(biāo)識別等.而在醫(yī)學(xué)圖像分析方面，圖像配準(zhǔn)能用來進行圖像引導(dǎo)手術(shù)，醫(yī)療診斷等.將計算機視覺，醫(yī)學(xué)圖像以及圖像處理、精密機械和外科手術(shù)等相結(jié)合，形成了一個新的研究方向——計算機輔助外科.外科手術(shù)導(dǎo)航系統(tǒng)具有提高手術(shù)精度、減少手術(shù)創(chuàng)傷、縮短愈合時間和降低手術(shù)風(fēng)險等優(yōu)點.在外科手術(shù)視覺導(dǎo)航系統(tǒng)中，圖像配準(zhǔn)是該系統(tǒng)的主要組成部分，圖像配準(zhǔn)的精度將直接影響到導(dǎo)航系統(tǒng)的精確.

目前常用的配準(zhǔn)方法有基于灰度和基于特征2種.基于灰度的圖像配準(zhǔn)主要是利用像素的灰度值來尋找圖像對中的像素點的對應(yīng)關(guān)系，計算量大.基于特征的圖像特征，主要是對圖像的角點、邊緣等進行配準(zhǔn)，不直接依賴于灰度，具有較強的抗干擾性，計算量小，速度快.但是直接進行特征提取的往往都存在誤匹配特征，所以本文提出外加標(biāo)記點的配準(zhǔn)方法，該方法不受被測物體形狀限制，且輔助標(biāo)記點具有易于制作、成本低、操作方便等優(yōu)點［1-2］.

1 配準(zhǔn)方法設(shè)計

1.1 標(biāo)記點設(shè)計

在本文中標(biāo)記點設(shè)計［3］成藍色的圓，這樣既容易提取區(qū)域，又能方便提取質(zhì)心.考慮到物體的大小，該標(biāo)記點大小設(shè)計為直徑6 mm.針對物體特征，設(shè)計8個標(biāo)記點，標(biāo)記點的位置如圖1所示.

圖1 標(biāo)記點設(shè)計

根據(jù)面部特征和后期圖像配準(zhǔn)需要，由于標(biāo)記點過少會影響后期配準(zhǔn)的效果，太多則會影響處理的速度，所以本文設(shè)計8個標(biāo)記點.標(biāo)記點1，2和3設(shè)計在額頭上，此處相對平坦，且所占區(qū)域較大，所以在此處設(shè)計3個標(biāo)記點，眼睛處不易設(shè)計標(biāo)記點，此處特征較多，不易提取標(biāo)記點，鼻子高聳，也不設(shè)計標(biāo)記點，盡量選擇標(biāo)記點在一個平面之上，這樣才能保證后期的誤差在允許范圍內(nèi)，設(shè)計時兩兩點之間的距離需要保證有一定的偏差，任意2點連成的線相互不能平行，盡量要無序，沒有任何規(guī)則.

1.2 鏈碼

鏈碼［4］是用于表示有順次連接的具有指定方向的直線段組成的邊界線.8段鏈碼如圖2中所示.

圖2 8段鏈碼

用鏈碼表示特征點之間的關(guān)系時，當(dāng)目標(biāo)發(fā)生平移和縮放時，點與點的鏈碼不會發(fā)生變化，而當(dāng)目標(biāo)發(fā)生旋轉(zhuǎn)時，鏈碼會發(fā)生變化，但是鏈碼對之間的關(guān)系還是保證不變的，差分鏈碼還是沒有發(fā)生變化，所以，旋轉(zhuǎn)、平移和縮放不對特征點對間的差分鏈碼形成影響，利用這個特性，我們使用鏈碼對圖像進行配準(zhǔn).配準(zhǔn)時，如果形成的差分鏈碼完全相同，那么對應(yīng)點即為配準(zhǔn)點.

2 標(biāo)記點配準(zhǔn)

加標(biāo)記點的圖像配準(zhǔn)，首先拍攝左右兩幅圖像，然后對左右圖像分別進行預(yù)處理，提取標(biāo)記點，接著計算標(biāo)記點的質(zhì)心，對計算出來的標(biāo)記點質(zhì)心利用鏈碼進行配對，最后計算出旋轉(zhuǎn)和平移的參數(shù).配準(zhǔn)流程［5-6］如圖3所示.

圖3 標(biāo)記點配準(zhǔn)流程圖

2.1 預(yù)處理

采集完的圖像一般不能直接是用來進行處理，由于在圖像獲取、傳輸和處理過程中，人為的失誤和設(shè)備的誤差，難免產(chǎn)生一些干擾或噪聲，所以在圖像處理前先進行一下圖像的預(yù)處理.圖像預(yù)處理的目的是消除或盡量減少噪聲的影響，改善圖像的質(zhì)量.主要包括圖像剪切，亮度的增強，圖像濾波等操作.

2.2 質(zhì)心提取

預(yù)處理完后，提取出標(biāo)記點的區(qū)域，然后提取標(biāo)記點的質(zhì)心.質(zhì)心提取公式如下:

式中，Cx，Cy分別為計算出來的質(zhì)心坐標(biāo)；xi，yi分別為標(biāo)記點區(qū)域內(nèi)的第i個像素坐標(biāo)值；n為標(biāo)記點的個數(shù).

2.3 標(biāo)記點配準(zhǔn)

由于使用標(biāo)記點進行配準(zhǔn)的時候，提取的質(zhì)心不存在誤配準(zhǔn)點的情況，所以不需要對提取的質(zhì)心進行刪選，提取的質(zhì)心即可用來配準(zhǔn).由于空間位置關(guān)系的不變形，可以使用特征點間的歐氏距離來區(qū)分各特征點.使用鏈碼進行配準(zhǔn)時，首先必須選取一個點作為起始點，則選取歐式距離最小的其中一個點.配準(zhǔn)步驟如下:

步驟1 利用之前計算得到的標(biāo)記點質(zhì)心坐標(biāo)，計算各標(biāo)記點質(zhì)心間的歐式距離；

步驟2 找出最小的質(zhì)心距離，取其中任一點為起點，另外一點為第2個點，形成鏈碼；

步驟3 尋找離第2個點最近鄰的一個點(排除前一個點)，形成鏈碼，如此一直下去，最后將第8個點和起點形成鏈碼；

步驟4 計算鏈碼的一次差分，形成新的鏈碼，比較左右兩圖的差分鏈碼是否相同，若相同則對應(yīng)點為匹配點，如不同，返回到步驟2，取另外的那個點為起始點，形成鏈碼，再判斷是否相同.

通過上面的步驟即能得到匹配的對應(yīng)點對，然后使用點對坐標(biāo)進行參數(shù)計算.

2.4 參數(shù)計算

由于人體頭?？山茷閯傮w，因此主要通過計算旋轉(zhuǎn)與平移參數(shù)來完成圖像配準(zhǔn).配準(zhǔn)點對之間的映射關(guān)系可以表示為

確定配準(zhǔn)點對之后，利用鏈碼的角度來計算待配準(zhǔn)圖像的旋轉(zhuǎn)角度.首先判斷θi－θi'＞θ，θ為閾值，當(dāng)超過這一閾值就將該角度剔除.然后利用式(4)計算旋轉(zhuǎn)角度.

式中，θi和θ'i分別為配準(zhǔn)點對集合.

接著計算配準(zhǔn)的平移參數(shù).首先，把圖4(a)按計算得到的旋轉(zhuǎn)角度進行角度校正，對校正后的圖像再進行特征點提取，確定配準(zhǔn)點對.對配準(zhǔn)點分別對X軸、Y軸的坐標(biāo)值做差并對差值進行累加求平均值，得到最終的平移量.

式中，xi和xi'為對應(yīng)配準(zhǔn)點對的X軸坐標(biāo)值，yi和yi'為對應(yīng)配準(zhǔn)點對的Y軸坐標(biāo)值.

圖4 加標(biāo)記點頭模圖像

3 實驗結(jié)果分析

實驗用左右2個攝像機分別對加標(biāo)記點的頭模進行拍攝，得到左右2幅圖像如圖4所示.

對圖4進行圖像增強等操作后，提取得到左右圖像的標(biāo)記點，然后再計算出質(zhì)心坐標(biāo)，實驗結(jié)果如圖5所示.

圖5 標(biāo)記點及其質(zhì)心

利用之前計算得到的標(biāo)記點質(zhì)心坐標(biāo)，形成鏈碼，如圖6所示.圖7為圖6鏈碼做差分后形成的鏈碼.最后得到圖7(a)和(b)圖像中的配準(zhǔn)點對如圖8所示.

圖6 標(biāo)記點鏈碼

圖7 標(biāo)記點差分鏈碼

圖8 標(biāo)記點差分鏈碼

配準(zhǔn)點對如表1所示，左右坐標(biāo)為空間像素點所在位置.

表1 配準(zhǔn)點對

圖9為不同角度下拍攝的圖像配準(zhǔn)點對.

圖9 不同角度質(zhì)心配準(zhǔn)

圖10為配準(zhǔn)之后2幅圖像疊加在一起的效果圖.表2為配準(zhǔn)后x和y方向的誤差.

圖10 配準(zhǔn)后結(jié)果圖

表2 標(biāo)記點誤差

4 結(jié)語

本文提出的基于標(biāo)記點的配準(zhǔn)方法可以獲得準(zhǔn)確的特征點信息，經(jīng)多次匹配尚未發(fā)現(xiàn)誤匹配點，這樣減少了誤配準(zhǔn)點剔除工作，簡化了問題.且配準(zhǔn)點少，減少了計算量，提高了配準(zhǔn)的計算速度，實驗結(jié)果表明，該方法操作比較簡單，成本低，容易實現(xiàn)，該方法對平移和旋轉(zhuǎn)配準(zhǔn)精度高，并且有較強的抗噪聲性能并能達到很好的精度.

References)

［1］Zhang Qi，Zhang Zhijiang，Zeng Dan.A fast automatic and robust image registration algorithm［C］//International Conference on Virtual Reality and Visualization.Qinhuangdao，China，2011:307-310.

［2］Cosar Serhan，Cetin Mujdat，Ercil Aytul.A robust facial feature point tracker using graphical models［C］//Proceedings of the 5th International Symposium on image and Signal Processing and Analysis.Istanbul，Turkey，2007:551-555.

［3］韋虎，劉勝蘭，張麗艷，等.雙目立體測量系統(tǒng)中的標(biāo)記點配準(zhǔn)算法研究［J］.中國機械工程，2009，20(14):1736-1740.Wei Hu，Liu Shenglan，Zhang Liyan，et al.Reference point based registration algorithm for binocular stereo vision system［J］.China Mechanical Engineering，2009，20(14):1736-1740.(in Chinese)

［4］Jana R，Ray C.Image registration using object shape's chain code［J］.The 2nd International Congress on Image and Signal Processing.Tianjin，China，2009:1-5.

［5］馬丙辰，諶海新，馬桂珍.基于標(biāo)記點的剛體圖像配準(zhǔn)方法研究［J］.計算機工程與應(yīng)用，2005(6):68-71.Ma Bingchen，Chen Haixin，Ma Guizhen.Rigid-body image registration based on landmarks［J］.Computer Engineering and Applications，2005(6):68-71.(in Chinese)

［6］Hong Gang，Zhang Yun.Combination of featurebased and area-based image registration technique for high resolution remote sensing image［J］.IEEE International Geoscience and Remote Sensing Symposium.Barcelona，Spain，2007:377-380.