基于相位信息的图像匹配技术及应用研究

摘要

图像匹配技术是图像处理、机器视觉领域中的基础技术之一。图像匹配的目的是估计两幅或多幅待匹配图像之间的变换参数使得这些图像在空间上达到最佳对准。随着民用、军用智能系统以及宇宙探索等领域巨大的需求推动,图像匹配技术正在经历着日新月异的发展。然而如何得到鲁棒、高精度、高效、适用于复杂场景的匹配结果仍然是困扰着研究人员的难题。
　　 本文针对图像匹配中迫切需要解决的若干关键问题展开工作,围绕基于图像信号的相位匹配技术进行了研究,分别面向结构化场景、高精度要求环境以及复杂场景的图像匹配问题,对基于相位信息的图像匹配及其在基于单目视觉的机器人运动估计中的应用进行了深入研究,并取得了一定的研究成果,具体内容如下:
　　 针对结构化环境,提出了一种新颖的鲁棒的匹配Hough谱表征和匹配图像轮廓。并证明了Hough谱所具有的平移、旋转、缩放和周期特性。匹配Hough谱将二维图像轮廓转换为一维信号,用一维Hough谱表征形状的旋转与缩放参数,在Hough密度空间中来表征形状平移参数。图像轮廓的Hough谱将图像的旋转、缩放参数与平移参数解耦合,旋转参数对应于Hough谱在相位轴上的平移,缩放参数对应于Hough谱的幅度,通过匹配Hough谱能有效的估计形状间的平移、旋转与缩放参数,对噪声、遮挡等具有一定的鲁棒性,具有较高的配准精度。
　　 针对高精度图像匹配问题,在Fourier域相位相关算法的基础上提出了一种高效和鲁棒的频域局部上采样Fourier变换实现高精度的图像配准。局部上采样Fourier变换通过由粗到精的策略,首先根据传统的相位相关方法估计出像素级精度的配准参数,之后在频域对互相关功率谱的局部邻域进行上采样矩阵Fourier变换,实现图像的局部高精度相位相关,得到图像间亚像素级平移参数。对于存在旋转和缩放变换的图像对之间的匹配,根据Fourier变换中幅度谱的平移不变性,将旋转和缩放参数映射为图像在Fourier域的幅度谱的旋转和缩放,从而将旋转、缩放参数与平移参数解耦合,再结合极对数变换,幅度谱的旋转和缩放转换为平移,进而根据局部上采样Fourier变换估计出高精度的匹配参数。实验表明该方法能够估计出高精度的图像匹配参数。
　　 针对复杂场景,在超复小波域相位干涉理论的基础上提出了一种基于优化函数的多尺度图像匹配方法来估计非线性图像运动。以二维希尔伯特变换和解析信号的四元定义为基础,构造四元超复数小波,其相位能够编码图像在水平和垂直方向的局部平移,在每个尺度上构造局部相位差目标函数,并求取目标函数的极值作为这一尺度上图像运动估计的约束,根据四元超复数小波的多尺度特性,通过大尺度的运动估计引导小尺度的估计参数实现多尺度相位解缠,得到鲁棒的序列图像中相邻帧图像运动光流场。实验表明与Wai Lam Chart提出的超复数方法相比,本文方法的光流估计精度有所改善,从大量真实数据光流实验可以看出,基于超复数小波相位干涉和解缠的光流估计方法有效的估计出了复杂场景序列图像间的运动。
　　 针对图像匹配在机器人运动估计中的应用,提出了一种乡村道路环境下基于单目视觉的机器人运动估计方法。首先,乡村道路图像缺乏规则纹理,很难提取稳定的特征,采用超复小波相位干涉方法估计乡村道路序列图像之间的运动。针对机器人在乡村道路环境下的运动特性,提出了4自由度(4-DOF)机器人运动模型将图像运动映射为机器人运动。并根据分块的随机采样一致(RANSAC)算法排除光流场中野值给机器人运动估计带来的误差,以及通过俯仰角补偿算法补偿俯仰运动对机器人定位产生的扰动。由实验可知,基于超复数小波相位干涉和解缠的图像匹配和光流估计方法以及4-DOF机器人运动模型和俯仰角补偿算法,能有效的估计乡村道路环境下单目视觉机器人的运动参数。
　　 最后,对全文进行了总结,并且对今后进一步的研究方向进行了展望。