自动化与MATLAB图像配准

通过Garima Sharma和安迪,MathWorks

图像配准的过程是将图像从两个或两个以上的数据集。它包括集成图像创建一个复合视图,提高信噪比和提取信息,是不可能获得从一个单一的形象。图像配准是用于遥感、医学成像、制图,以及其他的应用程序依赖于图像的获取准确信息的例子,发现从卫星图像面积如何成为淹没,或者从核磁共振扫描检测肿瘤。

确定一个有效的图像配准方法是工作,可以是一个复杂和耗时的过程。它需要仔细选择一个点图像之间的转换模型为参考点,和比较信息识别方法正确地对齐图像所需的参数。

有两个著名的过程自动图像配准方法:基于特征和灰度注册算法。在本文中,我们将使用一个fever-detection例子来说明一个工作流基于灰度自动图像配准imregister ()在图像处理工具箱™和相关功能。这个工作流是一个快速和有效的方式来集成来自不同摄像机的图像。

图像配准术语表

引用(固定)图片:图像在目标定位、指定为一个2 d或3 d灰度图像

目标(移动)图片:图像与参考图像,转换为对齐指定为一个2 d或3 d灰度图像

灰度注册:图像的对齐模式基于他们的相对强度

基于功能的注册:图像的对齐使用特征检测,提取和匹配

Fever-Detection例子:目标和挑战

在严重急性呼吸系统综合症(SARS)的爆发是在2003年,台湾桃园国际机场开始检查乘客发烧症状包含致命病毒的传播。因为它是不可能单独检查每个乘客,临床医生使用红外温度记录,非侵入性技术,通过分析红外图像检测热的热数据。

虽然这种方法是有效的,它可以是一个挑战来实现。红外摄像机对环境条件极其敏感,他们必须正确校准占所有的元素会影响材料,包括环境室温温度,相对湿度,反光的表面,和主题的摄像机之间的距离。有效热筛选还取决于一致的识别的部位会产生可靠的热的信息我们的例子中,眼睛周围的区域。

我们将使用MATLAB构建一个筛选温度记录的原型^®FLIR红外(IR)相机,和一个网络摄像头。红外摄像头可以测量面部温度增量100微k,尽可能在摄像头面部特征提供了更详细的信息。通过注册的图像从两个来源,我们可以探测到眼睛周围的位置的摄像头图像(图1)和眼睛周围的测量温度的红外摄像机图像。

图1所示。摄像头的图像。

和校准红外摄像头获取图像

使用图像采集工具箱™我们从摄像头捕捉图像和红外相机并将它们导入MATLAB工作区。红外相机使用GigE愿景^®接口,而摄像头DirectShow的使用标准^®接口。

校准红外相机我们调整距离,湿度、辐射率(一个表面的相对力量发出热量通过辐射),和其他特征。在图像采集过程中,大气温度为295.15 k和墙的发射率和主题为0.98。

可视化图像

我们认为红外图像使用imshow ()在图像处理工具箱的函数。因为我们有了16位数据,实际温度测量在100年可增加,我们执行一个对比之前调整规模数据显示监视器上的图像(图2)。

图2。热红外图像的对比度调整。

我们在同一图显示两张图片窗口使用imshowpair ()。

这个函数提供了几个可视化选项,包括“falsecolor”,创建一个复合的RGB图像使用不同颜色乐队,和“混合”对可视化α混合图像(图3)。

图3。从上到下:“falsecolor”、“差异”,和“混合”的可视化图像。

注册的图像

我们开始注册过程通过指定红外图像作为固定的形象和摄像头图像的移动图像。固定的图像是静态引用。我们的目标是使移动图像与固定形象。由于灰度图像配准算法需要灰度,我们使用彩色摄像头图像转换为灰度rgb2gray ()。

一致的图像,我们使用图像处理工具箱imregister ()函数。除了一副图像,灰度自动图像配准需要一个指标,优化器和转换类型。我们获得“指标”和“优化”值使用imregconfig ()与“多通道”选择。然后我们返回的值插入imregister ()作为图像配准的一个起点。

开始我们使用的注册过程imregister ()默认的转换类型“翻译”并查看结果的调用imshowpair ()。主体的轮廓在两张图片有点偏差(图4)。头和肩膀周围的图像之间的差距表明问题规模和旋转。

图4。默认的注册。

请注意,从文中针对图像配准得到好的结果常常涉及多个修改优化和度量值。也请注意,imshowpair ()在其默认模式适用于图片在我们的例子中,它可能并不适用于所有图像对。最好是去探索所有的可视化风格imshowpair (),如“falsecolor”,“差异”,“混合”,“蒙太奇”,确定最好的一对为一个特定的形象。

占规模和旋转扭曲,我们开关转换类型imregister ()从“翻译”来“相似”。