圖像配準(zhǔn)算法及其在航空發(fā)動機溫度場檢測中的應(yīng)用研究

于坤林

(長沙航空職業(yè)技術(shù)學(xué)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(yōu)點［2］，因此圖像融合技術(shù)得到了廣泛應(yīng)用。目前，國內(nèi)對航空發(fā)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(yōu)點，因此本文首次提出將圖像融合技術(shù)應(yīng)用于航空發(fā)動機熱端部件的溫度場檢測中。而圖像配準(zhǔn)技術(shù)則是圖像融合的關(guān)鍵技術(shù)，圖像配準(zhǔn)是指同一目標(biāo)的兩幅圖像或多幅圖像在空間位置上的對準(zhǔn)過程，圖像配準(zhǔn)的最終目標(biāo)就是要找到把一幅圖像中的點映射到另一幅圖像中對應(yīng)的點的最佳變換。圖像配準(zhǔn)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(zhǔn)方法

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

互信息法［4］是一種較新的解決圖像配準(zhǔn)問題的方法，互信息圖像配準(zhǔn)的關(guān)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(lián)合熵，基于互信息法的圖像配準(zhǔn)實驗如圖1所示。比較圖1(a)和圖1(c)可知，圖像的配準(zhǔn)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(nèi)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(zhǔn)結(jié)果圖

該方法優(yōu)點是算法簡單，精度和穩(wěn)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(zhǔn)方法

基于變換域的圖像配準(zhǔn)方法主要是傅立葉變換方法［4］，該方法的優(yōu)點:一是能處理圖像的平移、旋轉(zhuǎn)和尺度等變換;二是可以抑制噪聲，有很好的魯棒性。根據(jù)傅立葉變換的平移特性，設(shè)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(shè) f1，f2對應(yīng)的傅立葉變換分別是 F1，F(xiàn)2，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(fù)函數(shù)。

如果兩幅圖像 f1(x，y)和 f2(x，y)之間有平移、旋轉(zhuǎn)和尺度變換，設(shè)平移量為(x0，y0)，旋轉(zhuǎn)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(biāo)形式表示為

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

圖2 基于傅立葉變換的圖像配準(zhǔn)結(jié)果圖

該方法缺點是對灰度變換敏感，計算復(fù)雜度高。

3 基于特征的圖像配準(zhǔn)方法

基于特征的圖像配準(zhǔn)方法基本步驟［5］是:(1)特征提取，根據(jù)圖像性質(zhì)提取適用于圖像配準(zhǔn)的幾何或灰度特征。(2)特征匹配，將兩幅待配準(zhǔn)圖像中提取的特征對應(yīng)起來，刪掉沒有對應(yīng)的特征。(3)圖像轉(zhuǎn)換，根據(jù)特征匹配對的性質(zhì)確定坐標(biāo)變換參數(shù)，根據(jù)坐標(biāo)變換參數(shù)把圖像配準(zhǔn)到同一坐標(biāo)系中。該方法的優(yōu)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(zhǔn)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(zhǔn)方法最常用的特征?；诮屈c特征的圖像配準(zhǔn)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(shù)估計。(4)重采樣。基于Har-ris角點特征的圖像配準(zhǔn)算法如圖3所示。

圖3 基于Harris角點特征的圖像配準(zhǔn)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(zhǔn)精度。

圖4 Harris算法的角點提取結(jié)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(zhuǎn)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(nèi)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(zhǔn)精度比較高。

圖5 SUSAN算法的角點提取結(jié)果圖

SUSAN算子優(yōu)點是具有很強的抗噪性，且定位精度高，缺點是算法復(fù)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(gòu)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(nèi)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(shù)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(zhǔn)［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(zhǔn)結(jié)果比較滿意。

圖6 基于SIFT算法的圖像配準(zhǔn)結(jié)果圖

SIFT算子優(yōu)點是穩(wěn)定性好，抗噪性高，缺點是算法復(fù)雜度比較大，效率低。

4 應(yīng)用

好的圖像配準(zhǔn)算法要求:圖像匹配點豐富、準(zhǔn)確配準(zhǔn)率高、無重復(fù)且適時性好。而SIFT算子具有以下優(yōu)點:1.對亮度、尺度縮放、旋轉(zhuǎn)具有不變特性，對光照的變化和圖像變形具有較強的適應(yīng)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?qū)崿F(xiàn)快速準(zhǔn)確的匹配，算法穩(wěn)定;4.具有多量的特性，即使少數(shù)的幾個物體也可以產(chǎn)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(lián)合。因此該算法檢測效果是最好的。

由于航空發(fā)動機工作時振動強、噪聲大，工作環(huán)境比較惡劣，而SIFT圖像配準(zhǔn)方法則具有穩(wěn)定性好，抗噪性高，配準(zhǔn)精度較高等優(yōu)點，因此在進行航空發(fā)動機溫度場彩色圖像融合前選用基于SIFT算子的圖像配準(zhǔn)方法對圖像進行配準(zhǔn)?；赟IFT算法的航空發(fā)動機溫度場示溫漆彩色圖像配準(zhǔn)實驗如圖7所示。

圖7 基于SIFT算法的航空發(fā)動機溫度場示溫漆彩色圖像配準(zhǔn)結(jié)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(zhǔn)精度較高。

5 結(jié)論

基于SIFT算法的圖像配準(zhǔn)方法具有穩(wěn)定性好，抗噪性高等優(yōu)點，適合于工作環(huán)境惡劣的航空發(fā)動機溫度場示溫漆彩色圖像配準(zhǔn)，實驗結(jié)果表明:該算法用于航空發(fā)動機溫度場檢測中，取得較好地圖像配準(zhǔn)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(xué)出版社，2007.

［2］敬忠良，肖剛，李振華.圖像融合——理論與應(yīng)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(shù)字圖像處理系統(tǒng)［J］.航空發(fā)動機，2007，(2).

［4］陳顯毅，周開利.醫(yī)學(xué)圖像配準(zhǔn)常用方法與分類［J］.信息技術(shù)，2008，(7).

［5］蘇清賀，程紅，孫文邦.遙感圖像配準(zhǔn)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(zhǔn)方法［J］.紅外與激光工程，2008，(1).