版权信息
省级大型综合性科技类期刊
主管部门:自治区科技厅
主办单位:自治区科学技术信息研究院 
协办单位:自治区科学技术情报学会
编辑出版:科技期刊编译室
刊社地址:内蒙古呼和浩特新城西街149号本刊杂志社
邮政编码:100010
电      话:0471-2536371

E-mail  :

nmgkjzz@vip.163.com 

网站地址:www.nmgkjzz.com


往期杂志
当前位置: 首页>往期杂志>详细介绍

基于LS-SVM的安瓿图像配准的设计

时间:2016-05-03来源: 作者: 点击: 158次


(广东工业大学自动化学院)


 

摘要:针对安瓿药液在图像采集过程中,图像采集装置的机械振动、瞄准偏移等因素导致图像相对偏移的问题,提出一种基于最小二乘支持向量机(LS-SVM)的图像配准方法。利用最小二乘支持向量机在图像配准中变换模型的估计,确定待配准图像和参考图像之间的映射函数,对算法基于Matlab平台进行仿真,结果表明:在保证图像配准精度的前提下,不仅能有效地去除图像的几何形变,而且图像配准的结果比传统的方法更为准确,取得了良好的效果。

关键词:图像采集;LS-SVM;几何形变;图像配准


 

0引言

 

在安瓿药液检测行业,由于在图像采集过程中存在微量的机械振动或者少量像素偏移的干扰,因此为了避免引入新的误差,在进行相关图像的差分运算之前,必须进行图像配准。这是因为在安瓿药液检测系统中,由于杂质运动目标的存在,即使两幅图像完全配准,则差分后也会有杂质运动目标的轨迹,否则会有更多的杂质信息,不利于后续带有杂质安瓿瓶的判断。

而这些需要的配准的安瓿图像一般具有图像相对简单,目标尺寸较小,边缘特征明显,信噪比比较低,目标区域集中等特点。以下是传统方法对图像进行配准:

    1982年,Rosenfeld等人基于灰度统计的图像配准方法,提出了交叉相关的概念。1995年,Viola和Collignon等人把基于信息理论的交互信息相似性准则,成功引入到图像配准领域[2]。此外,D.I.Barnea和H.F.Silverman 提出SSDA序贯相似性检测算法[3]进行图像配准,该算法的优点是图像配准的处理速度相对其它算法来说得到了提高,但是图像处理的精度不够。而不同的图像配准方法总是对应于某种适用的图像变换模型,其核心问题是提高配准的速度、精度和算法的稳定度。

针对传统图像配准所遇到的问题,为了进一步

提高配准效率,以适应高速药品检测的工业需要,本文提出了一种基于最小二乘支持向量机(LS-SVM)的快速配准方法,并将其应用于安瓿装药液机器视觉检测,取得了良好的效果。

 

1支持向量机和最小二乘支持向量机原理


本文主要研究了基于LS-SVM的图像配准方法,利用LS-SVM进行模型变换,最后在Matlab平台下进行基于特征点的图像配准仿真实验。首先对于SVM和LS-SVM的原理和思想进行简单介绍。

支持向量机的基本思想[4-6]是通过高数据的维度把非线性问题转换成线性问题,首先选择一个非线性的变换,

,从原空间映射到高为特征空间E,

在此空间构造最优线性回归函数: (1)

在利用结构风险最小化原则时,标准支持向量机和最小二乘支持向量机的优化目标选择了不同的损失函数,分别为误差的二范数。对于标准支持向量机,优化问题为:

               (2

约束条件为:      3

式中:是分类面的权系数,是偏置项,常数是惩罚因子。

    对于最小二乘支持向量机,其优化问题为:

            (4

约束条件:

5

为了求解(4)式的优化问题,引入 Lagrange函数,则有:

 (6)

式中:为Lagrange乘子,根据KKT条件,得到如下等式和约束条件:

(7)

对于,式(7)消去和得到式(8)的线性系统:

(8)

式中:(9)

根据Mercer条件,有:


(10)

令,求解(8)式可得:

(11)

在LS-SVM中,函数就是所有支持向量的非线性函数:

(12)

由于LS-SVM比标准的SVM具有更简单更高效等优点,LS-SVM的实际应用较为广泛,因此本文将LS-SVM用于图像配准中变换模型的估计。


2图像配准中变换模型的估计

 

通常,图像配准的方法包括相对配准和绝对配准[7]两种:相对配准是指在多幅相关图像中选择一幅图像作为参考图像,其它的相关图像作为待配准图像与之配准,可以选择任意的坐标系。而绝对配准,首先要定义一个控制网格,然后将所有的图像相对于这个网格来进行配准,也就是通过分别完成各分量图像的几何校正来实现坐标系的统一。

本文主要研究的是如何确定待配准图像与参考图像之间的配准映射关系,这种图像配准是属于相对配准。映射函数的确定实质上是一个非线性函数的拟合问题,本文将LS-SVM用于图像配准中变换模型的估计。利用LS-SVM进行变换模型的估计[8-9],其算法如下:

2个未知的映射函数为,使,。为了使得映射函数尽可能地分别通过所有的特征点,则通过最小化式:

确定出最合适的映射函数。将和统一用表示。本文的LS-SVM的核函数是选择的高斯核函数,则映射函数的表达式如下:

式中:表示上的欧氏二范数,即为核参数。将已知的控制点带入,即可得到参数和的表达式,即:

其中,分别为的参数和

求得后,映射函数(即是)可得到确认。映射函数也就是要求的待配准图像与参考图像之间的配准函数映射关系,利用此映射函数判断待配准图像与参考图像是否发生几何形变。

 

3实验分析

将安瓿瓶准确送入检查工位,对安瓿瓶施以高速旋转扰动并急停,利用凸轮机构保证图像传感器与安瓿相对静止,使得工业相机能够对安瓿瓶进行高速连续的图像采样(一般采集68帧图像),对采集的图像进行预处理(去噪、灰度值归一化、图像增强),后续的处理函数对得到的图像数据进行算法校验,确定是图像是否发生几何形变并进行配准 

图(1),图(2)是由工业相机采集到的连续6幅处理后的图像,并从中选择的2幅图像。

图(1)                图(2)

在CMOS相机连续对一个安瓿瓶采集到的图像中,选取一幅作为参考图像,其余的作为待配准图像。图(3),图(4),图(5)是采用本文所提出的配准算法进行配准并在Matlab软件上进行仿真验证的结果。

参考图像        待配准图像      配准图像

图(3)          图(4)        图(5)

其中,图(4)有旋转形变,图像中白色的小圆点代表提取出的图像中的特征点。

此外,选取的特征点的个数以及特征点的分布,可以明显影响图像配准的精度和速度,如果选取过多的特征点,则算法完成的时间比较长,影响图像配准的效率。如果特征点的分布集中在某一个区域,则只会反映该区域的形变趋势,而不能反映整个图像的形变趋势。因此,应当选择分布均匀的特征点,这样可以提高配准精度。

接下来就是将配准后的图像与参考图像进行差分,图(6)是没有进行配准直接差分后的结果,明显可以看出,安瓿边缘没有被消去,严重影响杂质的判定。而配准之后图像差分的结果如图(7),可以看出目标杂质的运动轨迹。


图(6)              图(7)

   实验证明,在微量的机器振动或者少量像素偏移的情况下,基于LS-SVM的图像配准方法不仅配准速度比较快,而且能够有效的去除几何形变。但在机器振动比较剧烈或者像素偏移较多的情况下,基于LS-SVM的图像配准方法存在配准准确度不够高,不能有效去除几何形变等问题,所以基于这方面的问题仍需要进一步研究。

4 结语

本文提出一种基于LS-SVM的安瓿图像配准方法并进行仿真验证。利用提取到的待配准图像和参考图像各自的特征点,找到两幅图像之间的配准映射变换函数,进而对待配准的图像进行配准。文中采用的配准方法在保证图像配准精度的前提下,进一步提高了配准效率,以适应高速药品检测的工业需要。

参考文献

[1]  李伟,王伯雄.一种基于安瓿检测的快速图像配准方法的实现.电测与仪表,2010,47(7)5-8

[2]  张锐娟,图像配准理论及算法研究.西安电子科技大学2009(学位年度).

[3]  蒋煜.基于特征的多模态图像自动配准方法研究[D].华中科技大学.2005

[4]  甘亚莉,涂丹,李国辉.基于相位相关的小波域图像配准的方法研究[J].计算机工程与设计.2006,11Vol.2722).4271-4273.

[5]  张学工,关于统计学习理论和支持向量机[J].自动化学报,200026(1)32-42

[6]  代瑞军,基于SVM算法的CT/PET医学图像配准的研究.

     青岛大学 2014(学位年度).

[7]  阎威武,邵惠鹤.支持向量机和最小二乘支持向量机的比较及应用研究.控制与决策[J]200318(3)358-360

[8] VAPNIK V N.An overview of statistical learningtheory[J].IEEE Trans.Neural Networks,1999,10(5):988-999.

[9]  刘丁,刘涵,王飞.基于最小二乘支持向量机的图像配准研究[J].仪器仪表学报,200829(1)124.

 

 


Research onthe Ampoule Image Registration Based on LS-SVM

Li Tongtong  Xie Yun 

(Dept. of Automation, Guangdong University of Technology)

Abstract:In view of the Ampoule solution in the process of image acquisition, image acquisition device of mechanical vibration, the deviation of target factor, the relative deviation of the images is proposed based on least squares support vector machines (LS-SVM) method for image registration. Using least squares support vector machine (SVM) transform in image registration model estimates, determine to the mapping function between registration and the reference image, the algorithm based on Matlab simulation platform, the results show that: under the premise of guarantee the accuracy of image registration, not only can effectively remove the geometric deformation of the image, and the result of image registration is more accurate than the traditional method, has obtained the good effect.

Key Words: Image AcquisitionLS-SVMGeometric DistortionImage Registration

 

作者简介:

李同同,男,1989年生,广东工业大学硕士研究生,研究方向:机器视觉与图像处理。

谢云,女,1964年生,博士,教授,硕士研究生导师,主要研究领域:IC设计、信息与通信技术、机器视觉、智能机器人技术等。

本刊创刊于1982年,是由自治区科技厅主管、自治区科技信息研究院主办,由自治区科技情报学会协办、国内外公开发行的省级综合性科技刊物,是反映内蒙古自治区科技与经济发展的窗口。杂志入选《中国期刊全文数据(CJFD)》全文收录期刊和《中国学术期刊综合评价数据(CAJCED)统计刊源期刊,《中国核心期刊(遴选)数据库》收录。本刊是公开发行的综合性科技期刊,为月刊,大16开本。本刊坚持以科技创新为目标,融科技、经济、信息、产业、市场为一体,是促进科技成果转化、推动科技进步、加强技术创新,促进经济发展的专业性期刊。