[发明专利]基于蒙特卡洛树搜索的多通道图像拼接的方法

说明书

本发明公开了基于蒙特卡洛树搜索的多通道图像拼接的方法，包括单通道上的图像拼接、多通道上的图像拼接以及图像生成。所述单通道上的图像拼接包括以下步骤，步骤一，创建单通道的节点‑边邻接图，图的节点代表采集的图像块，将边添加到图中，以连接重叠的图像对，步骤二，利用经典的相位相关计算出两图像块任意边之间的平移，当重叠区域包含对齐特征时，相位相关可以准确计算出图像之间的平移。本发明通过拼接多个成像周期中多个波长收集的单个百万像素图像块，提供了一种强大而高效的方法来生成组织和其他生物标本的大型、多通道、镜图像。

技术领域

本发明涉及图像处理技术领域，具体涉及基于蒙特卡洛树搜索的多通道图像拼接的方法。

背景技术

高空侦查影像的应用研究领域中，越来越倾向于得到大视野且高分辨率图像，但是，由于光学镜片物镜放大倍率越大，视野就越小，两者的相互矛盾使得在高分辨率条件下，在同一时刻只能采集到小视野的待测样品图像。通过图像拼接技术，将多张高分辨率且有一定重叠区域的图像进行配准后拼接出一幅高分辨率、大视野的图像，不仅可以保证观察视野的完整性，而且满足图像高分辨率观测任意细节的要求。虽然侦查影响中的物理坐标可能会被记录下来，并用于将所有图像块接成全景视图，但在很多情况下，这些坐标可能不够精确。还有一些情况下，这种物理位移信息是不可得的。因此，需要对多个无组织的图像块进行自动拼接。

图像配准是拼接的核心之一，通过一定的匹配策略对待拼接的两幅图像进行计算，得到待拼接图像的特征点在参考图像中的位置，建立图像间的关系模型。图像配准的方法主要分为基于特征的和基于傅里叶的配准。基于特征的配准方法涉及到点特征、线特征和区域特征等。通过提取具有几何不变性的点，由特征点之间的匹配得出匹配参数，从而建立图像的配准。几何不变性的特征点的获取是该类方法的关键。Mikolajczyk等将sift特征点中描述子转换为对数极坐标中计算，得出gloh特征点，虽然与sift特征点相比，gloh特征点在光照变化大及图像较模糊时，匹配更有优势，但计算量更大。Bay等利用hessian矩阵来提取surf特征点，提高了运算速度且在图像较模糊时优于sift特征点，但所估计的匹配参数不够稳定。基于傅里叶配准的方法是利用两幅图像重叠区域的灰度信息构建相似性度量函数，求解匹配参数，从而建立图像的配准。频域变换中常用傅里叶变换，将图像经过傅里叶变换到频率域，可以将图像的旋转、缩放以及平移都可以很好的反应出来。使用FFT变换提高执行速度，并且算法成熟，便于硬件的实现。相位相关法通过傅里叶变换域反变换求出峰值位置，确定平移参数，当两幅图像相关时，检测结果为一个脉冲函数，那么一定会存在尖锐的检测峰值，如果不相关，则不会有明显的峰值。两种方法都是有效的，选择使用哪一个取决于整体图像内容和匹配特征的特征。相位相关是一种快速、无参数的方法，它计算具有最大互相关的图像对齐，但它只适用于在X和Y上相对平移的图像对齐，不能对齐因旋转、缩放、倾斜或非仿射变换而不同的图像。

为了对计算的平移进行全局优化可以减少拼接后图像的误差，可以使用多种不同的优化技术。例如Levenberg-Marquardt或加权最小二乘法，最大限度地增加重叠区域中发现的特征的数量，使用联合配准算法最小化假设和实际点对应之间的误差函数，最大限度地增加归一化交叉相关。归一化交叉相关(NCC)是用来描述两个目标的相关程度的，也就是说可以用来刻画目标间的相似性。即在一个图像中搜索与一小块已知区域的NCC最高的区域作为对应匹配，然后对准整幅图像。

常规拼接算法通常包括三个步骤:(1)计算相邻贴图之间的候选平移;(2)优化平移以减少拼接图像中的拼接误差;(3)基于这些平移生成拼接图像。这些优化方法没有考虑物理系统对搜索空间的限制，在稀疏实验中优化后的残差较大。图像拼接工具(MIST)在步骤1和步骤2之间引入了一个新的步骤来估计机械工作台参数，它对工作台建模进行平移优化，然后通过约束和优化在(4r)2的正方形区域内的平移来最小化拼接误差。该约束减少了与任何一对图像的平移计算相关的最大误差，从而限制优化搜索空间，实现更好的拼接精度。