图像配准是什么

图像配准是对不同时间、不同传感器(成像设备)或不同条件(天气、光照、摄像机位置和角度等)下采集的两幅或多幅图像进行匹配叠加的过程。).它已广泛应用于遥感数据分析、计算机视觉、图像处理等领域。

图像配准是对不同时间、不同传感器(成像设备)或不同条件(天气、光照、摄像机位置和角度等)下采集的两幅或多幅图像进行匹配叠加的过程。).它已广泛应用于遥感数据分析、计算机视觉、图像处理等领域。

调查研究工作

图像配准方法迄今为止，国内外在图像处理领域已经开展了大量的图像配准研究工作，并产生了许多图像配准方法。一般来说，各种方法都是面向一定范围的应用领域的，也有各自的特点。例如，计算机视觉中的场景匹配和飞机定位系统中的地图匹配，按其主要功能称为目标检测和定位，按其采用的算法称为图像相关。

基本方式

图像配准的方法

图像配准有两种方式:相对配准和绝对配准。相对配准是指选择一幅图像作为参考图像，并与其他相关图像配准，其坐标系是任意的。绝对配准是指先定义一个控制网格，所有图像都相对于这个网格进行配准，即完成每个分量图像的几何校正，实现坐标系的统一。本文主要研究大幅面多幅图像的相对配准，因此如何确定多幅图像之间的配准函数映射关系是图像配准的关键。通常使用合适的多项式来拟合两幅图像之间的平移、旋转和仿射变换，从而将图像配准函数映射关系转化为如何确定多项式的系数，最终如何确定配准控制点(RCP)。

图像配准方法

根据如何确定RCP方法和图像配准中使用的图像信息的不同，图像配准方法可以分为三大类:基于灰度信息的方法、变换域方法和基于特征的方法，基于特征的方法可以根据使用的特征属性的不同细分为几类。根据这种分类原理，下面将讨论各种已报道的图像配准方法和原理。

灰色信息

介绍

基于灰度信息的图像配准方法一般不需要对图像进行预处理，而是利用图像本身灰度的一些统计信息来度量图像的相似性。主要特点是实现简单，但适用范围窄，不能直接用于校正图像的非线性变形。在寻找最优变换的过程中，往往需要大量的计算。经过几十年的发展，已经提出了许多基于灰度信息的图像配准方法，大致可以分为三类:互相关法(也称模板匹配法)、序列相似性检测匹配法和交互信息法。

互相关方法

互相关法是基于灰度统计的最基本的图像配准方法，通常用于模板匹配和模式识别。它是一种匹配度量，通过计算模板图像与搜索窗口的互相关值来确定匹配程度。互相关值最大时搜索窗口的位置决定了模板图像在待配准图像中的位置。

基本思想

该方法的基本思想是基于误差累积的分析。因此，对于大多数非匹配点，只需要计算模板中的前几个像素，只需要计算匹配点附近的点就可以计算整个模板。这样平均起来，每个点的运算次数会远远少于被测图像的点数，从而达到整个匹配过程中减少计算量的目的。

在SSDA算法中，参考图像和待配准图像之间的相似性评价标准由函数来度量，公式如下:

(14-10)

残差和坐标是从要配准的图像中随机提取的非重复点坐标序列。越大，误差增加越慢，也就是两幅图像越相似。该方法的关键是阈值T的选取，不仅影响算法的运算速度，还影响算法的匹配精度。

交互信息

交互式信息方法由Viola等人于1995年首次引入图像配准领域。它是基于信息论的交互信息的相似性准则。初衷是为了解决多模态医学图像的配准问题。

交互信息用于比较两幅图像的统计相关性。首先，图像的灰度级被视为一个具有独立样本的空之间的均匀随机过程。通过高斯-马尔可夫随机场模型可以建立相关的随机场，并用统计特性和概率密度函数来描述图像的统计特性。交互信息是对两个随机变量A和B之间的统计相关性的度量，或者是对一个变量包含另一个变量的信息量的度量。

变换域

傅里叶变换

变换域中最重要的图像配准方法是傅里叶变换法，它具有以下优点:(1)傅里叶变换域体现了图像的平移、旋转、仿射等变换；利用变换域的方法也可以获得一定程度的抗噪声鲁棒性；由于傅里叶变换算法成熟快速，易于硬件实现，因此在算法实现上有其独特的优势。

特征

共同点

基于特征的匹配方法有一个共同点，就是首先对待配准的图像进行预处理，即图像分割和特征提取的过程，然后利用提取的特征完成两幅图像之间的匹配，通过特征之间的匹配关系建立图像之间的配准映射关系。因为图像中有许多可用的特征，所以产生了许多基于特征的方法。常用的图像特征包括特征点(包括角点、高曲率点等)。)，直线段，边缘，轮廓，闭合区域，特征结构，统计特征如不变矩，重心等。

要点

它是配准中常用的图像特征之一，其中主要使用图像中的角点。图像中的角点被广泛应用于计算机视觉模式识别和图像配准。基于角点的图像配准的主要思想是分别从两幅图像中提取角点，然后通过不同的方法建立两幅图像中角点之间的相关性，从而建立同名角点，最后以同名角点为控制点确定图像之间的配准变换。由于提取角点的方法很多，基于角点的方法最困难的问题是如何建立两幅同名图像之间的关联。已报道的解决点匹配问题的方法有松弛法、相对距离直方图聚焦光束检测法、豪斯多夫距离及相关方法等。这些方法对检测到的角点都有严格的要求，比如求同个数、简单的变换关系等。，所以它们不能适应普通的注册应用。

匹配质量

基于图像配准的原理、步骤和方法，以及如何确定图像配准的标准，已知图像匹配的速度、精度和可靠性是评价匹配质量的三个重要指标。如何尽可能地提高匹配质量，尤其是在满足准确性和可靠性的前提下，一直是计算机视觉和模式识别领域的研究课题。