文档介绍：图像配准算法研究
2
图像配准是指对从不同传感器、不同时相、不同角度所获得的两幅或多幅图像进行最佳匹配的处理过程。图像配准需要分析各分量图像上的几何畸变，然后采用一种几何变换将图像归化到统一的坐标系统中。在配准过程中，通常取其中的一幅图像作为配准的标准，称之为参考图像；另一幅图像作为配准图像。
图像配准的定义
第1页/共15页
3
图像配准的基本流程
第2页/共15页
4
图像配准方法的分类
根据配准使用的特征，图像配准的方法大致可分为三类：
(1)基于图像灰度的配准算法。首先从参考图像中提取目标区作为配准的模板，然后用该模板在待配准图像中滑动，通过相似性度量(如相关系数法、差的平方和法、差的绝对值法、协方差法)来寻找最佳匹配点。
(2)基于图像特征的配准算法。该算法是以图像中某些显著特征(点、线、区域)为配准基元，算法过程分为两步：特征提取和特征匹配。首先从两幅图像中提取灰度变化明显的点、线、区域等特征形成特征集。然后在两幅图像对应的特征集中利用特征匹配算法尽可能地将存在对应关系的特征对选择出来。对于非特征像素点利用插值等方法作处理推算出对应匹配关系，从而实现两幅图像之间逐像素的配准。
第3页/共15页
5
图像配准方法的分类
(3)基于对图像的理解和解释的配准算法。这种配准算法不仅能自动识别相应像点，而且还可以由计算机自动识别各种目标的性质和相互关系，具有极高的可靠性和精度。这种基于理解和解释的图像配准涉及到诸如计算机视觉、模式识别、人工智能等许多领域。不仅依赖于这些领域中理论上的突破，而且有待于高速度并行处理计算机的研制。
第4页/共15页
6
图像配准的三要素
一般图像配准的过程主要涉及到图像的特征空间、相似性测度和搜索策略这三个方面。我们称这三个方面为图像配准的三要素，它们决定了图像配准的精度和速度。
按照配准过程中采用的特征类型，图像配准可分成两类：基于灰度的配准和基于特征的配准的方法。
第5页/共15页
7
基于图像灰度的配准方法
基于图像灰度的配准方法是直接利用图像的灰度值来确定配准的空间变换，其中充分利用图像中所包含的信息，从而也称为基于图像整体内容的配准方法。这类方法的核心思想是认为参考图像和待配准图像上的对应点及其周围区域具有相同或者相似的灰度，并以灰度相似为基础采用相似度函数，然后寻找一组最优的几何变换参数使得相似度函数最大，从而实现图像的配准。在两幅图像灰度信息相似的情况下，常用的匹配方法有：互相关法(Cross-correlation)，序贯相似检测算法(Sequential Similarity Detection Algorithms, SSDA)以及最大互信息法。
第6页/共15页
8
基于图像灰度的配准方法
虽然基于灰度的图像配准方法实现简单，但存在着如下缺点：
(1)对图像的灰度变化比较敏感，尤其是非线性的光照变化，将大大降低算法的性能；
(2)计算的复杂度高；
(3)对目标的旋转，形变以及遮挡比较敏感。因此这种方法通常并不单独用在遥感图像配准中。
第7页/共15页
9
基于特征的图像配准方法
基于特征的图像配准方法可以克服利用图像灰度信息进行图像配准的缺点，主要体现在以下三个方面：
(1)图像的特征点比图像的象素点要少很多，因此大大减少了配准过程的计算量；
(2)特征点的匹配度量值对位置的变化比较敏感，可以大大提高配准的精确程度；
(3)特征点的提取过程可以减少噪声的影响，对灰度变化，图像形变以及遮挡等都有较好的适应能力。
因此，其在图像配准领域得到了广泛应用。基于特征的图像配准方法有两个重要环节：特征提取和特征匹配。
第8页/共15页
10
基于特征的图像配准方法
基于特征的图像配准方法的基本步骤
第9页/共15页