图像配准是什么(图像配准是什么意思)

图像配准(Image registration)就是把不同时间、不同感应器（成像设备）或不同环境下（天候、照度、拍摄位置和视角等）获得的两张或多幅图像开展匹配、累加的过程，它已经被普遍地应用于遥感数据分析、计算机视觉、图像处理等领域。

科研工作

图像配准的方法目前为止，在国内外图像处理研究方向，早已报道了非常多的图像配准科研工作，形成了许多图像配准方法。总体来说，各种方法都是面向一定范畴的应用领域，也具备各自的特性。例如计算机视觉里的景色匹配和飞行器定位系统里的地图匹配，根据其完成的主要功能而被称作目标检测与定位，按照其所使用的算法称作图像有关等等。

基本方法

图像配准的形式

图像配准的形式可以概括为相对配准和肯定配准两种：相对配准是指选择多图像里的一张图像做参考图像，将其他的有关图像与其配准，其坐标系统是任意的。肯定配准是指先定义一个操纵网格，所有的图像相较于这个网格去进行配准，也就是各自完成各份量图像的几何校正来达到坐标系的统一。本文主要研究大幅面多图像的相对配准，因此怎么确定多图像之间的配准函数映射关系是图像配准的关键。一般通过一个适度的多项式来拟合两图像之间的移动、转动和仿射变换，从而将图像配准函数映射关联转化为怎么确定多项式的系数，最后转化为怎么确定配准基准点（RCP）。

图像配准方法

依据怎么确定 RCP 的方法和图像配准中运用的图像信息差别可将图像配准方法分为三个关键类型：基于灰度信息法、变换域法及基于特点法，其中基于特点法又可以根据所用的特点特性的不同而划分为多个类型。下列将依据这一分类原则来讨论早已报道的各种图像配准方法和原理。

灰度信息

绪论

基于灰度信息的图像配准方法一般不需要对图像开展繁杂的事先解决，而是运用图像本身有灰度的一些统计信息来衡量图像的相似程度。关键特征是完成简易，但应用领域较窄，无法直接用以校准图像的非线性弯曲，在最佳转换的搜索过程中通常需要巨大的运算量。经过几十年的发展，大家给出了很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（又称模版匹配法）、序贯相似性检验匹配法、互动信息法。

互相关法

互相关法是最重要的基于灰度统计的图像配准的方法，通常被用以开展模版匹配和模式识别。它是一种匹配衡量，通过计算模版图像和搜索窗口之间的互相关值，来决定匹配的程度，互相关值较大时的搜索窗口位置决定了模版图像在待配准图像中的位置。

基本观念

这类方法的基本思想是根据对误差的积累展开分析。因此对于大多数非匹配点而言，仅需测算模版里的前几个像素数，而只有匹配点附近的点才需要测算整个模版。那样均值起来每一点的计算频次将远远小于评测图像的等级，从而达到降低整个匹配过程计算量的效果。

在 SSDA 算法中，参照图像与待配准图像之间的相似性评测规范是由函数 来衡量的，公式如下：

（14－10）

其中残差和 ，座标是从待配准图像中，随机选择获得的非重复点坐标序列。 越大，表明偏差增长变慢，即两张图像越类似。这类方法的关键是阀值 T 的挑选，它不但影响到算法的运算速度，另外还影响到算法的匹配精度。

互动信息

互动信息法最初是 Viola 等人于 1995 年把互动信息引入到图像配准的行业的，这是基于信息理论的互动信息相似度准则。初心是为了解决多模态医学图像的配准难题。

互动信息用于较为两张图像的统计依赖感。首先把图像的灰度看作具备独立样本空间匀称随机过程，有关的随机场可以采取高斯—马尔科夫随机场模型建立，用统计特征及概率密度函数来表示图像的统计特性。互动信息是两个随机变量 A 和 B 之间统计关联性的量度，或者一个变量包括另一个变量的信息量量度。

变换域

傅氏转换

最重要的变换域的图像配准方法是傅氏转换方法，它主要有以下一些优势：图像的移动、转动、仿射等转换在傅氏变换域中都有相应的体现；运用变换域的方法还可能得到一定程度的抵御噪音的鲁棒性；因为傅氏转换有完善的快速算法和便于硬件完成，因此在算法实现上有其独特的优势。

特点

相同之处

基于特点的匹配方法的相同之处是首先看待配准图像开展预处理，也就是图像分割和特征提取的过程，再利用获取获得的特点完成两张图像特点之间的匹配，根据特点的匹配关系建立图像之间的配准映射关系。因为图像中有许多种可以借助的特点，因此形成了多种基于特点的方法。常用到的图像特点有：特征点（包含角点、高曲率点等）直线段、边沿、轮廊、关闭地区、特点结构以及统计特征如矩不变量、重心等等。

点

是配准中常用到的图像特点之一，其中主要应用的是图像里的角点，图像里的角点在计算机视觉模式识别及其图像配准行业都有十分广泛应用。基于角点的图像配准的重要思路是首先在两张图像中各自获取角点，再以不同的方法创建两张图像中角点的相互关联，进而确立同名角点，最后以同名角点做为基准点，确定图像之间的配准转换。因为角点的获取已经有了非常多的方法可循，因此基于角点的方法最困难的问题便是如何创建两张图像之间同名点的关联。已报道地处理点匹配问题方法包含松弛法、相对距离条形图汇聚束测定法、Hausdorff 间距及相关方法等等。这些方法都对检测到的角点规定较为严苛，例如有求一样多的数量，简单转换关联等等，因此不能适应普遍的配准运用。

匹配品质

基于图像配准的原理、流程和方法，及其怎么确定图像配准的准则，了解影像匹配速度、精度和稳定性是点评匹配质量好坏的三个重要指标。怎样尽可能提升匹配品质、尤其在精度和稳定性满足的前提下进一步提高影像匹配速率，一直是计算机视觉、模式识别等领域研究的课题。

- END -