图像配准之概念简述

这些文章已有五年历史，并最初发布于我的个人博客。
https://user.qzone.qq.com/632846506/infocenter.

1、概念

图像配准被视为图像处理领域的核心问题，在这一领域的核心技术手段中占据重要地位，并对后续流程发挥着不可替代的作用。该技术在多个领域得到了广泛应用与深入研究，在医学影像融合技术、遥感数据整合方法以及计算机视觉算法优化等方面都取得了显著成果；同时成为当前科研领域的研究热点之一

图像配准的过程就是将不同时间不同成像设备在不同条件（天气状况 照明条件 摄像角度与位置等）下获取的多幅图像进行匹配叠加 该过程中的各个图像之间通常会存在差异性 这种差异性主要体现在多个方面 包括不同的分辨率等级 不同的色调特性 不同的位移和旋转变化 不同的比例尺变化 以及形态畸变等多种情况 经过这一系列的图像配准处理 可以显著提升成像质量 使得清晰度得到明显提高 同时定位精度也得到了很大改善

简而言之，图像配准即指将两幅同一景物在不同时刻或不同成像模式下的图像通过不同坐标系转换至同一坐标系的过程。从应用领域来看，其可分为遥感图象配准时行以及医学图象配准时行等多种类型。就其自动化水平而言，则主要包含人工配合时行、半自动配合时行及全自动配合时行等方式。从所采用的关键信息类型来看，则可分为基于灰度信息的配合时行与基于特征匹配的信息配合时行两类。从成像模式的角度出发，则主要包括单模态图象配合时行与多模态图象配合时行两种情况。

2 图像配准的基本步骤
一般来说，图像配准的过程可分为特征提取、特征匹配、几何变换模型的选取及其参数的确定、配准图像的重新采样及配准等几个步骤。
（1）特征提取。特征提取是图像配准中的一个关键环节，就是提取待配准图像之间的显著特征。特征选取的好坏对后续过程有很大的影响，关系着配准算法的稳定性和可靠性。最常用的图像特征主要有：特征点、直线段、边缘、轮廓、闭合区域、特征结构以及统计特征等。特征点的提取方法有很多，如Harris角点检测算法、SUSAN 算法、DoG算法等。
（2）特征匹配。特征匹配就是寻找提取到的特征间的对应关系。首先，选取并计算所提取的特征的描述子；然后，选取适合的相似度量函数，用于计算特征间的匹配程度；最后，找出正确匹配特征对集。
（3）几何变换模型的选取及其参数的确定。首先，根据特征间的对应关系，计算几何变换模型参数。然后，再根据相似度量函数优化几何变换参数。
（4）配准图像的重新采样及配准。首先，选取合适的插值函数。然后，用几何映射函数将浮动图像映射到基准图像的坐标空间，从而实现图像的配准。
3 四种几何变换模型
在图像配准中，常用的几何变换模型主要有刚体变换、相似变换、仿射变换、投影变换和非线性（多项式变换）等。
（1）刚体变换（Rigid Transformation），刚体变换主要是针对旋转和平移进行的一种变换。

（2）相似变换（Similarity Transformation），它是一种特殊的线性代数中的几何变换方法，在涉及平移、旋转以及镜像（称为反射）等操作时被广泛应用于图形处理领域。
（3）仿射变换（Affine Transformation），它也是一种特殊的线性代数中的几何变换方法，在涉及平移、旋转、镜像（称为反射）、缩放等操作时被广泛应用于图形处理领域。
（4）投影变换（Projective Transformation），它是一种特殊的线性代数中的几何变换方法，在涉及平移、旋转以及镜像（称为反射），投影等操作时被广泛应用于计算机视觉和图像处理领域。

(5) 非线性（多项式）变换，可以实现平移、旋转、镜像（即反转），投影，扭曲。