圖像配準

配準技術的流程如下：首先對兩幅圖像進行特徵提取得到特徵點；通過進行相似性度量找到匹配的特徵點對；然後通過匹配的特徵點對得到圖像空間座標變換參數；最後由座標變換參數進行圖像配準。而特徵提取是配準技術中的關鍵，準確的特徵提取為特徵匹配的成功進行提供了保障。因此，尋求具有良好不變性和準確性的特徵提取方法，對於匹配精度至關重要。

圖像配準的方法迄今為止，在國內外的圖像處理研究領域，已經報道了相當多的圖像配準研究工作，產生了不少圖像配準方法。總的來説，各種方法都是面向一定範圍的應用領域，也具有各自的特點。比如計算機視覺中的景物匹配和飛行器定位系統中的地圖匹配，依據其完成的主要功能而被稱為目標檢測與定位，根據其所採用的算法稱之為圖像相關等等。

圖像配準的方式可以概括為相對配準和絕對配準兩種：相對配準是指選擇多圖像中的一張圖像作為參考圖像，將其它的相關圖像與之配準，其座標系統是任意的。絕對配準是指先定義一個控制網格，所有的圖像相對於這個網格來進行配準，也就是分別完成各分量圖像的幾何校正來實現座標系的統一。本文主要研究大幅面多圖像的相對配準，因此如何確定多圖像之間的配準函數映射關係是圖像配準的關鍵。通常通過一個適當的多項式來擬合兩圖像之間的平移、旋轉和仿射變換，由此將圖像配準函數映射關係轉化為如何確定多項式的係數，最終轉化為如何確定配準控制點（RCP）。

根據如何確定RCP的方法和圖像配準中利用的圖像信息區別可將圖像配準方法分為三個主要類別：基於灰度信息法、變換域法和基於特徵法，其中基於特徵法又可以根據所用的特徵屬性的不同而細分為若干類別。以下將根據這一分類原則來討論已經報道的各種圖像配準方法和原理。

基於灰度信息的圖像配準方法一般不需要對圖像進行復雜的預先處理，而是利用圖像本身具有灰度的一些統計信息來度量圖像的相似程度。主要特點是實現簡單，但應用範圍較窄，不能直接用於校正圖像的非線性形變，在最優變換的搜索過程中往往需要巨大的運算量。經過幾十年的發展，人們提出了許多基於灰度信息的圖像配準方法，大致可以分為三類：互相關法（也稱模板匹配法）、序貫相似度檢測匹配法、交互信息法。

基於特徵的匹配方法的共同之處是首先要對待配準圖像進行預處理，也就是圖像分割和特徵提取的過程，再利用提取得到的特徵完成兩幅圖像特徵之間的匹配，通過特徵的匹配關係建立圖像之間的配準映射關係。由於圖像中有很多種可以利用的特徵，因而產生了多種基於特徵的方法。常用到的圖像特徵有：特徵點（包括角點、高曲率點等）直線段、邊緣、輪廓、閉合區域、特徵結構以及統計特徵如矩不變量、重心等等。

是配準中常用到的圖像特徵之一，其中主要應用的是圖像中的角點，圖像中的角點在計算機視覺模式識別以及圖像配準領域都有非常廣泛的應用。基於角點的圖像配準的主要思路是首先在兩幅圖像中分別提取角點，再以不同的方法建立兩幅圖像中角點的相互關聯，從而確立同名角點，最後以同名角點作為控制點，確定圖像之間的配準變換。由於角點的提取已經有了相當多的方法可循，因此基於角點的方法最困難的問題就是怎樣建立兩幅圖像之間同名點的關聯。已報道的解決點匹配問題的方法包括鬆弛法、相對距離直方圖聚集束檢測法、Hausdorff距離及相關方法等等。這些方法都對檢測到的角點要求比較苛刻，比如有求同樣多的數目，簡單的變換關係等等，因而不能適應普遍的配準應用。

基於圖像配準的原理、步驟和方法，以及如何確定圖像配準的準則，知道影像匹配的速度、精度和可靠性是評價匹配質量好壞的三個重要指標。如何儘可能提高匹配質量、特別在精度和可靠性滿足的前提下進一步提高影像匹配速度，一直是計算機視覺、模式識別等領域研究的課題。 ^[1]