圖像配準(zhǔn)融合介紹

1、圖像配準(zhǔn)操作（Image Registration）是在不同條件下得到的并且位 于不同坐標(biāo)系下的同一場(chǎng)景（或物體）的二幅或者多幅圖像進(jìn)行對(duì)準(zhǔn)疊 加的過(guò)程由于成像條件不同，同一場(chǎng)景（物體）的多幅圖像會(huì)在分辨率、 成像模式、灰度屬性、位置（平移和旋轉(zhuǎn)卜比例尺度、非線性變形及 曝光時(shí)間等方面存在很多差異，圖像配準(zhǔn)就是要克服這些困難，最終將 這些圖像在幾何位置上進(jìn)行配準(zhǔn)，以便能夠綜合利用多幅圖像中的信 息滿足一定的應(yīng)用需求。概括來(lái)說(shuō)，圖像配準(zhǔn)問(wèn)題就是將位于不同坐 標(biāo)系下同一場(chǎng)景的二幅或多幅圖像，尋找一種特定的最優(yōu)幾何變換，將 兩幅或多幅圖像變換到同一坐標(biāo)系的過(guò)程背景、意義背景圖像配準(zhǔn)最早在美國(guó)70年代

2、飛行器輔助導(dǎo)航系統(tǒng)、武器投射系 統(tǒng)的末端制導(dǎo)以及尋地等應(yīng)用研究中提出。經(jīng)過(guò) 20年的研究成功地 用于中程導(dǎo)彈及戰(zhàn)斧式巡航導(dǎo)彈上彈著點(diǎn)誤差半徑不超過(guò)十幾米。80年代后很多領(lǐng)域都有大量配準(zhǔn)技術(shù)的應(yīng)用，如遙感領(lǐng)域、模式識(shí)別、 自動(dòng)導(dǎo)航、醫(yī)學(xué)診斷、計(jì)算機(jī)視覺(jué)等。各個(gè)領(lǐng)域的配準(zhǔn)技術(shù)都是對(duì)各 自具體的應(yīng)用背景結(jié)合實(shí)際情況量身訂制的技術(shù)。但是不同領(lǐng)域的配準(zhǔn)技術(shù)之間在理論方法上又具有很大的相似性。目前國(guó)內(nèi)外研究圖像配準(zhǔn)技術(shù)比較多的應(yīng)用領(lǐng)域有：紅外圖像處理、遙感圖像處理、數(shù)字地圖定位和醫(yī)學(xué)圖像處理等領(lǐng)域。70 年代 PE.Anuta 提出用 FFT （Fast Fourier Transform快速傅里葉 變換

3、）進(jìn)行圖像配準(zhǔn)；D.I.Barnea 和 H.F.Silverman SSDA（SequentialSimilarty Detection Algorithm 序貫相似性檢測(cè)算法）進(jìn)行圖像配準(zhǔn)該 算法的優(yōu)點(diǎn)是圖像配準(zhǔn)的處理速度相對(duì)其它算法來(lái)說(shuō)得到了提高； W.Pratt在數(shù)字圖像處理中詳細(xì)闡述了各種用于圖像配準(zhǔn)的相似度量 函數(shù)；后來(lái)A.Roche等將相關(guān)相似度函數(shù)擴(kuò)展并應(yīng)用得到多模態(tài)圖像 配準(zhǔn)當(dāng)中（缺陷：不能處理較復(fù)雜的多模態(tài)圖像間的配準(zhǔn)、利用其計(jì) 算的相似性的峰會(huì)較平坦、顯著性較低、計(jì)算復(fù)雜度較高）PE.Anuta等提出了改進(jìn)的基于邊界信息計(jì)算的相關(guān)相似度量，有效地提高了該相似度量相對(duì)于光照

4、變化的魯棒性；PViola and W.M.Wells III，等在1997較早地將信息論中的交互信息用于圖像的配準(zhǔn)操作Thevenaz and Unser等嘗試了各種途徑來(lái)解決多種交互信息在圖像配準(zhǔn)應(yīng)用中 遇到的技術(shù)問(wèn)題口，由此，他們也成功地提出了利用 Parzen窗來(lái)計(jì)算交 互信息。交互信息能夠有效地實(shí)現(xiàn)多模態(tài)圖像間的圖像配準(zhǔn)。為了滿足很多具體應(yīng)用對(duì)高精度的需求，最近幾十年內(nèi)己經(jīng)提出 很多能夠達(dá)到亞像素精度的圖像配準(zhǔn)算法為了實(shí)現(xiàn)亞像素圖像配準(zhǔn)，插值函數(shù)被廣泛用來(lái)克服圖像離散化對(duì)圖像配準(zhǔn)精度帶來(lái)的負(fù)面影 響。V N Dvornychenko利用插值函數(shù)對(duì)由相似度量函數(shù)計(jì)算得到的相 似值組成的

5、曲面實(shí)現(xiàn)插值的方法，實(shí)現(xiàn)了亞像素的圖像配準(zhǔn)精度；J.A.Parker等人利用插值函數(shù)對(duì)圖像灰度值進(jìn)行插值從而實(shí)現(xiàn)亞像素 的圖像配準(zhǔn)精度的方法，并對(duì)各種插值函數(shù)進(jìn)行了性能的對(duì)比。因?yàn)?有些插值方法會(huì)產(chǎn)生新的灰度值而引起圖像灰度分布發(fā)生變化的缺 點(diǎn),Maes等人提出了部分體積插值法（Partial Volume Interpolation, PV> PV方法實(shí)際上并不直接計(jì)算出插值點(diǎn)的灰度值，而是根據(jù)線性插值的 權(quán)重分配原則，將每對(duì)像素對(duì)聯(lián)合直方圖的貢獻(xiàn)分散到聯(lián)合直方圖上 與之相鄰的各個(gè)像素對(duì)上，這樣聯(lián)合直方圖上各個(gè)像素對(duì)的頻度值以 小數(shù)增加，不會(huì)出現(xiàn)新的灰度值而破壞目標(biāo)函數(shù)值分布的光滑性。

6、意義圖像配準(zhǔn)的應(yīng)用前景非常的廣闊。無(wú)論在地理遙感領(lǐng)域還是在軍 事、醫(yī)學(xué)領(lǐng)域都能看到圖像配準(zhǔn)技術(shù)的應(yīng)用實(shí)例。圖像配準(zhǔn)作為圖像處理中一個(gè)基本問(wèn)題 ，源自于多個(gè)領(lǐng)域中很多 實(shí)際問(wèn)題的不同應(yīng)用需求，同時(shí)它也是眾多圖像分析和處理任務(wù)的關(guān) 鍵步驟。由于圖像配準(zhǔn)在航空影像自動(dòng)制圖、圖像三維重構(gòu)、計(jì)算機(jī) 視覺(jué)、遙感融合、模式識(shí)別、醫(yī)學(xué)圖像處理、影像分析等眾多領(lǐng)域內(nèi) 有著廣泛的應(yīng)用，所以它也是當(dāng)前科研領(lǐng)域中的重要研究熱點(diǎn)之一。在醫(yī)學(xué)圖像處理方面，隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展，醫(yī)學(xué)成像技術(shù)得到了快速的發(fā)展，尖端的新型醫(yī)療影像設(shè)備層出不窮，如計(jì)算機(jī) X線攝影（CR）數(shù)字X線攝影（DR）直接數(shù)字X線攝影（DDR） X線計(jì)

7、 算機(jī)斷層攝影（CT）核磁共振成像（MRI）、數(shù)字減影血管造影（DSA）超 聲成像（US> 丫閃爍成像（丫 -scintigraphy）、單光子發(fā)射體層成像（SPECT） 正電子發(fā)射體層成像（PET等等，這些已經(jīng)成為現(xiàn)代醫(yī)學(xué)診斷必不可少 的醫(yī)學(xué)數(shù)字成像手段、由于這些醫(yī)學(xué)數(shù)字成像設(shè)備有不同的靈敏度和 分辨率，它們有各自的使用范圍和局限性。多種模式圖像的結(jié)合能充 分利用圖像自身的特點(diǎn)并做到信息互補(bǔ)。根據(jù)醫(yī)學(xué)圖像所提供的信息內(nèi)涵，我們可以將這些信息主要分為解剖結(jié)構(gòu)成像和功能成像兩大類。這兩類成像方式同樣各有優(yōu)缺點(diǎn)，解剖成像（CT, MRI, B超等）的優(yōu)點(diǎn)是分辨率高，能夠提供人體內(nèi)臟器 官的解

8、剖形態(tài)信息；功能成像（PET,SPECT）的缺點(diǎn)是成像分辨率較低， 但能夠提供人體內(nèi)器官、大腦的功能代謝信息。即使是像CT MRI、PET的同一種成像方式，得到圖像的信息也不完全相同。CT圖像能夠 清晰的顯示骨骼的結(jié)構(gòu)圖像，MRI適合對(duì)軟組織形態(tài)成像，而PET能夠 反映身體器官的新陳代謝狀況。不同成像技術(shù)對(duì)人體同一組織得到的 形態(tài)信息和功能信息存在一定差異，但是它們提供的信息又是互相補(bǔ) 充的。為了充分利用這些成像方式提供的信息，臨床醫(yī)生迫切希望能夠?qū)⑼徊∪说牟煌瑘D像信息進(jìn)行配準(zhǔn)、融合 ，將成像結(jié)果綜合起來(lái)， 這就需要對(duì)不同的圖像進(jìn)行配準(zhǔn)及信息融合技術(shù)。圖像的融合是指將兩幅（或兩幅以上）來(lái)自不

9、同成像設(shè)備或不同時(shí) 刻獲取的己配準(zhǔn)圖像，采用某種算法，把各個(gè)圖像的優(yōu)點(diǎn)或互補(bǔ)性有機(jī) 結(jié)合起來(lái)，獲得信息量更為豐富的新圖像的技術(shù)，醫(yī)學(xué)圖像的配準(zhǔn)和 融合有著密切的關(guān)系，特別是對(duì)于多模態(tài)圖像而言，配準(zhǔn)則是進(jìn)行圖像 融合的必要條件。配準(zhǔn)是融合的前提，也是決定圖像融合技術(shù)發(fā)展的 關(guān)鍵技術(shù)，若事先不對(duì)待融合圖像進(jìn)行空間上的配準(zhǔn)，那么融合后的圖 像也是毫無(wú)意義的。近幾十年以來(lái)，圖像配準(zhǔn)在醫(yī)學(xué)上的應(yīng)用日益受到醫(yī)學(xué)界和工程 界的重視，己在世界范圍廣泛展開，在相關(guān)文獻(xiàn)中己經(jīng)提出了很多種醫(yī) 學(xué)圖像配準(zhǔn)的方法，這些研究成果廣泛地運(yùn)用到醫(yī)學(xué)領(lǐng)域中。圖像配 準(zhǔn)在醫(yī)學(xué)中的應(yīng)用領(lǐng)域主要有以下幾方面：1）組織切片圖像的處理與

10、顯微結(jié)構(gòu)三維重建；2）疾病診斷及其發(fā)展和消退的過(guò)程檢測(cè)；3）神經(jīng)外科手術(shù)可視化！神經(jīng)外科手術(shù)一計(jì)劃及術(shù)前評(píng)估；4）感覺(jué)運(yùn)動(dòng)和認(rèn)知過(guò)程的神經(jīng)功能解剖學(xué)研究；5）神經(jīng)解剖變異性的形態(tài)測(cè)量分析學(xué)；6）放射治療和立體定向放射外科治療計(jì)劃；總之，開展醫(yī)學(xué)圖像配準(zhǔn)研究，探索提高配準(zhǔn)精度、速度和魯棒 性的理論和關(guān)鍵技術(shù)，對(duì)于完善配準(zhǔn)理論、拓展配準(zhǔn)的應(yīng)用領(lǐng)域等都 具有重要的理論和實(shí)踐意義。現(xiàn)狀、問(wèn)題點(diǎn)經(jīng)過(guò)多年的研究，圖像配準(zhǔn)技術(shù)無(wú)論在醫(yī)學(xué)還是在遙感圖像處理都已經(jīng)取得了很多研究成果，但是由于科技的不斷發(fā)展促使新的應(yīng)用 不斷涌現(xiàn)、圖像采集設(shè)備的復(fù)雜多樣性，并且不斷更新?lián)Q代、影響圖 像配準(zhǔn)的因素的復(fù)雜性多樣性等并且

11、隨著近年來(lái)某些具體應(yīng)用對(duì)各 種性能指標(biāo)要求的不斷提高，圖像配準(zhǔn)技術(shù)也必然產(chǎn)生一些新的急需 解決的問(wèn)題，所以圖像配準(zhǔn)的技術(shù)還有待于進(jìn)一步完善發(fā)展，例如： 提高圖像配準(zhǔn)的自動(dòng)化程度、提高圖像配準(zhǔn)的精度、克服圖像離散化 對(duì)圖像配準(zhǔn)精度帶來(lái)的負(fù)面影響、 改善圖像配準(zhǔn)算法的運(yùn)算效率、 穩(wěn) 定性、魯棒性和可靠性、提出有效衡量圖像配準(zhǔn)結(jié)果好壞的評(píng)價(jià)標(biāo)準(zhǔn) 等等。主要技術(shù)手段圖像配準(zhǔn)方法的關(guān)鍵步驟特征值提?。ㄌ卣靼ǎ褐本€的交點(diǎn)、角點(diǎn)、直線、邊界輪廓、 封閉的區(qū)域最具代表性的是 點(diǎn)、曲線、輪廓；特征點(diǎn)又稱圖像配準(zhǔn) 基準(zhǔn)點(diǎn)）特征值匹配（首先要根據(jù)所選的特征，選取并計(jì)算合適的特征描 述子。其次，選取合適的相似度量函

12、數(shù)，以便計(jì)算特征之間的匹配程度； 最后，根據(jù)計(jì)算出的候選匹配關(guān)系找出正確匹配特征對(duì)集）集合變換模型的選取及參數(shù)的確定（根據(jù)所得到的特征間的對(duì)應(yīng) 關(guān)系，計(jì)算出選定的幾何變換模型的參數(shù)。然后再根據(jù)相似度量函數(shù) 優(yōu)化已計(jì)算出的幾何變換參數(shù)，以實(shí)現(xiàn)圖像的精配準(zhǔn)）配準(zhǔn)圖像的重新采樣及圖像的匹配（根據(jù)具體應(yīng)用的需求 ，選取 合適的插值函數(shù)，用已經(jīng)計(jì)算出的精確的幾何映射函數(shù) ，將浮動(dòng)圖像 映射到基準(zhǔn)圖像的坐標(biāo)空間，從而實(shí)現(xiàn)圖像的配準(zhǔn)操作。）圖像配準(zhǔn)方法可分為三類：基于灰度信息法，基于變換域法和基 于特征法。在選取幾何變換模型時(shí)必須綜合考慮成像傳感器、成像平臺(tái)、成 像條件、拍攝場(chǎng)景等各方面的因素，使選擇的變換

13、模型盡可能真實(shí)的 反映參考圖像和待配準(zhǔn)圖像之間的幾何變換關(guān)系。圖像配準(zhǔn)中采用的變換模型主要分為以下兩大類：（1）全局變換模型（Global Transformation）,它將基準(zhǔn)圖像和浮動(dòng)圖 像之間的幾何變換關(guān)系用一個(gè)函數(shù)來(lái)表示。 這樣圖像之間的配準(zhǔn)問(wèn)題便轉(zhuǎn)換為如何優(yōu)化求解所選定的幾何變換模型的參數(shù)值的問(wèn)題。這種變換模型為現(xiàn)有的大多數(shù)配準(zhǔn)方法所采用；(2)局部變換模型(Local Transformation)通常被用在基準(zhǔn)圖像和浮 動(dòng)圖像之間的空間變換關(guān)系非常復(fù)雜，不能用一個(gè)函數(shù)來(lái)表示的情況 下,如大尺寸圖像之間的配準(zhǔn)。局部變換模型將基準(zhǔn)圖像和浮動(dòng)圖像 不同部分的空間對(duì)應(yīng)關(guān)系用不同的函數(shù)表

14、示這種變換模型在現(xiàn)有的 圖像配準(zhǔn)方法中應(yīng)用較少圖像配準(zhǔn)中常用的幾何變換模型主要包括：1 .剛體變換(rigid body transformation):剛體變換可分解為平移、旋轉(zhuǎn)以及反轉(zhuǎn)，它變換特性是圖像中的 兩點(diǎn)在變換后歐氏距離保持不變，且兩條直線的平行或垂直關(guān)系不變。 在二維空間中，點(diǎn)(x, y)通過(guò)剛性變換至點(diǎn)(x', y')的過(guò)程可表 木為, 2 .相似變換(Similarity Transformation)(旋轉(zhuǎn) 平移 縮放4自由 度兩點(diǎn)確定)：物體經(jīng)過(guò)相似變換后，其形狀保持不變。相似變換能夠?qū)⑾嗷テ?行的直線映射成平行直線，相互垂直的直線映射成為垂直直線。適用

15、于具有相同視角不同拍攝位置的同一傳感器的兩幅圖像。3 .仿射變換(Affine Transformation)(旋轉(zhuǎn) 平移 縮放 剪切變換； 最常用的幾何變換模型 6自由度3點(diǎn)確定)：如果第一幅圖像中的一條直線經(jīng)過(guò)變換映射到第二幅圖像上仍 然為直線，并且保持平衡關(guān)系，這樣的變換稱為仿射變換。他比剛體 變換多了縮放變換。這種變換將直線依然映射為直線，并保持直線間 的平行關(guān)系但不保持直線段長(zhǎng)度和他們的角度。在二維空間中，點(diǎn)(x,V)經(jīng)仿射變換到點(diǎn)(x'，y)的變換公式為4 .投影變換(Projective transformation)(它可以折為一系列的基 本變換 包括平移 旋轉(zhuǎn) 縮放

16、剪切8個(gè)自由度4點(diǎn)確定)；如果一幅圖像中的一條直線經(jīng)過(guò)變換后映射到第二幅圖像上仍 是直線，但平行關(guān)系基本不保持，則這樣的變換稱為投影變換，一般 用于成像視點(diǎn)的圖像配準(zhǔn)問(wèn)題中，在二維空間中變換公式為5 .非線性變換(Nonlinear transformation)：如果第一幅圖像中的一條直線經(jīng)過(guò)變換后映射到第二幅圖像上不再是直線，則這樣的變換稱為非線性變換，一般用于比較復(fù)雜的圖 像畸變中 變換公式為6 .若投影變換(Projective Transformation):它可以折為一系列的基本變換，包括、平移、旋轉(zhuǎn)、縮放、剪切 變換，由3點(diǎn)不共線的四個(gè)點(diǎn)唯一確定。它適用于場(chǎng)景或目標(biāo)離成像 平臺(tái)相

17、對(duì)于物體的深度來(lái)說(shuō)較遠(yuǎn)的兩幅圖像之間的配準(zhǔn)。多項(xiàng)式變換(非線性模型，一般將直線映射成曲線實(shí)際中多項(xiàng)式變換模型一般均采用二次以下，一次多項(xiàng)式模型就是仿射變換模型基于灰度信息的圖像配準(zhǔn)方法此類方法直接利用整幅圖像之間的相似性，以圖像內(nèi)部的信息為 依據(jù)，然后采用搜索方法尋找使相似度量最大或最小值點(diǎn)，確定參考 圖像和浮動(dòng)圖像之間的變換參數(shù)。 實(shí)現(xiàn)簡(jiǎn)單，不需要對(duì)參考圖像和待 配準(zhǔn)圖像進(jìn)行復(fù)雜的預(yù)處理，但運(yùn)算量大，不能直接用于校正圖像的 非線性形變?；ハ嚓P(guān)法(Cross Correlation, C。：互相關(guān)法是一種匹配度量， 通過(guò)計(jì)算模板圖像和搜索窗口之間的互相關(guān)值，來(lái)確定匹配的程度， 互相關(guān)值最大時(shí)的

18、搜索窗口位置決定了模板圖像在待匹配圖像中的 位置，通常被用于進(jìn)行模板匹配和模式識(shí)別。(歸一化的交叉相關(guān)相似度量函數(shù)(Normalized Cross Correlation NCC)序貫相似性檢測(cè)算法(Sequential Similarity Detection Algorithm , SSDA )一種快速的區(qū)域匹配算法，它直接計(jì)算一個(gè)給定區(qū)域內(nèi)像素誤差 的累積，對(duì)于基準(zhǔn)圖像R中選定的模板區(qū)域T和浮動(dòng)圖像S,SSDAt 接用對(duì)應(yīng)的灰度差的絕對(duì)值的和來(lái)表示它們之間的相似程度。該方法先選擇一個(gè)簡(jiǎn)單的固定門限，若在某點(diǎn)上計(jì)算兩幅圖像殘差和的過(guò)程 中，殘差和大于該固定門限，就認(rèn)為當(dāng)前點(diǎn)不是匹配點(diǎn)，從

19、而終止當(dāng)前 的殘差和的計(jì)算，轉(zhuǎn)向別的點(diǎn)去計(jì)算殘差和，最后認(rèn)為殘差和增長(zhǎng)最慢 的點(diǎn)就是匹配點(diǎn)。它克服了一般模板匹配算法計(jì)算量大的缺點(diǎn)。傳統(tǒng)的圖像相關(guān)匹配算法精度高，匹配速度較慢，在實(shí)際應(yīng)用中受到限制， 而SSDA算法能很快丟棄不匹配的點(diǎn)，減少花在不匹配點(diǎn)上的計(jì)算量， 從而提高匹配速度，且算法比較簡(jiǎn)單，易于實(shí)現(xiàn)互信息法通過(guò)引入信息論中的一個(gè)基本概念互信息(Mutual informion ,Ml),研究者構(gòu)建了基于交互信息的相似性度量函數(shù)(MutualInformational)互信息用于描述兩個(gè)變量間的統(tǒng)計(jì)相關(guān)性，即一個(gè)變量中包含的另一個(gè)變量中的信息的多少，表示兩個(gè)隨機(jī)變量之間的依賴程度。如果兩

20、幅圖像幾何上對(duì)齊的話，它們對(duì)應(yīng)體素所對(duì)應(yīng)的強(qiáng)度 值的互信息最大。由于該方法不需要對(duì)兩種成像模式中圖像強(qiáng)度間關(guān) 系的性質(zhì)作任何假設(shè)，也不需要對(duì)圖像作任何分割或任何預(yù)處理，所以 被廣泛地用于各種圖像配準(zhǔn)算法中。(Studholme在互信息的基礎(chǔ)上 提出了一種更為穩(wěn)定的歸一化交互信息(Normalized Mutual Information,NMI)還有些學(xué)者將其它信息與互信息結(jié)合起來(lái)，提出了一系列有效的 圖像配準(zhǔn)算法，比如Pluim等人提出將互信息和圖像的梯度信息結(jié)合 起來(lái)以改善其極值性能；Thevenaz等采用一種多分辨率圖像金字塔方 法以提高最大化交互信息的優(yōu)化速度；Anthony等將互信息

21、和空間信 息結(jié)合起來(lái)，提出空間互信息法(spatial mutual information),此方法不 但比互信息對(duì)噪聲有更好的魯棒性，而且在多模圖像配準(zhǔn)中更可靠Skouson等推導(dǎo)出兩幅圖像交互信息的上界，從而給出了有關(guān)互信息 屬性的更深認(rèn)識(shí)，并指出在一些情況下交互信息不一定能夠得到最優(yōu) 化的結(jié)果基于變換域信息的圖像配準(zhǔn)方法基于變換域信息的圖像配準(zhǔn)方法包括：基于傅立葉、小波變換、 Warsh變換等。其中常用的是基于傅立葉變換圖像配準(zhǔn)方法，該方法主 要有以下一些優(yōu)點(diǎn)：圖像的平移、旋轉(zhuǎn)、仿射等變換在傅立葉變換中 都有相應(yīng)的體現(xiàn)；同時(shí)傅立葉變換域的方法還有可能獲得一定程度的 抵抗噪聲的魯棒性。傅

22、氏變換對(duì)于圖像配準(zhǔn)是非常有用的，但它也有相當(dāng)?shù)木窒扌?，如傅氏變換方法只能用來(lái)配準(zhǔn)灰度屬性有線性正相關(guān) 的圖像，圖像之間必須是嚴(yán)格滿足定義好的變換關(guān)系等基于相位相關(guān)的圖像配準(zhǔn)方法：1975年，相位相關(guān)(Phase Correlation)的概念被應(yīng)用到圖像配準(zhǔn)領(lǐng) 域中，很好地解決了僅存在平移的圖像之間的配準(zhǔn)。相位相關(guān)方法的 主要依據(jù)是傅立葉的位移原理。基于小波變換的圖像配準(zhǔn)方法：20世紀(jì)80年代,自提出小波變換以來(lái)，小波變換一度成為圖像處 理領(lǐng)域的研究熱點(diǎn)，于是也發(fā)展了基于小波變換的各種圖像配準(zhǔn)算法 文獻(xiàn)中闡述了利用小波分解方法做圖像配準(zhǔn)的合理性，結(jié)合小波分解 和相關(guān)系數(shù)法，利用子空間搜索和統(tǒng)計(jì)

23、特征匹配代替窮盡搜索法，在并 行計(jì)算機(jī)上實(shí)現(xiàn)對(duì)遙感圖像的多分辨率配準(zhǔn)；文獻(xiàn)首先利用小波分解 得到低頻圖像信息，同時(shí)結(jié)合交互信息法得到初始參數(shù)。然后，在下一 層的計(jì)算中采用前期的參數(shù)作為初始值，以減少計(jì)算負(fù)擔(dān)，不斷細(xì)化,直至產(chǎn)生最優(yōu)配準(zhǔn)參數(shù)的集合基于其它變換的圖像配準(zhǔn)方法：2006年,G.Lazaridis等提出用wralsh變換進(jìn)行圖像配準(zhǔn)，該方法能 夠?qū)Υ嬖谛D(zhuǎn)和平移的圖像進(jìn)行配準(zhǔn)基于特征的圖像配準(zhǔn)方法對(duì)于存在較大幾何變形的圖像間的配準(zhǔn)，僅僅直接利用灰度信息， 有時(shí)不能完成圖像之間的配準(zhǔn)。這類圖像間的配準(zhǔn)，一般需要經(jīng)過(guò)粗 配準(zhǔn)和精配準(zhǔn)兩個(gè)步驟。粗配準(zhǔn)過(guò)程主要是利用基準(zhǔn)圖像與浮動(dòng)圖像 之間的顯

24、著特征及其對(duì)應(yīng)關(guān)系消除圖像間的幾何變形。然后在此基礎(chǔ)上進(jìn)行精配準(zhǔn)，從而精確地估計(jì)出圖像之間的幾何變換模型和相應(yīng)參 變量的值，并最終完成圖像配準(zhǔn)操作"基于特征的圖像配準(zhǔn)方法，并不 直接對(duì)圖像灰度信息進(jìn)行操作，而是首先從基準(zhǔn)圖像和浮動(dòng)圖像中提 取一些共同特征作為配準(zhǔn)基元，然后通過(guò)建立配準(zhǔn)基元之間的對(duì)應(yīng)關(guān) 系估算出基準(zhǔn)圖像和與浮動(dòng)圖像之間幾何變換模型及其參變量值"基于特征圖像配準(zhǔn)方法一般包含以下幾步：特征選擇與提??！特征匹配！ 幾何變換模型的選取與參變量的估計(jì)！圖像重新采樣與變換"其基本過(guò)程與其它方法相比，基于特征的方法具有計(jì)算復(fù)雜度低！魯棒性強(qiáng)! 能夠適用于部分存在復(fù)

25、雜幾何變形圖像之間的圖像配準(zhǔn)等優(yōu)點(diǎn)"1）計(jì)算復(fù)雜度低：基于相似度量函數(shù)的圖像配準(zhǔn)算法，由于是采用 相似度量函數(shù)，并且是根據(jù)幾何變換模型定義的搜索空間進(jìn)行搜索，因此其計(jì)算復(fù)雜度較高"但是基于特征的圖像匹配算法，其匹配的計(jì)算量 主要局限于少量所提取的特征集合間的匹配，從而極大地降低了圖像匹配過(guò)程的計(jì)算量"2）魯棒性強(qiáng)：由于圖像間噪音和圖像的多模態(tài)性的存在，基于灰度 信息的圖像匹配算法，受它們的影響較大，而基準(zhǔn)圖像和浮動(dòng)圖像間的 某些共有特征受圖像的噪音和圖像多模態(tài)性影響較小"因此基于特征的圖像配準(zhǔn)算法的穩(wěn)定性能要比基于灰度信息的圖像匹配算法更強(qiáng)"3

26、）適應(yīng)性強(qiáng)：能夠適用于存在更復(fù)雜）1；何變形的圖像之間的配準(zhǔn)" 而基于灰度信息的圖像配準(zhǔn)方法，當(dāng)基準(zhǔn)圖像和浮動(dòng)圖像之間存在較 大的幾何變形時(shí)，其搜索的幾何變換參數(shù)空間會(huì)隨其自由度的增大而 呈指數(shù)級(jí)的增加"因此，當(dāng)基準(zhǔn)圖像和浮動(dòng)圖像間存在復(fù)雜幾何變換時(shí) 基于灰度信息的圖像配準(zhǔn)方法在某些情況下便不能勝任"但是基于特征的方法，從理論上講，只要能夠找到包含有幾何變換信息的特征集間 的對(duì)應(yīng)關(guān)系，就能夠配準(zhǔn)兩幅圖像，其計(jì)算復(fù)雜度也不是隨幾何變換模 型自由度成指數(shù)級(jí)的增長(zhǎng)"所以說(shuō)，基于特征的算法能夠適用于存在更 復(fù)雜幾何變形圖像間的配準(zhǔn)操作"亞像素圖像配準(zhǔn)算法為了提高圖像配準(zhǔn)的精度，宋智禮提出了適用于仿射幾何變換模 型和平面投影變換幾何模型下的基于軌跡擾動(dòng)現(xiàn)象的相似度量函數(shù)"并提出了基于軌跡擾動(dòng)現(xiàn)象相似度量函數(shù)在這兩種幾何變換模型下 的計(jì)算數(shù)的學(xué)模型"經(jīng)實(shí)驗(yàn)證實(shí)，該相似度量函數(shù)很大程度地提高了圖 像配準(zhǔn)的精度基于灰度插值的亞像素圖像配準(zhǔn)方法，這類方法是直接對(duì)圖像的 灰度進(jìn)行插值，方法簡(jiǎn)單易懂，易于實(shí)現(xiàn)且應(yīng)用較多；基于相似程度因 子插值的亞像素圖像配準(zhǔn)方法，該類方法首先根據(jù)相似度量函數(shù)計(jì)算 得到相似程度曲線或曲面，然后利用對(duì)曲線或者曲面進(jìn)行擬合的方法 達(dá)到亞像素圖像配準(zhǔn)精度 ；基于梯度的亞像素圖像配準(zhǔn)方法；基于Newton-