目錄
一，圖像配準的定義
二，圖像配準的基本步驟
三，圖像配準大緻方法
四，圖像配準大緻實作步驟
五，基于特征的算法總結
一，圖像配準的定義
圖像配準與相關是圖像處理研究領域中的一個典型問題和技術難點，其目的在于比較或融合針對同一對象在不同條件下擷取的圖像，例如圖像會來自不同的采集裝置，取自不同的時間，不同的拍攝視角等。具體地說，對于一組圖像資料集中的兩幅圖像，通過尋找一種空間變換把一副浮動圖像映射到另一幅參考圖像，使得兩圖中對應于空間同一位置的點一一對應起來，進而達到資訊融合的目的。
二，圖像配準的基本步驟
目前還沒有哪一種方法能夠應對所有的配準情況，任何一種配準算法都必須考慮圖像的成像原理、幾何變形、噪聲影響、配準精度等因素。從原理上講，配準大緻可以分為以下四個步驟：
1）特征提取 采用人工或者自動的方法檢測圖像中的不變特征，如：閉合區域、邊緣、輪廓、角點等。特征提取算法需要滿足以下三個條件 （a）顯著性，所提取的特征應該是比較明顯的，分布廣泛的、易于提取的特征； （b）抗噪性，具有較強的噪聲抑制能力且對成像條件的變化不敏感； （c）一緻性，能準确地檢測出兩幅圖像的共有特征； 2）特征比對 通過特征描述算作及相似性度量來建立所提取的特征之間的對應關系。特征比對常用到的區域灰階、特征向量空間分布和特征符号描述等資訊。某些算法在進行特征比對的同時也完成了變換模型參數的估計。 3）變換模型估計 指根據待配準圖像與參考圖像之間的幾何畸變的情況，選擇能最佳拟合兩幅圖像之間變化的幾何變換模型，可以分為全局映射模型和局部映射模型。其中，全局映射模型利用所有控制點資訊進行全局參數估計；局部映射模型利用圖像局部的特征分别進行局部參數估計。常見的變換模型包括仿射變換、透視變換、多項式變換等，其中最常用的是仿射變換和多項式變換。 4）坐标變換與插值 将輸入圖像做對應的參數變換，使它與參考圖像處于同一個坐标系下。由于圖像變換後的坐标點不一定是整數，是以，需要考慮一定的插值處理操作。常用的插值方法包括：最近鄰插值、雙線性插值、雙三次插值、B樣條插值、高斯插值。
三，圖像配準大緻方法
四，圖像配準大緻實作步驟
基于灰階資訊的圖像配準方法，大緻可以分為三類：互相關法（也稱模闆比對法）、序貫相似度檢測比對法、互動資訊法
互相關法：它是一種比對度量，通過計算模闆圖像和搜尋視窗之間的互相關值，來确定比對的程度，互相關值最大時的搜尋視窗位置決定了模闆圖像在待配準圖像中的位置
序貫相似度檢測比對法：該方法的最主要的特點是處理速度快。該方法先選擇一個簡單的固定門限T，若在某點上計算 兩幅圖像殘差和的過程中，殘差和大于該固定門限T，就認為目前點不是比對點，進而終止目前的殘差和的計算，轉向别的點去計算殘差和，最後認為殘差和增長最慢的點就是比對點
互動資訊法：它是基于資訊理論的互動資訊相似性準則。初衷是為了解決多模态醫學圖像的配準問題。 互動資訊用來比較兩幅圖像的統計依賴性。首先将圖像的灰階視作具有獨立樣本的空間均勻随機過程， 相關的随機場可以采用高斯—馬爾科夫随機場模型建立，用統計特征及機率密度函數來描述圖像的統計性質。互動信 息是兩個随機變量A和B之間統計相關性的量度，或是一個變量包含另一個變量的資訊量的量度
基于變換域的圖像配準方法：最主要的變換域的圖像配準方法是傅氏變換方法，它主要有以下一些優點：圖像的平移、旋轉、仿射等變換在傅氏變換域中都有相應的展現
基于特征的圖像配準方法：常用到的圖像特征有：特征點（包括角點、高曲率點等）直線段、邊緣、輪廓、閉合區域、特征結構以及統計特征如矩不變量、重心等等。大緻步驟是特征提取，特征比對，變換模型估計，坐标變換
五，基于特征的算法總結
首先提取圖像的特征，再生成特征描述子，最後根據描述子的相似程度對兩幅圖像的特征之間進行比對。圖像的特征主要可以分為點、線（邊緣）、區域（面）等特征，也可以分為局部特征和全局特征。區域（面）特征提取比較麻煩，耗時，是以主要用點特征和邊緣特征
1.适用性差，一種方法或一組參數隻适用于某一特定模态甚至是特定的資料集上； 2.處理速度慢，由于傳統的配準方法大都是采用疊代優化的方式搜尋最優參數的，這導緻其處理速度相當慢，很難應用在實時化場景中； 3.配準的結果評估是一個沒有金标準的難題 4.等。。。。。。。。。。。。。。。
下一篇将介紹基于深度學習的方法