图像配准算法综述.docVIP

杭州电子科技大学 毕业设计（论文）文献综述 毕业设计题目 SIFT特征研究及应用 文献综述题目 图像配准算法综述 学 院 生命信息及仪器工程学院 专 业 电子信息技术及仪器 姓 名 班 级 学 号 指导教师 图像配准算法综述 前言 图像配准是指找出场景中同一物体表面的结构点在不同图像上的投影像素点之间的对应关系，是图像信息处理领域中一项非常重要的技术，同时也是其它一些图像分析技术，如立体视觉、运动分析、数据融合等的基础。 目前图像配准广泛应用于虚拟现实、视频压缩、图像复原、图像数据库检索等技术中。图像配准的研究是计算机视觉中最困难也是最重要的任务之一。不同的图像配准方法总是对应于某种适用的图像变换模型，其核心问题是提高配准的速度、精度和算法的稳健度。 随着科学技术的发展现在约40%的机器视觉应用中都会使用图像匹配技术，所涉及的领域有：工业检测，导弹的地形匹配，光学和雷达的图像跟踪，交通管理，工业流水线的自动监控、工业仪表的自动监控，医疗诊断，资源分析，气象预报，文字识别以及图像检索等。 图像匹配研究按其处理步骤可以分为样本采集、样本预处理、样本分割、样本的特征提取等，并且与计算机视觉、多维信号处理和数值计算方法等紧密结合。它也是其它一些图像分析技术，如立休视觉、运动分析、数据融合等的基础。正因为其应用的广泛性，新的应用和新的要求逐步产生，使得匹配算法的研究逐步走向深入，出现了快速、稳定、鲁棒性好的匹配算法。因此，研究图像的匹配算法对于如何提高实际工程中的图像处理质量和识别精度具有非常重要的意义。 本文主要分析图像匹配常用方法的优点和不足之处，讨论了图像匹配中需要进一步研究和解决的问题。 图像配准算法的研究现状 图像配准是立体视觉、运动分析、数掘融合等实用技术的基础，在导航、地图与地形配准、自然资源分析、天气预报、环境监测、生理病变研究等许多领域有重要的应用价值。国内外学者针对不同的图像配准应用问题进行了大量的研究工作，早在1992年英国剑桥大学的Lisa Gottesfeld Brown在文献[]习中就总结了图像配准的主要理论及图像配准在各个领域的应用。当时他讨论的图像配准技术主要还是著眼于医学图像处理、遥感图像处理等传统应用领域。图像配准是图像镶嵌技术的核心问题。 微软研究院的Richard Szeliski在1996年SIGGRAPH上提出了基于运动模型的全景图拼接算法[]。Szeliski采用了非线性优化的方法来最小化像素两幅图像的亮度差以确定变换参数。该方法使用了全部像素进行优化处理，所以配准精度较高，但是计算速度较慢，且稳健性不佳。 国内的赵向阳。杜立民在2004年提出了一种基于特征点匹配的图像自动拼接算法[]，其中使用了Harris算法[]提取角点并进行匹配。赵的算法采用了鲁棒变换估计技术，在一定程度上提高配准算法的稳健性，但是计算速度依然较慢，且无法配准重叠区域较小、运动物体较多的图像。MBrown在2003年ICCV大会上发表了一篇名为Recognising Panoramas的文章[]，文中使用了基于不变量技术[]的SIFT算法[]进行图像配准，算法完全自动完成且效果较好。MBrown的大会发言再次掀起了全景图拼接技术研究的热潮。 另外，BReddy和BChatterji[7]中提出了一种基于FFT的图像配准方法，可以处理包含平移、缩放和尺度变化在内的图像配准问题；李忠新等在2004年提出了一种基于频域相关的柱面全景图拼接技术[]。这些方法都是在变换域进行图像配准的例子。基于像素灰度的匹配[]的序贯相似性检测法SSDA) SSDA 算法是一种快速图像匹配算法，它使用式()作为相似性度量 SSDA随机选取位置上的像素，但选取不能重复，求和时并不计算所有的像素，只要其和超过设定的阀值，则说明当前位段为非匹配位置，停止本次计算，否则进行下一位置的测试，直至找到匹配点为止。 归一化积相关灰度匹配 归一化积相关具有不受比例因子误差影响和抗白噪声干扰能力强等优点，其度量定义如式(2) 比较参考图像与输入图像在各个位置的相关系数值最大的点就是最佳匹配位置。 刘煜 李言俊等在文献[10]中提到了一种解决几何形变所带来的模板匹配误差的方法。根据单像素的偏移将导致相关性的骤降，而多像素的偏移会使相关性缓慢减少的特性，采用多像素边缘匹配方法，克服了当实时图与基准图之间存在局部变形时，单像素边缘匹配方法将会影响实时图与它在基准图真实位置的相关性的缺点， 使之仍能保证整体上较大的相似性，减小了相关算法受边缘变形等的影响。 2.1图像匹配的三要素 (1)特征空间 特征空间是由参与匹配的图像特征构成的，特征可以是灰度值，也可以是边界、轮廓、表面、显著特征、统