图像配准知识内容.pptVIP

中南大学生物医学工程研究所 图像配准 直方图匹配 中南大学生物医学工程研究所 图像配准 Hu不变矩 1962年Hute提出Hu不变矩，它对于匹配影像之间的平移、旋转和大小尺度变化具有自适应性 ，但它只适用于相似变换，不适于仿射变换。Hu最初用以下7个不变矩公式来描述目标特征: 中南大学生物医学工程研究所 图像配准 但实际上大部分文献都采用6个无量纲、消误差的组合不变矩 ： 中南大学生物医学工程研究所 图像配准 点模式匹配 模式识别中的点模式匹配，使用特征点集中点与点之间的位置关系进行匹配，较少（或没有）利用图像灰度、纹理和边缘信息，所以它对图像之间的旋转、灰度、纹理、分辨率等差异不敏感，能够匹配不同传感器的图像，且能进行图像之间的全自动配准。 匹配两个特征点集的实质是找到它们的同构子集。 要用到较多的数学知识。 中南大学生物医学工程研究所 图像配准 点模式匹配 Pengyu Hong等用图论的方法，把两点集看作两个无向图，然后提取它们的同构子图，但其算法复杂，只能用于匹配简单图片（如商标），对于复杂图片计算量过大。 罗纲等以传统的Umeyama 点集相关度量为基础,结合Procrustes正规化方法,通过引入加权矩阵得到新的相关度量函数,解决了传统方法要求点集维数相同的缺点，经过迭代运算,可对存在几何失真,且维数不同的两点集进行精确配准，但计算量较大。 中南大学生物医学工程研究所 图像配准 张立华等将待匹配的两个二维点集分别转化成为一个n维空间中的向量, 对这两个向量中的各元素进行简单的排序来解决点集匹配问题。 田原等通过建立一种图像点集间距离的描述方法，提出基于点集不变性匹配的目标检测与识别方法。 舒丽霞等用Hausdorff 距离对两特征点集进行匹配, 得到点集间的仿射变换关系。 孙焘等对主辅图像的特征点集分别进行Whitening变换,将点集间的一般仿射变换问题转换为刚性变换问题。 中南大学生物医学工程研究所 图像配准 桑农等以四元组代替点对进行点特征松弛匹配算法，提出了基于点特征的具有旋转与比例不变松弛匹配算法，但是该算法在匹配迭代过程中必须对所有实时图中的点特征进行一次比例与旋转变换,这在一定程度上影响了匹配速度。 陈志刚等以六元组为基础构建三角形,利用三角形在平移、比例放大和旋转变换后与原三角形相似的特性将其引入到基本点特征松弛匹配算法中,提出一种比例与旋转不变点特征松弛匹配算法。 中南大学生物医学工程研究所 图像配准 不规则三角网 不规则三角网（triangulated irregular network，TIN) 在地形图的制作中被广泛使用。绘制等高线时，先用测量点构造TIN，然后再根据TIN内插等高线。 中南大学生物医学工程研究所 图像配准 不规则三角网 TIN的优点：能真实反映地形变化，相比grid，数据量很小。在地形变化较大、特征点多的区域，三角网密集，能很好地反映地形变化；而在开阔、平坦的区域，特征点少，三角网稀疏，不会造成大量的冗余数据，也不会无谓地增加计算量。 TIN用于图像配准时，同样具有这一优点。 中南大学生物医学工程研究所 图像配准 * * 图 像 配 准 中南大学生物医学工程研究所 中南大学生物医学工程研究所 图像配准 用词说明 各种图像配准的文献都会出现“配准、匹配、几何校正”三个词，它们的含义比较相似。 一般两幅图像之间用“配准（register, registration）”；寻找同名特征(点) 的过程叫“匹配（match, matching）”; 根据主辅图像之间的几何变换关系，对辅图像进行逐像素处理变为配准图像的过程叫做“几何校正（geometric correction）”。 中南大学生物医学工程研究所 图像配准 配准方法分类 按照配准算法所利用的图像信息，可以分为基于区域的方法和基于特征的方法 。基于区域的匹配主要是模板匹配和基于相位（频率）的匹配方法；基于特征的匹配包括基于特征点集的匹配和基于线特征（图像中边缘信息）的匹配算法。 按自动化程度可以分为人工、半自动和全自动三种类型 。 中南大学生物医学工程研究所 图像配准 模板匹配 模板匹配法是在一幅影像中选取一个的影像窗口作模板，大小通常为5×5或7×7，然后通过相关函数的计算来找到它在搜索图中的坐标位置。设模板T放在搜索图S上平移，模板覆盖下的那块搜索图叫做子图Si,j，子图的中心点在S图中的坐标(i,j)，叫参考点。 中南大学生物医学工程研究所 图像配准 相似性测度 用以下测度来衡量T和Si,j的相似程度： 根据施瓦兹不等式， ，并且在