基于特征点对准度准则的图像配准方法.docxVIP

基于特征点对准度准则的图像配准方法

1图像配准算法

图像的映射时间和条件（气候、照明、摄像头、角度等）中获得的两组或多个图像的对应和重叠过程。这是数据处理的基本问题，也是一门重要的技术。广泛应用于遥感数据分析、计算机视觉、模式识别、医学数据处理等领域。

目前提出的用于配准的算法主要可以分为两种:基于灰度统计特性的方法和基于特征的方法。基于灰度相关的匹配算法一般不需要对图像进行复杂的预先处理,而是利用图像本身具有的灰度的一些统计信息来度量图像的相似程度。主要特点是实现简单,但应用范围较窄,不能直接用于校正图像的非线性形变,在最优变换的搜索过程中往往需要巨大的运算量。基于特征的图像匹配算法是图像配准方法中的一个大类,这类方法的主要共同之处是首先要对待配准图像进行预处理,也就是特征提取的过程,再利用提取到的特征完成两幅图像特征之间的匹配,通过特征的匹配关系建立图像之间的配准映射变换。这类方法的主要优点是它提取了图像的显著特征,大大压缩了图像的信息量,使得计算量小,速度较快,而且它对图像灰度的变化具有鲁棒性。

文献给出的基于边缘的图像配准方法,在确定匹配点对时,采用了相关度准则,相关度准则是采用两幅图像的对应像素的灰度差累计和来度量它们之间的相似性,因而受两幅图像灰度属性差异的影响。谌安军等和王东峰等提出了基于对齐度准则的配准方法,它不需要两幅图像的灰度之间有线性的相关,并且不受两幅图