图像配准技术

2017-07-18张颖曹璐云湖南信息职业技术学院

数码世界 2017年6期

关键词：算子灰度分类

张颖曹璐云湖南信息职业技术学院

图像配准技术

张颖曹璐云湖南信息职业技术学院

图像配准是解决图像融合、图像镶嵌和变化检测等问题的必要前提，其广泛应用于军事、遥感、医学和计算机视觉等多个领域。本文简要介绍图像配准技术的国内外发展现状，它的应用以及相关算法。

图像配准小波变换

随着科学技术的发展，单一传感器图像提供的信息逐渐不能满足应用的需求，往往通过多幅图像的融合达到所要的效果，由于不同传感器的成像机理不同，获取图像的时间、角度、环境也不同，使得待融合的图像需先进行图像配准。图像配准应用十分广泛，除了在图像融合领域的应用外，还应用于许多其他领域，例如航空航天技术、地理信息系统、图像镶嵌、图像融合、目标识别、医学图像分析、机器人视觉、虚拟现实等领域。

1 图像配准概述

其中，f代表二维的几何变换函数；g表示一维的灰度变换函数。

配准的主要任务就是寻找最佳的空间变换关系f与灰度变换关系g，使两幅图像实现最佳配准。

2 国内外发展状况及应用

由于多源图像配准技术在众多领域的重要作用和广泛应用，国内外的研究者对于其进行了广泛和深入的研究，在算法上有了很大的提升。但目前研究中还存在很多困难，特别是图像或数据类别差异大（如光学与SAR图像）、波段差异大（如可见光与长波红外图像）等情况下的图像高精度、自动配准技术的实现，更是存在较大的困难。

图像配准技术最早在七十年代，由美国提出，起初运用于飞行器导航、导弹制导等领域，并得到了美国军方的大力支持和资金上辅助。经历二十余年的研究，最终成功地将该项技术应用于潘兴Ⅱ式中程导弹和战斧式巡航导弹上。八十年代之后，这项技术已经成为国内外广泛关注的焦点，中外学者对图像配准技术展开了深入的研究，并在各个领域取得广泛的应用，如模式识别、自动导航、医学诊断、计算机视觉等领域。

图像配准技术在各个领域都呈现出各自的特点和适用性，都是根据各自具体的应用背景，并需要结合实际情况而特殊定制，使得图像配准技术同时具有相似性和差异性。

3 图像配准分类及重要算法

3.1 按图像空间维数分类

按图像的空间维数分类，可以分为2D配准和3D配准。2D配准是指两幅二维空间图像间的配准，3D配准是指两幅三维图像间的配准。

3.2 按交互性分类

按配准的交互性过程可以分为人工配准、半自动配准和全自动配准。

3.3 按空间变换模型分类

两幅图像间的空间几何变换模型f可用空间变换模型进行描述，空间变换模型可以分为刚体变换、仿射变换、投影变换和非线性变换。

3.4 按变换函数作用域分类

根据空间几何变换函数的作用域，配准可以分为全局变换和局部变换。

3.5 按图像来源和成像部位分类

按照配准图像的来源可分为同一患者的图像配准、不同患者的图像配准和患者与图谱之间的配准。

3.6 按成像模式分类

按成像模式分可以分为单模态图像配准和多模态图像配准。

3.7 按控制点分类

可以分为基于外部控制点的配准和基于内部控制点的配准。

3.8 按图像配准过程分类

按配准过程可以分为基于特征的图像配准和基于灰度的图像配准。

在基于图像特征的配准技术中，目前运用比较成熟的图像特征包括点特征、直线段、边缘、轮廓、闭合区域和统计距等。特征提取算法可分为点特征提取算子（如Harris算子和Susan算子）、线特征提取算子，随着边缘检测和图像分割等技术的快速发展，基于轮廓、边缘和区域的配准方法正逐渐成为研究的热点。基于特征的方法往往具有操作简单、配准速度快、精度较高的特点，但却同时也存在缺点，如需要人工干预、特正点的获取比较困难等；基于灰度的图像配准直接利用整幅图像的灰度对两幅图像之间的相似性进行度量，基于灰度的配准方法的优势在于只对图像的灰度进行处理，可以避免主观因素的影响。常见的算法有最大互信息法、相关法、条件熵法、联合熵法、傅里叶变换法、小波变换法等。傅里叶变换和小波变换方法比较易于硬件实现。