细说图像配准

Image registration 是指同一目标的两幅或者两幅以上的图像在空间位置的对准。图像配准技术的过程，称为图像匹配或者图像相关（image matching or image correlation）。
半自动配准：人机交互方式提取特征（如角点），然后利用计算机对图像进行特征匹配、变换和重采样。
自动配准：计算机自己完成。基于灰度或者是基于特征。
基于灰度：精度高，缺点是对图像灰度变化敏感，尤其是非线性化的光照变化。计算复杂度高，对目标的旋转、变形以及遮挡比较敏感。
基于特征：特征提取和特征匹配。可提取的特征有点、线与区域。特征区域一般采用互相关来度量，但互相关度量对旋转处理比较困难，尤其是图像之间存在部分图像重叠的情况。最小二乘匹配算法和全局匹配的松弛算法能够取得比较理想的结果。
(1) 图像配准的一般模型
图像配准可以定义成两相邻图像之间的空间变换和灰度变换，即先将图像像素的坐标X映射到一个新坐标系中的某一个坐标X’，再对其像素进行重采样。图像配准要求相邻图像之间有一部分在逻辑上是相同的，即相邻的图像有一部分反映了同一目标区域，这一点是实现图像配准的基本条件。如果确定了相邻图像代表同一场景目标的所有像素之间的关系，采用相应的处理算法即可以实现图像配准。
假设现有图像F和G，需要对他两进行配准。该问题可以抽象为对图像G做空间变换和灰度变换，得到图像G2，使得变换后的图像G2和图像F之间的相似度达到最大或最小，这个相似度可以根据经验人为设置。
一般地，空间变换要求两幅图像具有相同的分辨。通常以高分辨率图像为参考图像，先对高分辨率图像进行抽样，使其分辨率与待配准图像的分辨率保持一致；再进行空间变换和灰度变换；最后对配准后的图像进行插值，使其分辨率与原始参考图像的分辨率保持一致。

(2)图像变换与重采样
在图像配准中，首先根据参考图像与待配准图像相对应的特征点，求解两幅图像之间的变换参数；然后将待配准图像做相应的空间变换，使得两幅图像在同一空间坐标系内；最后通过灰度变换，对空间变换后的待配准图像值进行重新赋值，即重采样。
图像变换就是寻找一种坐标变换的模型，建立从一副图像坐标到另一幅图像坐标之间的映射关系。在图像配准中，常用的有刚体变换、仿射变换、投影变换和非线性变换四种模型。
重采样的方法是利用待配准图像与参考图像最邻近的像素点的灰度，使用逼近的方法得到待配准图像的点阵的坐标点的灰度值，从而得到最终配准图像。一般采用的算法有双线性插值与最邻近像元法。