基于特征的图像配准方法

From: 基于特征的图像配准方法

                      基于特征的图像配准过程

(1) 特征空间
基于特征的配准方法在进行图像预处理从图像中提取所选的特征之前，要先确定特征空间。通常，特征空间的选择要考虑下面五个因素。

① 相似性：参考图像与待配准图像中要匹配的特征应该是同类型的，且具有某种不变性；
② 唯一性：从待配准两图像中提取的匹配特征必须一一对应；
③ 稳定性：若待配准两图像成像时间不同，或来自具有不同物理参数的传感器时，提取的特征不会发生剧烈变化，同时其在两幅图像的旋转、平移和尺度大小等变换中应当一致；
④ 空间分布：两幅图像重叠区域所选择的匹配特征在几何空间上要尽可能地均匀分布。另外，选择的特征数量过多会增大匹配计算的开销，但如果选择的特征数量太少会增大对噪声的敏感性；

⑤ 易检测性：选取的特征应该是容易被提取出来的。

(2) 特征提取

在基于图像特征的配准方法中，常采用的特征有以下几类：
①点特征：基于图像特征的配准方法中，点特征是最常采用的。典型的点特征有角点、线交叉点、封闭曲线的质心、轮廓上的曲率最大点、Gabor 小波检测出的局部曲率不连续点[35]和小波变换的局部极大值点[36]等。还可以利用检测算子（Moravec算子、Forstner 算子或Harris 算子等）提取点特征。Smith[37]提出了SUSAN 角点检测法。Turcajova [38]基于角点图像亮度在方向变化时都应该比较大的思想提取角点。文献[39,40]首先通过对图像作小波变换，计算出小波变换的模值，图像中的边缘点即对应模的局部极大值点，两种方法均基于小波变换的多分辨分析理论。

②线特征：线特征代表了图像中大部分本质结构，是特征空间的一个较好选择。