图像配准基本框架

图像配准的基本框架包括以下四个方面：特征空间、搜索空间、搜索策略以及相似性度量。
       1. 特征空间：
       指从参考图像和浮动图像中提取的可用于配准的特征。在基于灰度的图像配准方法中，特征空间为图像像素的灰度值；
而在基于特征的图像配准方法中，特征空间可以是点、边缘、曲线、曲面、不变矩。
       2. 搜索空间：
       指在配准工程中对图像进行变换的范围及变换的方式。图像的变换范围可以分为三类：全局的、局部的和位移场的。
图像的变换方式可分为线性变换和非线性变换两种方式。线性变换又可分为刚性变换、仿射变换和投影变换。非线性变换
一般使用多项式函数，如二次、三次函数及薄板样条函数。
      3.相似性度量
      相似性度量是衡量每次变换结果优劣的准则，用来对变换结果进行评估，为搜索策略的下一步动作提供依据。常见的
相似性度量有互信息、归一化互信息、联合熵、相关性、欧式距离、梯度互相关。
      4.搜索策略
      搜索策略的任务是在搜索空间中找到最优的配准参数，在搜索过程中以相似性度量的值作为判优依据。常用的搜索策略有
黄金分割法、Brent法、抛物线法、三次插值法、Powell法、遗传算法、蚁群算法、牛顿法、梯度下降法等。