一、 前言
这是一门课的作业,然后无脑复制贴在这。论文地址:http://scholar.google.com/scholar?hl=zh-CN&q=image+registration+method+a+survey&btnG=&lr=
我接下去写的内容基本都在survey中(翻译。。。),但是我经过了一些筛选,因为文章摘引非常多的不同的文献中各种细节的方法,我这里基本是把他的主体拎了出来,相当于入门中的入门。
二、问题描述
Image registration翻译成中文是图像配准。图像配准就是将不同时间、不同传感器(成像设备)或不同条件下(天候、照度、摄像位置和角度等)获取的两幅或多幅图像进行匹配、叠加的过程。一般来说我们可以认为是将一张图匹配至另一张图的过程,其中一个叫参考图像(reference image),一个是感知图像(sense image)。由于成像条件的不同,得到的图像也有所不同,所以我们需要图像配准技术来将图片进行合成。这项技术在遥感,医用,制图,计算机视觉领域被广泛地应用。
三、图像配准的问题。
根据图像获取的不同方法,我们可以找到图像配准的几大问题:
1. 不同视角(Different viewpoints)。
同一事物在不同视角下会获得不同结果,通过配准技术,我们可以获得一个更大的二维视角甚至该事物的三维表达。
2. 不同时间(Different times)。
同样的事物在不同时间下也会有不同的效果。通过图像配准,我们就可以知道该事物根据时间的变化。
3. 不同传感器(Different sensors)。
通过配准不同传感器获得的图像,我们对所摄事物获得更多复杂和细节的信息。
4. 场景到模型配准(Scene to model registration):
通过所摄场景定位到已知虚拟模型,我们可以对图像进行分析并和模型进行比较。
四、图像配准的基本框架
当我们使用设计图像配准方法时,一般可以分为以下四个步骤:
1.特征提取(featuredetection):
提取图像中显著的和有特色的物体,http://scholar.google.com/scholar?hl=zh-CN&q=image+registration+method+a+survey&btnG=&lr=如一块区域,边,轮廓,角点等。然后将这些物体的点特征提取出来。
2. 特征匹配(feature mathing):
将参考图像和感知图像中的特征对应起来。这里会用到不同的特征描述子和相似度测量方法。3. 转换模型估计(Transform model estimation)
根据之前获得的匹配信息,我们估计出映射函数的参数。
4. 图像重采样变换和拼接(Image resampling and transformation)。
根据已确认参