图像配准入门

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