简单的配准算法总结

转自：http://blog.csdn.net/xuluohongshang/article/details/52886352

图像配准算法\小总结

---

首先，图像配准要素结合：特征空间，搜索空间，搜索策略，近似性度量；图像配准方法： 
1.基于灰度信息的方法：交叉相关（互相关）方法，相关系数度量，序贯相似检测算法，信息理论的交换信息相似性准则。 
2.基于变换域的方法：相位相关法，Walsh Transform变换。 
3.基于特征的方法：常用的图像特征有：特征点（包括角点、高曲率点等）、直线段、边缘（Robert、高斯-拉普拉斯LoG、Canny、Gabor滤波等边缘检测算子）或轮廓、闭合区域、特征结构以及统计特征如矩不变量等。 
注：像素灰度信息的互相关算法相比，特征提取包含了高层信号信息，所以该类算法对光照、噪声等的抗干扰能力强。

---

常用的空间变换模型：刚体变换（平移、旋转与缩放的组合）、仿射变换、透射变换、投影变换、非线性变换。

---

常用的相似性测度： 
1.距离测度：均方根误差，差绝对值和误差，兰氏距离，Mahalanobis距离，绝对差，Hausdorff距离等。 
2.角度度量法（概率测度）。 
3.相关度量法

---

配准算法的评价标准： 
配准时间、配准率、算法复杂度、算法的可移植性、算法的适用性、图像数据对算法的影响等（这里虽然不是目标追踪的评价标准，但是我们可以借鉴这些评价算法的标准）