基于互信息的图像配准

1.互信息：

• 互信息（Mutual Information）在信息论中是信息论里一种有用的信息度量，它可以看成是一个随机变量中包含的关于另一个随机变量的信息量，或者说是一个随机变量由于已知另一个随机变量而减少的不肯定性。
• 两个图像之间的相关性，或图像互相包含信息的多少。图像配准中，两幅图的互信息可通过熵以及联合熵反映；其中，图像A、B的互信息可以表示为： 

• 其中H(A)、H(B)为图像A、B的信息熵，H(A,B)为图像A、B的的联合信息熵。两幅图像相似度越高或重合部分越大时，其相关性也越大，同时联合熵越小，也即互信息越大。

因此：图像配准及可以理解为寻找模板与各子图之间互信息（MI）的最大者，即为配准图像；换句话说，就是一个优化问题。利用优化算法，寻找一种最佳的空间变换配准算法使得两幅图像的互信息最大。可以通过梯度下降、蚂蚁算法、遗传算法等进行迭代优化。