匹配,是寻找与一幅图相似的图像(不对寻找到的图像做矫正)。
配准,是寻找相似图像但是变形后的图像(需要做一些旋转之类的校正变换)。
融合,图像融合是指将多幅图像,在经过去噪、配准等预处理后,再依据某些融合规则合成一幅图像的过程。融合图像对目标的描述更清晰和准确,更适合图像后续的处理。
拼接,是多幅图像连接成一幅大图,手机全景模式就是如此。
参考博客:图像配准与匹配的区别_张小小Angela的博客-CSDN博客_图像匹配和配准有什么区别
图像匹配(image matching)
通过对影像内容、特征、结构、关系、纹理及灰度等的对应关系,相似性和一致性分析,寻求相同影像目标的方法。影像相关是利用互相关函数,评价两块影像的相似性以确定同名点。即首先取出以待定点为中心的小区域中的影像信号,然后取出其在另一影像中相应区域的影像信号,计算二者的相关函数,以相关函数最大值对应的相应区域中心点为同名点。同名点的确定是以匹配测度为基础的,因此定义匹配测度是影像匹配最首要的任务,基于不同的理论或不同的思想可以定义各种不同的匹配测度,因而形成了各种影像匹配方法及相应的实现算法。常见的基于像方灰度的影像匹配算法有相关函数法、协方差函数法、相关系数法、差平方和法、差绝对值和法、最小二乘法等,基于物方的影像匹配算法有铅垂线轨迹法(VLL,Vertical Line Locus),另外还有基于像方特征的跨接法影像匹配,金字塔多级影像匹配, SIFT等等。
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,配准技术的流程如下:首先对两幅图像进行特征提取得到特征点;通过进行相似性度量找到匹配的特征点对;然后通过匹配的特征点对得到图像空间坐标变换参数:最后由坐标变换参数进行图像配准。而特征提取是配准技术中的关键,准确的特征提取为特征匹配的成功进行提供了保障。因此,寻求具有良好不变性和准确性的特征提取方法,对于匹配精度至关重要。基于特征的图像配准首先提取图像信息的特征,然后以这些特征为模型进行配准。特征提取的结果是一含有特征的表和对图像的描述,每个特征由一组属性表示,对属性的进一步描述包括边缘的定向和弧度、区域的大小等。局部特征之间存在着相互关系,如几何关系、辐射度量关系、拓扑关系等。可以用这些局部特征之间的关系描述全局特征。通常基于局部特征配准大多都是基于点、线或边缘的,而全局特征的配准则是利用局部特征之间的关系进行配准的方法。基于互信息的图像配准是用两幅图像的联合概率分布与完全独立时的概率分布的广义距离来估计互信息,并作为多模态医学图像配准的测度。当两幅基于共同的解剖结构的图像达到最佳配准时,它们的对应像素的灰度互信息应为最大。由于基于互信息的配准对噪声比较敏感,首先,通过滤波和分割等方法对图像进行预处理。然后进行采样、变换、插值、优化从而达到配准的目的。
关于配准、融合、拼接详见我的另一篇博客内容