Matlab关于相位相关用于图像配准

原文转自：http://www.ilovematlab.cn/thread-62427-1-1.html ，http://www.ilovematlab.cn/thread-56925-1-1.html 感谢原创作者！！

以前顶过一个关于相位相关（一下简称PC）的帖子，不少板油也来邮件问过这个方法，现在整理一个帖子，希望能对大家有些帮助。

首先，是一个板油提供的PC代码，
http://www.ilovematlab.cn/redirect.php?tid=43428&goto=lastpost&sid=ShSdLt

先来解释一下PC用于位移估计的基本原理，
       关于相关（correlation），在所有的信号处理的教材中基本都提到过。 相关，顾名思意，就是两个事物的相关性，在信号处理中，两个信号的卷积就是相关，可以用于表征了两个信号的相似程度。
       关于图像的相位，我们知道，图像的频率域（傅里叶频谱）包含了模（amplitude）和相位（phase）信息，模包含的图像整体的灰度级信息，而相位信息包含了图像的变化的信息。可以说，相位是图像的DNA，不同图像，模有可能是相同的，但相位却是不同的。利用这一点，求取相位的相关，就可以知道，图像之间的差别。
        由于相关是通过卷积计算，计算量大，所以，一般都是通过傅里叶频谱的内积，然后再做一次傅里叶逆变换就可以求取。
        如果两幅图像是一致的（完全相同），那么他们的相位相关就是一个脉冲函数，脉冲位置在坐标原点，高度为1.
        如果两幅图像不一致，那么在相位相关里，最高的那个脉冲坐标，就是两幅图像的位置偏移量，而脉冲的高度也会小于1. 但整个想为相关的能量值是守恒的，为1.
        对于相位相关的应用，主要用于图像配准（image registration），由于相位信号，避免了图像中低频噪音的影响，在光照条件变化的应用环境表现突出，被广泛用于遥感，医学图像等领域。
       除此之外，相位相关可以扩展到亚像素的匹配，着也是当今研究的一个热点。由于相位相关的计算，需要3次傅里叶变换，即使目前的很多专用图像处理硬件中，已经嵌入傅里叶变换的硬件模块，但是研究者们，任然热衷于怎样减小傅里叶变换带来的计算量庞大问题。
      相位相关用于估计图像的偏移量，是由C.D. Kuglin 和D.C.Hines在1975年提出。

以下帖子里有3篇关于PC的三篇权威论文
      http://www.ilovematlab.cn/redirect.php?fid=8&tid=47147&goto=nextnewset&sid=hwUyAl


然而，光是一个位移估计，在图像配准中是不够的，还有旋转，缩放问题亟待解决。是否可以用PC的原理来解决这两个问题?答案是肯定的。但是要借助于一个对数极坐标的变换。
对数极坐标的变换可以放在图像域里做，也可以放在频域里做，这里建议放在频域里做，为什么，只要你做过实验，就立刻明白，因为在空间域的对数极坐标变换后，旋转，缩放信息集中在了两个坐标轴的附近，求取PC时，如果使用了hanning窗，就会除去掉这些重要的信息，所以放在频域做会减小这种计算误差。
再有就是对数极坐标变换的问题，为了保证高精度，建议采用高精度插值算法好些。先用一下线性，再试试cubic之类的插值算法。

由于PC方法计算的位移，缩放倍数，旋转角度，都是通过矩阵的index来计算，很多板油不太明白符号和对应的估计数值之间的关系，这是由于对离散傅里叶变换的理解不够，由于图像是离散信号，在计算PC中，都是用DFT来实现，离散的频率域坐标和连续的频率域坐标的对应关系要事先通过学习DFT来理解。

 

 

关于相位相关做image registration的研究，现在主要集中于亚像素精度的提高和算法效率的提高。 这里给出3篇文献，
1. Kuglin 首发的phase correlation 方法求解 displacement 问题（1975）。
2. Foroosh 提出的利用phase correlation 求解 亚像素（subpixel）displacement 问题（2004）
3. Balci（估计是Foroosh的学生）提出的在频率域求解 亚像素（subpixel）displacement 问题（2006）