宝塔服务器面板，一键全能部署及管理，送你10850元礼包，点我领取

一、图像配准定义

图像配准概述图像配准是图像处理研究领域中的典型问题和技术难点之一，其目的是对同一对象在不同条件下获取的图像进行比较或融合。 例如，来自不同摄影装置的图像、来自不同时间的图像、不同的摄影视角等，根据情况不同也需要针对不同对象物的图像注册问题。 具体而言，对于一组图像数据集中的两个图像，通过寻找将一个图像映射到另一个图像的空间变换，使两图中空间的相同位置所对应的点一一对应，从而实现信息融合的目的。 该技术在**计算机视觉、医学图像处理及材料力学**等领域得到广泛应用。 根据具体的应用，有的侧重于根据变换结果融合两个图像，有的侧重于研究变换本身以获得对象的力学属性。 20世纪以来，医学影像技术经历了从静态到动态、从形态到功能、从平面到立体的迅速发展。 如何组合各种图像，在同一图像上显示各自的信息，从而为临床医学诊断提供多数据多信息的图像，已成为一项很有应用价值的技术，准确高效的图像定位标准是关键和难点。

二、图像配准方法分类

图像定位的方法大致分为3种：

1 .基于灰度和模板

这种方法直接利用相关运算等计算相关值，求出最佳匹配位置。 模板匹配(Blocking Matching )是指从已知的模板图像中向其他图像中搜索与模板图像相似的子图像。 基于灰度的匹配算法也称为相关匹配算法，利用空间二维幻灯片模板进行匹配，不同的匹配算法主要体现在相关标准的选择上。

一般算法

– -平均绝对差算法(MAD ) )。

– -绝对误差和算法(SAD ) )。

– -误差平方和算法(SSD ) )。

– -平均误差平方和算法(MSD ) )。

– -归一化积相关算法(NCC ) )。

– -逐次相似性检测算法(SSDA ) ) ) ) ) ) ) )。

– hadamard转换算法(SATD ) ) ) ) ) )。

–[局部灰度值编码算法]

– [PIU]

2 .基于特征

首先提取图像的特征，生成特征描述符，最后根据描述符的相似度进行两个图像特征之间的匹配。 的特征主要分为点、线(边缘)、区域(面)等特征，又分为局部特征和全局特征。 由于区域(面)特征的提取既麻烦又费时间，因此主要使用点特征和边缘特征。

要点特征：

哈里斯

莫阿韦C

KLT

哈利基

HOG

美国职棒大联盟

中场休息

SURF

BRIEF

懦弱的猫

快速

中央陆军

弗里克

布里克

甲骨文

光流法

A-KAZE

.

边缘特征：

– -长运算符

– Robert操作符

– -索贝尔运算符

– -预维特运算符

– Canny操作符

– ……

3 .基于域变换

采用相位相关(现代的丸子变换)

jwdpy变换

小波域

.

在新的域中进行对准。

参考资料

1.【图像配准】基于灰度的模板匹配算法(1):MAD、SAD、SSD、MSD、NCC、SSDA、SATD算法

2 .基于【图像对准】灰度的模板匹配算法(2)局部灰度值的编码

3 .【图像对准】基于灰度的模板匹配法(3) :分割强度一致法(PIU ) ) ) ) ) ) ) ) ) ) ) ) ) ) ) )。

4 .【图像特征检测】

5 .多种图像对准方法的综合比较(KAZE、SIFT、SURF等)。

6.KAZE论文的研究

7. A-KAZE论文的研究

8.OpenCV学习笔记(30 ) KAZE算法的原理和源代码分析)四) KAZE特征的性能分析和比较

本文遵从[CC 4.0 BY-SA]版权合同，转载请附上原文出处的链接和本声明。

端庄的蜜蜂根据原文[“鬼|刀”] 《图像配准算法大总结》进行了部分修改。