图像融合基础

融合前需要图像配准

        图像配准的实质是利用匹配准则搜索最优解的问题， 也可以理解为将具有分辨率不同、灰度属性不同、
    视场大小不同、空间位置不同、缩放比例不同、畸变不同的同一场景的两幅或多
    幅图像进行匹配过程。 

图像配准是在空间上寻找一种变换模型或变换关系， 使得待配准的两幅图像，或多幅图像之间能够在某些像素位置上的对应点达到完全一致。
在研究配准算法过程中，常常会用到的几何变换主要有刚体变换、仿射变
换、投影变换和非线性变换

四类配准：

1、同一场景的不同角度
2、同一场景的不同时
3、多源传感器图像配准
4、场景加场景模型配准

图像配准方法：

比较常用的是按照在图像配准算法中对待配准图像信息的处理方法进行分类，可以分成三大类：

第一类是基于待配准图像灰度信息的配准方法

建立待配准图像和基准图像之间的相似度量，利用某种搜索算法，寻找出使相似度量达到最优值时的变换模型中的参数值，因此也被称为直接配准法

相似性度量？？？

第二类是基于待配准图像变换域内信息的配准方法

傅立叶变换是最常用的方法之一
1、对于两幅具有平移量的图像经过傅立叶变换后，他们的相位关系是不同的，因为在时域内平移量直接决定在傅立叶变换域内的相位关系。
2、对于两幅具有旋转量的图像，在傅立叶变换域内的旋转量保持不变。
3、对于两幅具有缩放的图像，先进行坐标系转换，变换到对数坐标系中，图像的缩放可以转换成图像平移进行处理。

第三种是基于待配准图像特征信息的配准方法

特征点、特征区域、特征边缘等

共性

每个配准问题最终都要在变换空间中寻找一种最优的变换， 这种变换能够使两幅或多幅图像之间在某种意义上的能够达到匹配

基于智能搜索算法

粒子群优化算法？？？

图像融合

图像融合的基本方法:线性加权、主成分析、HIS变换、小波变换融合、多尺度几何分析融合