图像配准综述

论文题目：Image Registration Techniques: A Survey
论文链接：pdf

1.图像配准的应用场景

多视图分析

从多个视点进行对相似的目标和场景进行捕获可以获得更好的场景或者目标的表示。例如图像拼接和场景恢复等。

多时相分析

在不同时间捕获的相同目标或场景通常处在不同的条件，要去观察目标或场景的变化就可以合并连续的图像。例如运动跟踪、肿瘤生长跟踪。

多模态分析

使用不同的传感器获得相同的目标或场景的图片要合并不同的资源获得的信息以获得场景或目标的细节。

2.图像配准的步骤

1.特征提取：

如Harris角点检测等方法。提取出的特征必须具有物理可解释性和可识别性。特征提取的算法应该足够稳定，在图像经过变换和退化时在相同的场景中应该检测到同样的特征。

2.特征匹配：

通过匹配点求出变换模型。

3.变换模型评估：

验证得到的配准变换模型是否足够好，如果不够好，就重新进行前两步，重新求得变换模型再进行评估，直到求得足够好的变换。评估一般是求经过变换之后的点与原来匹配点的欧氏距离，以此来评估变换模型的优劣。

4.图像变换：

利用求得的变换模型对图像进行变换，即完成图像配准。

图像配准在图像拼接上的应用: