- 上一篇：滑块端面几何精度非接触式自动快速检测技术研究
- 下一篇：Matlab 数字图像分割处理方法研究与实现
此时，图像配准技术已经不单单仅限于军事领域，其他各式各样的领域也都从中受益。比如最普遍的计算机领域、医学领域或遥感领域。图像配准技术及算法就是是评价两幅或多幅图像的相似性以确定同名点的过程。主要思想是创建图像与图像间的相互联系，通过几何变换的，计算出配准参数。这就说明，我们要以一幅图作为基准，其他的图做出对应的变化，然后几幅图之间就会建立某种匹配关系。但是，目前我们不可能找到一种通用的方法，适合于所有的图像情况，因为各个图像的类型不同，所需要的配准结果也不尽相同。不可能以不变应万变。往往一种特定的技术是为了一种情况和类似的情形设计的。因此，要掌握多种技术，对多种技术有着深刻的了解，才能够对症下药。用数学模型来解释图像配准问题，即为将两幅图像中的一幅图像的像素值和灰度值两个重要元素，通过几何变换映射到另一幅图像中相应的地方。用数学模型建立几何变换的有如下的四种具体形式——刚体变换、仿射变换、透视变换和投影变换[1]。图像配准过程中，其映射关系会随着变换的数学模型的变化而变化。也就是说，我们在面对各种情况时，要对相应的变换模型进行选择，这样才能够得到更精确的效果。关于图像配准的方式按不同类别分主要有三种：基于像素的配准方法^优尔<文|论\文>网www.youerw.com、基于特征的配准方法以及基于模型的配准方法。每一类图像配准的方法都有自己的特点和相应的应用范围，求配准参数的方法也不同。基于像素的配准方法的优点是，其计算配准参数的方式是利用图像的灰度信息，以及图像的相关性，并不需要特别的做特征提取，所以此方法具有良好的精度及鲁棒性。该方法的缺点是不具有实时性，如果图像某个区域的信息较少，匹配的精度会大打折扣。基于特征配准的方法和基于像素的方法有所不同，此方法需要有对角点、线、边缘等的特征进行提取的步骤，配准参数是通过这些提取过的特征之间的几何关系来计算的。因此该方法的优点是因为它已经突出了图像的主要特征，不需要对整幅图进行计算，降低了计算量，增加了计算速度。但缺点是其匹配的准确性凭借的是特征信息提取的优良程度，增加了其配准结果的不稳定性。基于模型的配准方法常使用在医学图像中，同样是利用数学模型，让图像以非线性的方式进行匹配。本论文中首要研究了前两种的配准方法。因此由以上内容我们在对同步移相干涉图进行图像匹配时，可以采用不同种类的方法，但根据不同干涉图样和要计算的参数，要进行比较采用。
1.2 国内外研究现状 在图像配准这一领域，国外的起步非常早。虽然起步于上世纪 60 年代左右，可是该技术的真正意义上的兴起是在 20 年之后[2]。直到 21 世纪初期，关于单模图像中的困难已经能够大致消除。对于较为复杂的多模图像问题，由于问题更为棘手，涉及的范围广泛，需要考虑的问题增多，不能够完全解决。需要专家和学者致力于这方面的难题。其中较为有代表性的科研机构或技术人员有以下：荷兰乌得勒支医学中心的研究所，由Maxe B.Viergra 所带领的医学团队研究了以配准、细分和可见性的多模式的大脑分析。美国范德比尔特大学工程学院，由 J.Matiptick 教授所带领的团队研究医学图像配准[3]。美国雪城大学，由 P.K.Vanish教授为首的武器编写的成像传感器的发展的处理教程[4]。伦敦国王学院的医学小组，以 D.L.G.Houl 代领的，编写了医学图像匹配一文，在核磁共振、B 超等方面都有很深入的研究[5]。美国莱特州立大学的计算机学院，不仅在图像配准技术上研究有很大的成果，并且还将技术融入到商业中，建立了自己的公司。美国航天局也将此技术运用的航天当中论文网，尤其是遥感领域[6]。此外还有很多早期的成果，比如 Colligan A ,Maes F 提出的基于信息理论的自动多模态图像配准[7]；Thevenaz P 和 Ruttmin U E提出的基于强度的金字塔方法的亚像素配准；Stephen.H提出的多变的图像的互信息快速计算配准方法；Martin.S 提出的使用熵和同随机近似快速准确的图像配准方法[8]；还有 Lester.H 做的非线性分层医学图像配准的调查等等。这些研究为国际的图像配准打下了夯实的基础。现在的技术发展的趋势在于第一项是关于传感器的修正。传感器在图像配准是非常重要的一个环节。当代的传感器发展方向是建造一类可以得到得到几类模式的设备。Glenn.H 等人在 2000 年提出了基于自动模型的图像配准仪器开发[9]。Zagorchev.L 在 2003 年提出了一种需要图像匹配便可以整合图像范围的机制[10]。