图像匹配+图像配准+图像校正

1、(完整)图像匹配+图像配准+图像校正(完整)图像匹配+图像配准+图像校正图像匹配特征为基础的匹配.1、灰度匹配灰度匹配的基本思想:以统计的观点将图像看成是二维信号，采用统计相关的方法寻找信号间的相关匹配。利用两个信号的相关函数，评价它们的相似性以确定同名点.灰度匹配通过利用某种相似性度量，如相关函数、协方差函数、差平方和、差绝对值和等测度极值，判定两幅图像中的对应关系。最经典的灰度匹配法是归一化的灰度匹配 法,其基本原理是逐像素的把一个以一定大小的实时图像窗口的灰度矩阵，与参考图像的所有可能的窗口灰度阵列，按某种相似性度量方法进行搜索比较的匹配方法， 从理论上说就是采用图像相关技术。利用灰度信

2、息匹配方法的主要缺陷是计算量太大,因为使用场合一般都有一定的速度要求，所以这些方,FFT 相关算法和分层搜索的序列判断算法等。2、特征匹配特征匹配是指通过分别提取两个或多个图像的特征（点、线、面等特征用所描述的参数来进行匹配的一种算法。基于特征的匹配所处理的图像一般包含的特征有颜色特征、纹理特征、形状特征、空间位置特征等。 特征匹配首先对图像进行预处理来提取其高层次的特征，然后建立两幅图像之间特征的匹配对应关系,通常使用的特征基元有点特征、边缘特征和区域特征。 特征匹配需要用到许多诸如矩阵的运算、梯度的求解、还有傅立叶变换和泰勒展开等数学运算。常用的特征提取与匹配方法有:统计方法、几何法、模型

3、法、信号处理法、边界特征法、傅氏形状描述法、几何参数法、形状不变矩法等.，边缘线段等。3、比较特征匹配与灰度匹配的区别：灰度匹配是基于像素的,特征匹配则是基于区域的，特征匹配在考虑像素灰度的同时还应考虑诸如空间整体特征、空间关系等因素。特征是图象内容最抽象的描述，与基于灰度的匹配方法相比,特征相对于几何图象和辐射度影响来说更 不易变化，但特征提取方法的计算代价通常较大，并且需要一些自由参数和事先按照经验选取的阀值，因而 不便于实时应用.同时,在纹理较少的图象区域提取的特征的密度通常比较稀少，使局部特征的提取比较困难. 另外，基于特征的匹配方法的相似性度量也比较复杂，往往要以特征属性、启发式方法

4、及阀方法的结合来确 定度量方法。图像配准（图像配准图像配准的方法基于特征的图像配准首先提取图像信息的特征，然后以这些特征为模型进行配准。特征提取的结果是一含有特征的表和对图像的描述，每个特征由一组属性表示，对属性的进一步描述包括边缘的定向和弧度、区域的大小等。局部特征之间存在着相互关系，如几何关系、辐射度量关系、拓扑关系等。可以用这些局部特征之间的关系描述全局特征。通常基于局部特征配准大多都是基于点、线或边缘的，而全局特征的配准则是利用局部特征之间的关系进行配准的方法。过程可以减少噪声的影响，对灰度变化、图像形变和遮挡等都有较好的适应能力。因此,在图像配准领域得 到了广泛应用.基于特征的图像配

5、准方法有两个重要环节：特征提取和特征配准。配准方法相比,基于统计的配准方法的突出优点为鲁棒性好、配准精度高、人工干预少。基于统计的配准方 基于互信息的图像配准是用两幅图像的联合概率分布与完全独立时的概率分布的广义距离来估计互信 息，并作为多模态医学图像配准的测度.当两幅基于共同的解剖结构的图像达到最佳配准时，它们的对应像行预处理。然后进行采样、变换、插值、优化从而达到配准的目的.图像校正图像校正定义图像校正是指对失真图像进行的复原性处理。引起图像失真的原因有:成象系统的象差、畸变、带宽有 引入噪声等造成的图像失真。所需要的信息，沿着使图象失真的逆过程恢复图象本来面貌.实际的复原过程是设计一个滤

6、波器，使其能从 失真图象中计算得到真实图象的估值，使其根据预先规定的误差准则，最大程度地接近真实图象。图像校正分类图像校正主要分为两类:几何校正和灰度校正。间对应关系，拟合出上述多项式中的系数，并作为恢复其它象素的基础。几何校正的基本方法是：首先建立几何校正的数学模型；其次利用已知条件确定模型参数；最后根据模型对图像进行几何校正。具体操作通常分两步:对图像进行空间坐标变换；首先建立图像像点坐标（行、列号）和物方（或参考图）对应点坐标间的映射关系，解求映射关系中的未知参数，然后根据映射关系对图像各个像素坐标进行校正；确定各像素的灰度值（灰度内插灰度校正方法灰度校正方法的分类：根据图像不同失真情况以及所需的不同图像特征