图像配准融合介绍.docx

图像配准操作(Image Registration)是在不同条件下得到的并且位于不同坐标系下的同一场景(或物体)的二幅或者多幅图像进行对准叠加的过程由于成像条件不同,同一场景(物体)的多幅图像会在分辨率、成像模式、灰度属性、位置(平移和旋转)、比例尺度、非线性变形及曝光时间等方面存在很多差异,图像配准就是要克服这些困难,最终将这些图像在几何位置上进行配准,以便能够综合利用多幅图像中的信息满足一定的应用需求。概括来说,图像配准问题就是将位于不同坐标系下同一场景的二幅或多幅图像,寻找一种特定的最优几何变换,将两幅或多幅图像变换到同一坐标系的过程背景、意义背景图像配准最早在美国70年代飞行器辅助导航系统、武器投射系统的末端制导以及寻地等应用研究中提出。经过20年的研究成功地用于中程导弹及战斧式巡航导弹上弹着点误差半径不超过十几米。80年代后很多领域都有大量配准技术的应用，如遥感领域、模式识别、自动导航、医学诊断、计算机视觉等。各个领域的配准技术都是对各自具体的应用背景结合实际情况量身订制的技术。但是不同领域的配准技术之间在理论方法上又具有很大的相似性。目前国内外研究图像配准技术比较多的应用领域有:红外图像处理、遥感图像处理、数字地图定位和医学图像处理等领域。70年代P.E.Anuta提出用FFT (Fast Fourier Transform快速傅里叶变换)进行图像配准；D.I.Barnea和H.F.Silverman SSDA（Sequential Similarty Detection Algorithm序贯相似性检测算法）进行图像配准该算法的优点是图像配准的处理速度相对其它算法来说得到了提高；W.Pratt在数字图像处理中详细阐述了各种用于图像配准的相似度量函数；后来A.Roche等将相关相似度函数扩展并应用得到多模态图像配准当中（缺陷：不能处理较复杂的多模态图像间的配准、利用其计算的相似性的峰会较平坦、显著性较低、计算复杂度较高）P.E.Anuta等提出了改进的基于边界信息计算的相关相似度量,有效地提高了该相似度量相对于光照变化的鲁棒性；P.ViolaandW.M.Wells III,等在1997较早地将信息论中的交互信息用于图像的配准操作Thevenazand Unser等尝试了各种途径来解决多种交互信息在图像配准应用中遇到的技术问题口,由此,他们也成功地提出了利用Parzen窗来计算交互信息。交互信息能够有效地实现多模态图像间的图像配准。为了满足很多具体应用对高精度的需求,最近几十年内己经提出很多能够达到亚像素精度的图像配准算法为了实现亚像素图像配准,插值函数被广泛用来克服图像离散化对图像配准精度带来的负面影响。VNDvornychenko利用插值函数对由相似度量函数计算得到的相似值组成的曲面实现插值的方法,实现了亚像素的图像配准精度；J.A.Parker等人利用插值函数对图像灰度值进行插值从而实现亚像素的图像配准精度的方法,并对各种插值函数进行了性能的对比。因为有些插值方法会产生新的灰度值而引起图像灰度分布发生变化的缺点,Maes等人提出了部分体积插值法(Partial Volume Interpolation，PV)。PV方法实际上并不直接计算出插值点的灰度值,而是根据线性插值的权重分配原则,将每对像素对联合直方图的贡献分散到联合直方图上与之相邻的各个像素对上,这样联合直方图上各个像素对的频度值以小数增加,不会出现新的灰度值而破坏目标函数值分布的光滑性。意义图像配准的应用前景非常的广阔。无论在地理遥感领域还是在军事、医学领域都能看到图像配准技术的应用实例。图像配准作为图像处理中一个基本问题,源自于多个领域中很多实际问题的不同应用需求，同时它也是众多图像分析和处理任务的关键步骤。由于图像配准在航空影像自动制图、图像三维重构、计算机视觉、遥感融合、模式识别、医学图像处理、影像分析等众多领域内有着广泛的应用,所以它也是当前科研领域中的重要研究热点之一。在医学图像处理方面，随着计算机技术的不断发展,医学成像技术得到了快速的发展，尖端的新型医疗影像设备层出不穷，如计算机X线摄影(CR)、数字X线摄影(DR)、直接数字X线摄影(DDR)、X线计算机断层摄影(CT)、核磁共振成像(MRI)、数字减影血管造影(DSA)、超声成像(US)、γ闪烁成像(γ-scintigraphy)、单光子发射体层成像(SPECT)、正电子发射体层成像(PET)等等,这些已经成为现代医学诊断必不可少的医学数字成像手段、由于这些医学数字成像设备有不同的灵敏度和分辨率,它们有各自的使用范围和局限性。多种模式图像的结合能充分利用图像自身的特点并做到信息互补。根据医学图像所提供的信息内涵,我们可以将这些信息主要分为解剖结构成像和功能成像两大类。这两类成像方式同