图像配准技术研究进展
第１４卷第６期２００７年１２月
电光与控制
ＥＵ￡ＣＴＲＯＮＩＣＳＯＰＴＩＣＳ＆ＣＯＮＴＲＯＬ
Ｖ０１．１４№．６
Ｄｅｅ．２００７
文章编号：１６７１—６３７Ｘ（２００７）０６—００９９—０７
图像配准技术研究进展
刘松涛，杨绍清
（海军大连舰艇学院信息与通信工程系，辽宁大连１１６０１８）
摘要：图像配堆是解决图像融合、图像镶嵌和变化检测等问题的必要前提。其应用遍及军事、遥感、医学和计算机视觉等多个领域。筒要回顾了图像配准技术的发展史和研究现状．重点阐述了当前的技术热点和应用趋势，最后展望了进一步的研究方向。
关键词：图像配准；信息论；非刚性配准；虚拟结构
中图分类号：Ｖ２４３．６文献标识码：Ａ
Ｐｒｏｇｒｅｓｓｉｎｉｍａｇｅｒｅｇｉｓｔｒａｔｉｏｎｔｅｃｈｎｉｑｕｅｓ
ＬＩＵＳｏｎｇ—ｔａａ，ＹＡＮＧＳｈａｏ—ｑｉｎｇ
（Ｏｅｐｔ．ｏｆＩｎｆｏｒｍａｔｉｏｎ＆ＣｏｍｍｔｍｉｃｄｉｏｎＥｔ，ｇ泌ｒｉｔ，．ｇ，ＤａｆｉａｎＮａｖａｌＡｃａｄｅｍｙ，Ｄａｌｉａｎ１１６０１８，舀白Ⅺ）
Ａｂｓｔｒａｃｔ：Ｉｍａｇｅｒｅｇｉｓｔｒａｔｉｏｎｉｓｅｓｓｅｎｔｉａｌｆｏｒａｌｌｉｍａｇｅａｎａｌｙｓｉｓｔａｓｋｓｌｉｋｅｉｍａｇｅｆｕｓｉｏｎ，ｉｍａｇｅｍｏｓａｉｃａｎｄｃｈａｎｇｅｄｅｔｅｃｔｉｏｎ．Ｉｔｉｓｕｓｅｄｗｉｄｅｌｙｉｎｍｉｌｉｔａｒｙｓｙｓｔｅｍ，ｍｅｄｉｃａｌｉｍａｇｉｎｇ，ｒｅｍｏｔｅｓｅｎｓｉｎｇ，ｃｏｍｐｕｔｅｒｖｉｓｉｏｎ，ｅｔｃ．Ｔｈｅｈｉｓｔｏｒｙａｎｄｃｕｒｒｅｎｔｅｔａｔｕｓｏｆｉｍａｇｅｒｅｇｉｓｔｒａｔｉｏｎｔｅｃｈｎｉｑｕｅｓｆｉｒｅｒｅｖｉｅｗｅｄｋｅｆｌｙｗｉｔｈｅｍｐｈａｓｉｓｏｎｉｔｓｃｕｒｒｅｎｔｔｅｃｈｎｉｃａｌｈｏｔｓｐｏｔｓａｎｄａｐｐｌｉｃａｔｉｏｎｔｒｅｎｄｓ．Ｓｏｍｅｉｎｔｅｒｅｓｔｉｎｇａｓｐｅｃｔｓｆｏｒｆｕｒｔｈｅｒｓｔｕｄｙａ”ｐｏｉｎｔｅｄｏｕｔｉｎｔｈｅｅｎｄ．
Ｋｅｙｗｏｒｄｓ：ｉｍａｇｅｒｅｇｉｓｔｒａｔｉｏｎ；ｉｎｆｏｒｍａｔｉｏｎｔｈｅｏｒｙ；１１０ｎ—ｒｉｇｉｄｒｅｇｉｓｔｒａｔｉｏｎ；ｖｉｒｔｕａｌｓｔｒｕｃｔＵｒｅ
０引言
图像配准是许多应用问题必须的预处理步骤，比如：时序图像的变化检测或多模图像融合，这些问题遍及军事、遥感、医学、计算机视觉等多个领域。许多领域都需要图像配准，实际应用过程可能会有所不同，但其中关键的因素是类似的。概括地说，图像配准是对取自不同时间、不同传感器或者不同视角的同一场景的两橱或多幅图像进行最佳匹配的过程，包括像素灰度匹配和空间位置对齐。
配准方法的分类可以依据不同的准则。Ｂｒｏ．ｗｎ…依据变换模型的复杂程度对配准方法进行分类，并归纳了配准技术的实现步骤：特征空问、相似度测量、搜索空间和策略。Ｍａｉｎｔｚ”１等则提出了９
收稿日期：２００６—０３—０９修回Ｅｔ期：２００６—０５—１５
基金项目：国防预研基金资助项目（５１４０３０３０６０４ＪＢｌ４０Ｉ）；国家自然科学基金资助项目（６０５７２１６０）
一
作者简介：荆松涛（１９７８一），男，河南孟津人，博士，主要研究方向为图像融合、耳标识别、成像跟踪、ＤＳＰ开发
等。条分类准则，依次为：图像维数、配准特征的来源、变换模型、坐标变换域、交互性、优化策略、成像模式、配准对象、配准目标的特点等。作者参考Ｂｒｏｗｎ和Ｍａｉｎｌｚ的分类方法，将配准技术概括为８个方面，包括：配准对象、特征提取、特征匹配、变换模型、优化策略、坐标变换与插值、系统实现及算法评估，并考虑每项内容的技术特性进行细分，然后依据某一算法的创新点进行分类。囊括所有方法的分类准则是不存在的，所提方法侧重于从总体上对配准方法进行考察，是一种相对能反映配准方法本质特征的分类方法。依据新的分类准则，作者已对图像配准技术的８个子方向进行了系统研究ｕＪ。
１发展史和研究现状
国外从２０世纪６０年代就开始在图像配准领域进行研究“】，但直到１９８０年代才开始引起学者们的关注。到上世纪末，单模图像配准问题已基本解决，但多模图像配准由于涉及模式和领域的复杂性．仍需密切关注。国际上对图像配准技术曾做过调查”】，其结论是１９９０年代初技术文献明显增加。而
１００电光与控制第１４卷
国内从１９９０年代初才开始涉足此领域。
下面依据科研分布情况对当前图像配准技术的研究现状进行阐述。通过对研究成果（比如：硕、博士论文）相对集中的科研机构或技术人员进行分析，可以很好地把握该领域的研究广度和深度。
１）ＵＭＣＵ（ＵｎｉｖｅｒｓｉｔｙＭｅｄｉｃａｌＣｅｎｔｅｒＵｔｒｅｃｈｔ，Ｎｅｔｈ－ｅｒｌａｎｄｓ）图像科学所。以ＭａｘＡ．Ｖｉｅｒｇｅｖｅｒ教授为代表，研究兴趣包括计算机视觉和医学成像的所有方面。文献［６］综述了该所上世纪最后１０年的研究情况，重点在图像配准、图像分割和可视化。
２）ＶＵ（ＶａｎｄｅｒｂｉｌｔＵｎｉｖｅｒｓｉｔｙ，ＵＳＡ）电子工程与计算机科学系。以Ｊ．ＭｉｃｈａｅｌＦｉｔｚｐａｔｒｉｃｋ教授为代表，研究兴趣在医学成像，医学图像处理，图像配准、图像制导手术。
３）ｓｕ（ｓｙｒａｃ∞ｅＵｎｉｖｅｒｓｉｔｙ，ＵＳＡ）电子工程与计算机科学系。以ＰｒａｍｏｄＫ．Ｖａｒｓｈｎｅｙ教授为代表，研究兴趣在隐藏武器探测。文献［７］综述了其课题小组近１０年的研究情况。
４）ＫＣＬ（Ｋｉｎｇ’ｓＣｏｌｌｅｇｅＬｏｎｄｏｎ）医学成像科学组。以ＤｅｒｅｋＬ．Ｇ．Ｈｉｌｌ教授为代表。研究兴趣在图像配准、多模图像制导手术、ＭＲＩ运动纠正、形状分析等，著有《医学图像配准》。
５）ＷＳＵ（ＷｒｉｇｈｔＳｔａｔｅＵｎｉｖｅｒｓｉｔｙ，ＵＳＡ）计算机科学工程系。以ＡｒｄｅｓｈｉｒＧｏｓｈｔａｓｂｙ教授为代表，近２０年来，一直致力于图像配准技术研究。他是图像融合系统研究的发起者，并创立了以研究和发展图像配准及融台技术为目的的公司。
６）美国ＮＡＳＡ空间飞行中心。以ＪａｃｑｕｅｌｉｎｅｋＭｏｉｇｎｅ教授为代表．为图像配准在遥感领域应用作了大量工作，涉及多种技术在该领域的应用，诸如小波多分辨率策略以及互相关、互信息、Ｈａｎｓｄｏｒｆｆ距离等相似度测量。
７）２０世纪９０年代初国内开始进行图像配准技术的研究，文献［８—９］应该是比较早的研究成果。２技术热点
图像配准技术的文献浩如烟海。通过对当前技术热点的分析，不仅体现了该领域存在的问题，也揭示了进一步的研究方向。
２．１传感器校正
图像配准是与获取待配准图像的传感器紧密联系的。在图像获取之前解决图像配准问题的方法之一是构造一种能够同时获得多种模式图像的成像装置。这是今后实现图像配准技术的一个重要发展方向。文献［１０】提出了一种距离图像扫描机制，可以不需配准就能融合数据。
通过研究成像设备参数可以有效地消除图像间差异。文献［１１］利用传感器参数进行图像配准。系统中传感器光轴一致，有相同的中心，则图像只反映了视场角和空间分辨率的不同。根据传感器参数，对图像剪切、缩放、重采样和插值，可直接匹配视场角和空间分辨率。
基于成像模型的配准方法是建立在图像空间和地面物理空间之间严格的几何变换基础上，需要准确的传感器位置和姿态参数以及数字高程模型（ＤＥＭ）的支持。文献［１２１在配准由飞机或其他空中平台拍摄的地面上的景物图像时，考虑到配准的精度和实时性，采用了基于成像模型的配准方法，克服了传统配准方法在图像出现较大扭曲时的不足。２．２信息论技术
最近几年，以信息论为基础的图像配准方法越来越受到研究者的关注。其理论依据是：同一目标的两个图像所反映的信息必具有某种内在的关联。随着两幅图像对齐程度的变化，这种关联也随之变化，当互信息达到最大时，则认为两幅图像已配准。１９９５年，Ｖｉｏｌａ“”和Ｃｏｌｌｉｇｎｏｎ“４１等人分别独立地把交互信息引人图像配准领域，为多模态图像配准提出了一种新的思路。
互信息配准的计算量很大，文献［１５］提出的非线性迭代方法明显降低了计算量，并在其后的研究中证明，该方法是有效的。文献［１６］提出用非等距离的快速Ｆ肼变换来计算互信息，不仅提高了配准速度，也改善了配准精度。
文献［１７］认为互信息法在图像之间差异太大时将失效．所以在配准从ＭⅡ（ＭｕｌｔｉｓｐｅｃｔｒａｌＴｈｅｒｍａｌＩｍ，ａｂｅｔ）获得的多光谱图像时，将互信息做了多变量推广。在多光潜图像之间采用循环的相似度匹配原则，较好地实现了多光谱图像配准。
互信息测度通常基于ｓｈａｎｎｏｎ熵定义，文献［１８］展示了基于ｒｅｎｙｉ熵的互信息测度，在许多情况下都显示了优越性。文献［１９］则研究了ｔｓａｌｌｉｓ熵，认为相比ｓｈａｎｎｏｎ墒，具有更好的配准精度和收敛速度。
除了互信息外，信息论还提供了许多其他方式的测度，文献［２０］对其作了全面论述和比较。
２．３非刚性配准
非刚性配准是当前的研究热点，集中在医学领域。文献［４，２１—２２］是关于非刚性配准的文献综述ｐ
第６期刘松涛等：图像配准技术研究进展１０１
非刚性配准方法主要有基于空同变换的配准方法和基于物理模型的配准方法两大类。基于空间变换的非刚性配准方法采用图像的空间变换来拟台图像的变形，常用方法有多项式法、基函数法、样条函数法等。在基于物理模型的配准方法中，不同图像之间的差异被认为是由一种物理变形引起的。基于物理模型的配准方法就是构造能够拟合这种变形的物理模型，主要的物理模型有弹性模型、粘性流体模型和光流场模型。
文献【２３］将所有非线性配准算法归结在一个变化框架下，并在此框架下，提出了一种基于曲率的图像配准算法。
２．４复合配准
复合配准适宜于待配准图像之间有较大的尺寸比例差别、较大的旋转角及较大的平移，甚至还伴随着各自图像的畸变，或存在较严重的几何校正残余误差。复合配准有３种复合方式：结合基于特征和基于灰度的配准方法、结合图像中不同的特征以及变换模型分解。
１）基于特征和基于灰度的配准方法。文献［２４］提出的复合配准算法包括了基于边缘的方法和基于光流估计的配准算法，但边缘需要匹配，而光流场估计对光照和对比度的大变化不适应。为了改进算法的不足，文献［２５］在特征匹配阶段使用了Ｈａｕｓ－ｄｏｒｌｔ距离。
２）图像中不同特征结合。文献［２６］提出将区域轮廓和内部解剖点共同作为匹配特征实现弹性配准。
３）变换模型分解。文献［２７］通过分段仿射变换逼近透视变换，从而简化其参数计算。文献［２８］通过ｗｈｉｔｅｎｉｎｇ变换将一般仿射变换问题转化成刚体变换，极大地简化了问题模型。
２．５变换模型的特性
大多数图像配准技术中存在一个共同的问题，即图像Ａ到曰的估计变换不是丑到Ａ变换的逆，这种菲一致性起因于匹配策略没能很好地描述图像闯的对应关系。文献［２９］提出了一种联合估计图像间的正向和反向变换的方法，保证了正向和反向变换的互逆性。文献［３０］进一步明确指出配准变换不一致是由相似度测量的不对称造成的。文献｛３１］提出通过分析变换模型是否具有可逆－巨和传递性来评估非刚性配准算法的性能。
文献［３２］提出了两种一致性配准算法，第一种是基于界标的，第二种是基于界标和灰度信息的。靠近界标的位置使用界标配准，其他地方用灰度信息配准。这两种方法通过最小化正向和反向变换的误差来联合估计正向和反向变换。
２．６分割和配准并行
配准和分割有着密切的联系，一个问题的解决，对另一个问题的解决有着极大的帮助。如分割问题得到好的结果，则根据对应关系，配准可以大大得到简化；如配准问题得到精确实现．则可以将图像与己知图谱相匹配，从而可实现完全自动的分割。
文献（３３］提出了两种将互信息推广应用于非刚体配准的算法，并指出下一步目标是将图像分割和图像配准结合在一起，用各自输出的信息互相指导下一步的操作，迭代达到最优。
文献［３４］将配准和分割的关系比作鸡和蛋的问题，到底哪个先？文中提出了期望最大值算法，分割和配准同时进行。
２．７多模图像配准
不同性质的传感器获取的图像灰度和特征信息往往有很大的不同，这使得图像配准变得更加困难。互信息法在多模图像配准领域应用最广泛．但当图像有大角度旋转或太尺度缩放时，要么无效，要么费时。该领域的发展趋势是基于特征的配准方法以及充分利用传感器参数。１９９７年，文献［３５３全面讨论了多模图像配准技术存在的问题并达成了共识，对现在的技术发展仍有很好的指导意义。
２．８分窗口配准
分窗口配准的基本思想是将待配准图像分成多个小窗口，并在参考图像中找到相应的窗口，然后以这些小窗１２１的中心作为控制点，可以求出图像间刚体或非刚体变换的参数。
文献［３６］自动将配准图像分解成一系列细节丰富的、互不相同的模板，选择匹配最好的４个模板的中心作为控制点，计算配准图像的平移和旋转参数。模板选择在相似区域，避开了不相似区域的影响，因此优于直接匹配整个图像的方法。文献［３７］提出了非均匀窗口的思想，通过可逆转移马尔可夫链的蒙特卡罗统计程序可以最优地选择窗口点的位置。２．９虚拟结构．
虚拟结构是指在原始边缘图中不存在的结构，常见的有虚拟三角形和虚拟圆等。
１）虚拟三角形。文献［３８］在配准不同模态图像时，采用了边缘提取的方法，然后，为了匹配的稳健性，用边缘上的点组成的三角形进行图像变换。文献［３９］对线特征作了详细介绍，并提出将线三角
１０２电光与控制第１４卷
形特征用于图像配准。
２）虚拟圆。虚拟圆是由包含背景区域但不含边缘点的最大半径构成，其中心和半径用来指导匹配过程。文献［柏］系统阐述了虚拟圆技术，并指出只适用于刚体变换，下一步工作准备延伸到仿射变换。
２．１０抑制人工物
插值产生的人工物（Ａｒｔｉｆａｅｔ）影响互信息法的精度和鲁棒性。文献［４１］概括了人工物产生的２个原因：线性插值引起直方图级数同步变化和熵计算函数是凸函数，然后结合先验信息，提出了两种补救办法：细微重调和先验联合嫡，后续工作中又提出了非均匀性插值函数。
文献［４２］对互信息法中的插值影响作了进一步分析，指出只要采样影响不能忽略，即使理想的插值算子也不能完全抑制局部极值的干扰。
３应用趋势
虽说图像配准技术源于计算机视觉，但当前在医学领域应用最多、研究的也最深人，值得遥感和军事领域的研究者借鉴。上述４个领域对图像配准技术的研究相对集中．当然，配准技术也广泛应用在其他一些领域，诸如：工业检测、版权保护等。本节重点论述配准技术在计算机视觉和军事领域中一些比较薪颖的应用。
３．１计算机视觉
图像配准技术在１９６０年代初最早源于计算机视觉领域，用于识别图像中预先设好的多面体目标“】。在计算机视觉领域，配准时对整个场景都采用同一几何变换有时是不合适的，需要确定感兴趣区域。文献［４３］在配准供监视用的序列图像时，提出了ｂｏｕｎｄｉｎｇｂｏｘ配准算法，鄢只进行跟踪目标区域配准。
文献［４４】深入探讨了运动估计问题，提出了基于样条的图像配准框架，囊括了运动估计中的光流计算、立体匹配、运动结构和特征跟踪。该方法结台了局部运动模型和全局运动模型的最优特征，相关计算时不必计算重叠窗口，只需计算相邻光流估计的相关测度。
现有的多数人脸识别系统都要依赖于面部特征（比如眼睛中心位置）的严格配准来归一化人脸以便提取人脸描述特征。但面部特征配准的准确度如何影响人脸识别算法的性能却没有得到足够的重视。文献［４５３首次对这一问题进行了系统的研究，并提
出了一种基于误配准学习的解决方案。
３．２军事
军事领域的配准可以用于变化检测、运动目标指示、视点稳定、大视场重构、多通道融合、地形定位和导航等。
文献［４６］指出美国海军空战中心扩大了自动连接点分析与配准（ＡＴＡＲ）计划以使其包括图像序列的仿射配准和目标探测能力。每张图像中的这些连接点是分开计算的，然后把它们匹配起来以确定图像之问的配准。美国海军空战中心有一个网站专门从事图像的实时配准，其中包括某些很难配准的范例图像集。
文献［４７］分析了红外焦平面阵列的填充因子对基于相关的图像配准和目标跟踪算法性能的影响。多目标配准是一个棘手的问题，文献［４８］对其作了初步探讨，还有许多后续的工作要研究。
为了使机载前视红外探测器得到高分辨率图像，文献［４９］采用微扫描技术和图像配准结合的方法。同样使用配准技术，文献［５０］是为了消除由于飞机运动引起的图像序列不稳定。
文献［５１］论述了图像配准技术在国防领域的应用，并给出了澳大利亚国防科技组织和传感器信号信息处理中心的研究现状。
近年来，增强现实技术（ＡｕｇｍｅｎｔＲｅａｌｉｔｙ）逐渐引起了关注。其总体思想是为了得到离精度的实时操作，通过融合同一场景的虚拟库和真实视频，得到更多有利于操作的信息。文献［５２］提出了用于配准和融合同一场景的虚拟库和真实视频的实现框架。
４结论与展望
图像配准技术是图像处理领域的一项基本研究内容，涉及图像分割、特征提取、模式识别和优化理论等多项关键技术，这些技术的进展影响着配准技术的发展。图像配准技术在国外的研究比较成熟，而国内起步较晚。作者在查阅大量国内外文献的基础上，系统阐述了当前图像配准技术的研究热点和应用趋势，可使感兴趣的研究者迅速把握国际前沿。
配准效果评估是配准过程的一个重要组成部分。不对配准效果进行评估，则配准方法的准确性和实用性受到置疑，配准也就毫无意义。研究者们对于刚体变换模型的配准效果评估已做了许多工作，综述性的文献可参见文献［５３］，但是关于非线性（局部、弹性）配准方法的配准效果评估工作才刚刚起步。
第６期羽松涛等：图像配准技术研究进展１０３
自动配准技术是实Ｒ，Ｊ／准实时融合系统工作的前提条件。在目前的研究中，很多方法还需要一些人工干预，无法实现全自动的配准。依据当前的技术水平，完全自动的图像配准是不现实的。人工参与还是必需的，如参数选择和配准效果评估等，但要尽可能减少人工参与的程度。
所有的配准方法都假定配准的图像具有共同之处，否则就不能匹配。不同的图像配准方法都是针对不同类型的图像的配准问题．到目前为止，尚不存在哪一种图像配准方法能对各种不同的图像进行配准，但是今后可以设计一个统一的框架来实现不同图像的配准闯题。文献［５４］提出了一种综合内部和外部信息的图像配准框架，统一了许多算法。也指出了配准技术的发展方向。
传统的配准算法都是基于固定组件的，新的趋势是开发一个含有标准组件的工具包，其中含有多个相似度测量方法、变换模型和优化策略【“。具体应用时，可采用专家系统方式，识别待配准的任务，找到最台适的配准方法。配准的目的就是为了应用，所以要根据具体任务折衷配准的准确度、精度、可靠性、鲁棒性以及自动化、交互性、实时性和易操作性。
参考文献
［１】ＢＲＯＷＮＬ．Ａ
ｓｕｒｖｅｙ
ｏｆｉｍａｇｅｒｅｇｉｓｔｒａｔｉｏｎｔｅｃｈｎｉｑｕｅｓ［Ｊ］．ＡＣＭＣｏｍｐｎｔｉａｇＳｔｕ－ｖｅｙｓ，１９９２，２４（４）：３２５－３７６。
［２】Ｍ？ｄＮＴＺＪＢＡ，ＶＩＥＢＣＥＶＥＲＭＡ．Ａｓｍｗｅｙｏｆｍｅｄａｃａｌｉｍ－ａｇｅｒｅｇｉｓｔｒａｔｉｏｎ［Ｊ］．ＭｅｄｉｅＭＩｍａｇｅＡｎａｌｙｓｉｓ，１９９８（２）：１－
３６．
［３］刘松涛．面向目标识删的图像融合技术研究［Ｄ］，烟台：海军航空工程学院，２００６．
【４ＪＧＯＳＨＴＡＳＢＹＡＮｏｎｒｉｇｉｄ
ｉｍａｇｅ
ｒｎｇｌｓｔｒａｆｉｏｎ：ｇｕｅｓｔｅｔｈｉｏｎ；ｉｎ－ｔｒｏｄｕｃｔｉｏｎ［Ｊ］．ＣｏｍｐｕｔｅｒＶｉｓｉｏｎａｎｄＩｍａｇｅＵｎｄｅｍｌａｎｔｈｎｇ，
２００３，８９：１０９?１１３．
［５］ＰＩＳⅡＭＪＷ，ＦＩＴＺＰＡＴＲＩＣＫＪＭ．Ｉｍａｇｅｒｅｇｉｓｔｒａｔｉｏｎ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓ０９ＭｅｄｉｃａｌＩｍａｇｉｎｇ，２００３，２２（１１）：１３４１，１３４３．［６］ＶＩＥＲＧＥＶＥＲＭＡ，ＭＡＩＮｌｚＪＢＡ．ＮＩＥＳＳＥＮＷＪ，ｃｔａ１．Ｒｅｇｉｓｔｒａｔｉｏｎ，ｓｅｇｍｅｎｔａｔｉｏｎ，ａｎｄｖｉｓｕａｌｉｚａｔｉｏｎｏｆｍｕｌｔｉｍｏｄａｌ
ｂｒａｉｎｉｍａｇｅｓ［Ｊ］．ＣｏｍｐｕｔｅｒｉｚｅｄＭｅｔｈｃａｌＩｍａｇｉｎｇａｎｄＧｒａｐｈ－
ｉｅｓ，２００１，２５：１４７—１５Ｉ．
［７］ＣＨＥＮＨｕａ－ｍｅｉ，ＳＥＵＮＧＳＩＮＬ，ＲＡＯＲＭ，ｅｔａ１．ＩⅢ日ｑｆｏｒＣＯｎｃｅａｌｅｄｗｅａｐｏｎｄｅｔｅｃｔｉｏｎ：８ｔｕｔｏｒｉａｌｏｖｅｒｖｉｅｗｏｆｄｅｖｄｏｐ?ｍｅｒｉｔｉｎｉｍａｇｉｎｇ∞㈣ａｎｄｐｒｏｃｅｓｓｉｎｇ［ＪＪ．ＩＥＥＥＳｉｇ，一Ｐｒｏ－ｅｅｓ＊ｉａｇＭａｇａｚｉｎｅ，２００５（３）：５２—６１．
【８ＪＧＡＯＺｈｉ—ｙｏｎｇ，ＳＨＥＮＺｈｅｎ—ｋａｎｇ．ＪＩＮＧＹｉ—ｐｉｎｇ．Ｔｗｏ—ｓｔａｇｅｃｏｎ＇ｅｌａｔｉｏｎｍｅｔｈｏｄｉｎｌｏｗＳＮＲｆｏｒｆａｓｔｉｍａｇｅｒｅｇｉｓｔｒａｔｉｏｎ［ｃ］ＩＩ
ＰｒｏｅｅｅｄｉｎｇｅｏｆＩＥＥＥ，１９９１：３３７—３４１．［９］罗晓慧．基于特征和灰度的影像配准方法［Ｄ］．北京：中国科学院遥感应用研究所，１９９３．
［１０］ＺＡＧＯＲＣＨＥＶＬ，ＧＯＳＨＴＡＳＢＹＡＡｍｅｅｈａｎｉｓｍｆｏｒ
ｒａｎｇｅ
ｉｍａｇｅｉｎｔｅｇｒａｔｉｏｎｗｉｔｈｏｕｔｉｎ％％ｅ∞幽ｔｒａｔｉｏｎ［Ｃ］／／Ｐｒｏｃｅｅｄ．
ｉｎｇｓｏｆ
ｔｈｅＦｉｆｔｈＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅ
ｏｎ３－Ｄｎｉ６ｔａｌＩｍ．ａ面‘ｌｇａｎｄＭｏｄｅｌｉｎｇ，２００５：１２６—１３３．
【１１］ＧＬＥＮＮＨ，ＲＡＨＭＡＮｚ，ＪＯＢ，ＳＯＮ
Ｄ．Ｍｕｌｔｉ—ｉｍａｇｅｒｅｇｉｓｔｒａ．ｆｉｏｎｆｏｒ¨ｅｎｈａｎｃｅｄｖｉｓｉｏｎｓｙｓｔｅｍ［Ｃ］／／Ｐｒｏｃｅｅｄｉｎｇｓｏｆ
ＳＰＩＥ，２００３．５１０８：２３１—２４．１．
［１２】ＤＥＮＮＩＳＴ，ＣＡＮＮＡＴＡＲ，ＨＡＣＫＥＴｒＪＫ．Ａｕｔｏｍａｔｅｄｍｏｄｃｌ
一ｌｍｓｅｄｉｑｒｅｇｉｓｔｒａｔｉｏｎｆｏｒｔａｃｔｉｃＭｉｍａｇｅｅｘｐｌｏｉｔａｔｉｏｎ［Ｃ］／／
Ｐｒｏ础ａｇｓ０ｆＳＰＩＥ。２０００，４０５４：１９—２９，
［１Ｓ］ＶＩＯＬＡＰＡ，ＷＥＬＬＳⅢＷＭ．Ａｌｉｇｎｍｅｎｔｈｎｍｘｉｍｉｚａｔｉｏｎｏｆｍｕｔｕａｌｉｎｆｏｒｍａｔｉｏｎ［Ｃ］，，Ｐ１０ｅ．５ｔｈＩｎｔ．ＣｏｎｆＣｏｍｐｕｌｅｒＶｉ一
＊ｉｏｎ，Ｂｏｓｔｏｎ，ＭＡｔｌ９９５：１６－２３．
［１４］ＣＯＬＬＩＧＮＯＮＡ，ＭＡＥＳＦ，ＤＥＬＡＥＮＥＤ．Ａｕｔｏｍａｔ㈣ｄｕｈｉｍｏｄａｌｉｔｙｉｍａｇｅｒｅｇｉｓｔｒａｔｉｏｎｂａｓｅｄｏｎｉｎｆｏｒｍａｔｉｏｎｔｈｅｏｒｙ［Ｃ］／／
Ｐｒｏｅ．ｏｆｔｈｅＩｎｆｏｍｍｆｉｏｎ
Ｐｒｏｃｅｓｓｉｎｇ
ｉｎＭｅｄｉｃａｌＩｍａｇｉｎｇＣｏｎ－ｆｏｘｅｎｅｅ，Ｈ㈣ｃｌＩ，ＭＡ：ＫｌｕＷｅｒ，１９９５：２６３—２７４，
（１５］ＴＨＥＶＥＮＡＺＰ，ＲＬｒ／ＴＩＭＡＮＮＩＪＥ，ＵＮＳＥＲＭ，Ａｐｙｒａｍｉｄａｐｐｒｏａｃｈｔｏｓｕｂｐｉｘｅｌｒｅｇｉｓｔｒａｔｉｏｎｂａｓｅｄｏｔｌｉｎｔｅｎｓｉｔｙ［Ｊ］．
ＩＥＥＥＴｒａｍ．ＩｍａｇｅＰｒｏｃｅｓｓｉｎｇ，１９９８（７）：２７—４１．
［１６］ＳＴＥＦＡＪｑＨ，ＭＡＨＮＫＥＯ，ＰＯＴＴＳＤ，ｅｔａ１．Ｆａｓｔｃｏｍｐｏ诅ｆｉｏｎ
ｏｆｍｕｔｕａｌｉｎｆｏｒｍａｔｉｏｎｉｎ
ａｖａｒｉａｔｉｏｎａｌｉｍａｇｅＭ自ｓｈｈｏｏ”一ｐｒｏａｅｈ［Ｃ］／／ＣＥＵＲＷｏｒｋｓｈｏｐＰｒｏｃｅｅｄｉｎｇｓ，２００４：４４８—４５２．【１７］ＪｇＦＦＲＥＹＰＫ．Ｒｅｌｉａｂｌｅｂａｎｄ—Ｉｏ－ｂａｎｄｒｅｇｉｓｔｒａｔｉｏｎｏｆｍｕｈｉ－ｓｐｅｃⅡａ］ｔｈｅｒｍａｌｉｍａｇｅｒｄａｔａ
ｕ她ｍｕｌｉｉｖａｘ／ａｔｅｍｕｔｕａｌｉｎｆｅｒ－ｍａｔｉｏｎａｎｄｃｙｃｌｉｃｃｏｎｓｉｓｔｅｎｃｙ［Ｃ］／／ＰｒｏｃｅｅｄｉｎｇｓｏｆＳＰＩＥ，
２００４，５５５８：５７－６８．
［１８］ＷＡＣＨＯＷＩＡＫＭＰ，ＲＥＮＡＴＡＳ，ＧＥＯＲＧＩＡＤ．ｃｔａｌＧｅｎｅｒ－ａｌｉｚｅｄｍｕｔｕａｌｉｎｆｏｒｍａｔｉｏｎｓｉｍｉｌａｒｉｔｙⅡＩｅｄｃｓｆｏｒｍａｌｔｉｍｏｄａｌ
ｂｉｏｍｅｄｉｃａｌｉｍａｇｅｒａｇｉｓｔｒⅡ【ｉｏｎ［Ｃ］ＩＩＰｍｃｅｅｄｌｎｇｅｏｆｔｈｅＳｅｃｏｎｄ
ＪｏｉｎｔＥＭＢＳ／ＢＭＥＳＣｏｎｆｅｒｅｎｃｅ。２００２：１００５—１００６．
［１９］ＭＡＲＴＩＮ５，ＭＯＩＬＩＳＯＮＧ，ＮＡＩＬＯＮＷ，ｅｔａ１．Ｆａｓｔａｎｄａｃ＊ｒａｔｅｉｍａｇｅｒｅｇｉｓｔｒａｔｉｏｎｕｓｉｎｇｔｓａｌｌｉｓｅｎｔｒｏｐｙａｎｄｓｉｍｕｌｔａｎｅｏｕｓ
ｐｅｒｔｕｒｂａｔｉｏｎｓｔｏｃｈａｓｔｉｃａｐｐｒｏｘｉｍａｔｉｏｎ［Ｊ］．ＥｌｅｃｔｒｏｎｉｃｓＬｅｔ－
ｔｅｒｓ，２ｉｆＪ４，４０（１０）：５９５．５９７．
［２０］ＰＬＵＩＭＪＰＷ，ＭＡＩＮ＇ＩＺＡＪＢ，ＶＩＥＲＧＥＶＥＲＭＡＦ．ｎｉｆｏｒ－ｍａｒｉｏｎｍｅ８ｓｕｒｅｓｉｎｍｅｄｉｃａｌｉｍａｇｅｒｅｇｉｓｔｒａｔｉｏｎ［Ｃ］／／Ｐｒｏｃｅｅｄ．
ｉ１驿ｏｆＳＰＩＥｒ２００１，４３２２：５７９－５８７．
［２１］ＬＥＳＴＥＲＨ，ＡＲＲＩＤＧＥＳＲ．Ａ
ｓｔａｖｅｙｏｆｈｉｅｒａｒｃｈｉｃａｌｎｏｎ—
ｌｉｎｅａｒｍｅｄｉｃａｌ
ｉｍａｇｅｒｅｇｉｓｔｒａｔｉｏｎ［Ｊ］．ＰａｔｔｅｒｎＲｅｃｏｇｎｉｔｉｏｎ，１９９９（３２）：１２９．１４９．
［２２】ＤＡＷＡＮＴＢＭ．Ｎｏｎ－ｒｉｇｉｄｒｅｇｉｓｔｒａｔｉｏｎｏｆｍｅｄｉｃａｌｉｍａｇｅｓ：ｐｕｒｐｏｓｅ
ａｎｄｍｃｔｈｏ＆，ａｓｈｏｒｔｓｕｒｖｅｙ［Ｃ］／／Ｐｒｏｃｅｅｄｉｎｇｓｏｆ皿ＥＥ．２００２：４６５—４６８．
［２３］ＢＥＲＮＤＦ，ＭＯＤＥＲＳＩＴＺＫＩＪ．Ａｕｎｉｆｉｅｄａｐｐｒｏａｅｋｔｏｆａｓｔ血?ａｇｅ１ａｇｌｓｔｍｔｉｏｎａｎｄⅡｎｅｗｃｕｒｖａｔｕｒｅｂａｓｅｄｒｅｇｉｓｔｒａｔｉｏｎｔｅｅｈ—
１０４电光与控制第１４卷
＝ｉｑｕｅ［Ｊ］．ＬｉｎｅａｒＡｌｇｅｂｒａａｎｄＩｔｓＡｐｐｌｉｃａｔｉｏｎｓ，２００４，３８０
１０７－１２４．
［２４］ＺＨＡＮＧＺｈｏｎｇ，ＢＬＵＭＲＳ．Ａｈｙｂｒｉｄｉｍａｇｅｒｅｇｉｓｔｒａｔｉｏｎ
ｔｅｃｈｆｄｑｕｅｆｏｒａｄｉ舀ｔ且ｌｃⅢｅｍ
ｉｍａｇｅｆｕｓｉｏｎａｐｐｌｉｃａｔｉｏｎＩＪ】．
ＩｎｆｏｒｒｏａｆｉｏｎＦｕｓｉｏｎ，２０００（２）：１３５—１４９，
［２５］ＰＥＮＧＸｉａｏ?ｍｉｎｇ，ＤＩＮＧＭｉｎｇ－ｙｕｅ，ＺＨＯＵＣｈｅｎｇ—ｐｉｎｇ，ｅｔａｌＡｐｒａｃｔｉｃａｌｔｗｏ－ｓｔｅｐｉｍａｇｅｒｅｇｉｓｌｒａｔｉｏｎｍｅｔｈｏｄｆｏｒｔｗｏ
—ｄｉｍｅｎｓｉｏｎａｌｉｍｎｇｅｓ［Ｊ］．ＩｎｆｏｒｍａｔｉｏｎＦｕｓｉｏｎ，２００４（５）：２８３—
２９８．
［２６］ＴＨＥＯＰＨＡＮＯＭ，ＢＡＮＧＱｉａｎ．Ｉｍａｇｅｒａｇｌｓ”ａｄｏｎｕｓｉｎｇｅｌａｓ－ｔｉｃｃｏｎｔｏｕｒｓａｎｄｉｎｔｅｒｎａｌ
ｌａｎｄｍａｒｋｓ［Ｃ］／ＩＩＥＥＥＩｎｓｔｍｍｅｎｔＢ．ｔｉｕｎｅｎｄ№ａ８ｍｍｅ址‰ｈｉ出口Ｃｏ出ｒｅ㈣，１９９８：４５１—
４５５．
［２７］ＧＥＯＲＧＥＷ，ＺＯＫＡＩＳ．Ｉｍａｇｅｒｅｇｉｓｔｒａｔｉｏｎｆｏｒｐｅｒｓｐｅｃｔｉｖｅｄｅｆｏｒｍａｔｉｏｎｒｅｃｏｖｅｒ／［Ｃ］ｌｌＰｒｏｃｅｅｄｉｎｇｅｏｆＳＰＩＥ，２０００，４０５０：
２５９．２７０．
［２８］ＮＡＧＡＯＫ，ＧＲＩＭＳＯＮＷＥＬＡ墒∞ｍａｓｈｉｎｇｏｆｐｌａｎａｒｓｅｔｓ【Ｊ］．ＣｏｍｐｕｔｅｒＶｉｓｉｏｎｍａｄＩ“铲Ｕｎｄｅｒｓｔａｎｄｉｎｇ，１９９８，７０
（１）：ｉ．２２．
［２９］ＣＨＲＩＳＴＥＮＳＥＮｃＥ，ＪＯＨＮＳＯＮＨＪ．Ｃｏｎｓｉｓｔｅｎｔｉｍａｇｅｒｅｇｉｓ－ｔｒａｔｉｎｎ［Ｊ］．ＩＥＥＥＴｒｍｌｓａｃｔｉｏｒｍＯＤ－Ｍｅｄ沁ａｌＩｍａｇｉｎｇ，２００１，２０
（７）：５６８—５８２．
［３０］ＲＯＧＥＵＰ，ＳＴＡＮＩＳＬＡＶＫ．Ｓｙｍｍｅｔｒｉｃｉｍａｇｅｒｅｇｉｓｔｒａｔｉｏｎ［Ｊ］．ＭｅｄｉｃａｌＩｍａｇｅＡｎａｌｙｓｉｓ，２（３０６，１０（３）：４８４?４９３．
［，１］ＣＨＲＩＳＴＥＮＳＥＮＧＥ，ＨＡＮＳＪ．Ｉｎｖｅｒｔｉｂｉｌｉｔｙａｎｄｔｒａｎｓｉｔｉｖｉｔｙａｎａｌｙｓｉｓｆｏｒｎｏｎｘｉｇｉｄｉｍａｇｅｒａｇｉｓｔｒａｔｉｏｎ［Ｊ］．ＪｏｕｒｎａｌｏｆＥｌｅｅ?
ｔｒｏａｌｅＩｍａｇｉｎｇ，２００３，１２（１）：１０６?１１７．
［３２］ＪＯＨＮＳＯＮＨＪ，ＣＨＲＩＳＴＥＮＳＥＮＧＥ．Ｃｏｎｓｉｓｔｅｎｔｈｎｄｍａｒｋａｎｄｉｎｔｅｍｉｔｙ－ｂａ．”ｄｉｍａｇｅｒｅｇｉｓｔｒａｔｉｏｎ［Ｊ】．ＩＥＥＥＴｒａｎｓａｅ—
ｆｉｏｎｓｏｎＭｅｄｉｃａｌＩｍａｇｉｎｇ，２００２，２１（５）：４５０—４６１．
［３３］ＡＧＯＳＴＩＮＯＥＤ，ＦＲＥＤＥＲＩＫＭ，ＤＩＲＫＶ，ｅｔａ１．Ａｎｉｎｆｏｒｍａ－ｔｉｏｎｄｉｅｏｒｅｔｉｃａｐｐｒｏａｃｈｆｏｒｌｉｏｎ—ｒｉｇｉｄｉｍａｇｅｍｏｓｌｒａｆｉｏｎｕｓｉｎｇ
ｖｏｘｄｃｌａ“ｐｒｏｂａｂｉｌｉｔｉｅｓ［Ｊ］．ＭｅｄｉｃａｌＩｍ№Ａｎａｌｙｓｉｓ，２００６，
１０（３）：４１３—４３１．
［３４］ＳＥＮＴＨｍＰ，ＦＡＲＩＤｍＭｅｄｉｃａｌｉｍａｇｅｒｅ自ｓｔｒａｆｉｏｎｗｉｔｈｐａｒ－ｆｉａｌｄａｔａ［Ｊ］，ＭｅｄｉｃａｌＩｍａｇｅＡｎａｌｙｓｉｓ，２００６，１０（３）：４５２—
４６４．
［３５］ＬＯＥＷＭＨ，ＣＬＡＵＤＩＡＥＲ．Ｔｃｅｈｎｉｃａｌｉ％ｕｅｓｉｎｍｕｌｔｉｍｏ－ｄＭｉｔｙｍｅｄｉｃａｌｉｍａｇｅｒｅｇｉｓⅡａｆｉｏｎ［Ｃ］／／Ｐｘ－ｏｅｅｅｄｉｎｇｓｏｆｌｌｔｈ
ＩＥＥＥＳｙｍｔ；ｏｓｉｎｍｏｎＣｏｍｐｕｔｅＴ—Ｂ∞ｅｄＭｅｄｉｃａｌＳｙｓｔｅｍｓ．
１９９８：２．７．
【３６］ＤＩＮＧＬ，ＧＯＳＨＴＡＳＢＹＡ，ＳＡＴＩＥＲＭ．Ｖｏｌｕｍｅｉｍａｇｅｒｅｇｉｓ－ｔｒａｔｉｏｌｉｂｙｔｅｍｐｋｔｅｍａｔｃｈｉｎｇ［Ｊ］．ＩｍａｇｅａｎｄＶｉｓｉｏｎＣｏｍｐｕｔ－
ｉｎｇ，２００１（１９）：８２１—８３２．
［３７］ＣＬＩＮＴＯＮＦ，ＭＡＥＤＥＲＡ．Ｏｐｔｉｍａｌ酬ｐｏｉｎｔｓｅｌｅｃｔｉｏｎｆｏｒｉｍｐｒｏｖｅｄｎｏｍｉｇｉｄｍｅｄｉｃａｌｉｍａｇｅｒｅｇｉｓｔｒａｔｉｏｎ［Ｃ］／／Ｐｒｏｃｅｅｄ—
ｉｎｇｓｏｆＳＨＥ，２００４，５３７０：１１８７－１１９４．
［３８］ＥＮＲＩＱＯＥｃ。ＳＡＮＴＡＭＡＲＩＡＩ，ＭＩＩＬｔｔＶＥＴＣ．Ｓｅｇｍｅｎｔ—
ｂａｓｅｄｒｅｇｉｓｔｒａｔｉｏｎｔｅｃｈｎｉｑｕｅｆｏｒｖｉｓｕａｌ?ｉｒＩ￡ｍｒｅｄｉｍａｇｅｓ［Ｊ］．
ＵｐｔｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，２０００，３９（１）：２８２－２８９．
［３９］ＴＡＹＬＯＲＣＲ．‰ｔｒｉａｎｇｕｌａｔｉｏｎｆｏｒｉｍａｇｅｒｅｇｌｓＵａｆｉｏｎ［Ｃ］／／
Ｐｒｏｃｅｅｄｉｎｇｓ０ｆＳＰＩＥ，２００２，４７２９：３６４—３７３．
［４０］ＨＡＩＫＥＬＨ．Ａｕｔｏｍａｔｉｃ２Ｄｉｍａｇｅｒｎｇｉｎｌｒａｆｏｎｕｓｉｎｇｖｌｒｍｓｌｃｉｒｃｌｅｓ［Ｄ］．ＴｈｅＵｎｉｖｅｒｓｉｔｙｏｆＷａｔｅｒｌｏｏ，２００２．
【４１］Ｌ１ＵＪｔｍ－ｄｏｎｇ，ＬＩＵＪｕｎ—ｈｏｎｇ．Ａｒｔｉｆａｃｔｓｒｅｄｕｃｔｉｏｎｉｎｍｕｔｕａｌｉｎｆｏｒｍａｔｉｏｎ—ｂａｓｅｄｉｍａｇｅｒｅｇｉｓｔｒａｔｉｏｎ商ｎｇ面ｏｒｉｎｆｏｒｍａｔｉｏｎ
［Ｃ］／／ＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎ
ＩｍａｇｅＰｒｏｃｅｓｓｉｎｇｔ２００３：１１１３一１１１６．
［４２］ＩＩＸｉｕ?ｑｕａｒｔ，ＰＡＮＨｏｅ，ＬＩＡＮＧＺｈｉ—ｐｅｉ．ＦｕｒｔｈｅｒａｎａｌｙｓｍｏｆｉｎｔｅｒｐｅｌａｌｉｏｎｅⅡｅｃｔｓｉⅡｍｕｔｕａｌｉｎｆｏｒｍａｔｉｏｎ—ｂａｓｅｄｉｍａｇｅｒｅｇ—
ｍｔｒａｔｉｏｎ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓ∞ＭｅｄｉｃａｌＩｍａｇｉｎｇ－２００３．
２２（９）：１１３１．１１４０．
［４３】ＣＨＥＮＨｕａ－ｍｅｉ，ＰＲＡＭＯＤＫＶ，ＳＬＡＭＡＮＩＭＡ．Ｏｎｒｅｇｉｓ－ｔｒａｔｉｏｎｏｆＲｅｏｏｍ０ｆＩｎｔｅｒｅｓｔ（ＲＯＩ）ｉｎｖｉｄｅｏｓｅｑｕｅｎｃｅｓ［Ｃ］１１
ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＩＥＥＥＣｕｎｆｅＭｎｅｅｏｎＡｄｖａｎｃｅｄＶｉｄｅｏａｎｄ
Ｓｉ口ｌ且ＩＢａｓｅｄＳｕｒｖｅｉｌｌａｎｃｅ，２００３：３１３—３１８．
［４４］ＲＩＣＨＡＲＤｓ，ＣＯＵＧＨＬＡＮＪ．Ｓｐｌｉｎｅ—ｂａｓｅｄｉｍａｇｅ＂《ｓｈ６０ｎ【Ｒ］．ＤｉｇｉｔａｌＥｑｕｉｐｍｅｎｔＣｏｒｐｏｒａｔｉｏｎ，ＣａｍｂｒｉｄｇｅＲｅｓｅａｒｃｈ
Ｌａｂ，１９９４：１?６０．
【４５］山世光，高文，唱轶钮，等．人脸识别中的“误配准灾难”问题研究［Ｊ］．计算机学报，２００５，２８（５）：７８２—７９１．
［４６］ＫＥＮＮＥＹＣ．Ａｕｔｏｍａｔｊｃｔｉｅ
ｐｏｉｎｔａｎａｌｙｓｉｓａｎｄｒａｇｌｓＵａｔｉｏｌｉ［Ｒ］．ＮａｖａｌＡｉｒＷａｒｆａｒｅＣｅｎｔｅｒＷｅａｐｏｎｓＤｉｖｉｓｉｏｎＴｅｃｈｎｉｃａｌ
Ｒｅｐｏｒｔ。２０００：１－１５．
［４７３ＶＥＮＫＡＴＥＳＷＡＲＬＵＲ，ＤＥＳＨＰＡＮＤＥＳＤ，ｙＯＧＡ—ＮＡＮＤＡＭＹ，ｅｔ丑１．ＦｉｌｌｆａｃｔｏｒｏｆＦＰＡｅｆｆｅｃｔｏｎｉ”ｇｅｒｅｇｉｓｔｒａｔｉｏｎａｎｄ
ｔｒａｃｋｉｎｇ［ｃ］／／ｓＰ瑾Ｃｏｎｆｅｒｅｎｃｅ∞ＩｎｆｒａｒｅｄＩｍａｄｎｇＳｙｓｔｅｍｓ：
Ｄｅｓｉｇｎ，Ａｎａｌｙｓｉｓ，Ｍｏｄｅｌｉｎｇ，ａｎｄ％ｓｔｉｎｇＸ，１９９９，３７０１：２８６—
２９４．
［娟］
ＹＵＡＮＸｉａｏ—ｈｄｉ，ＺＨＡＮＧＪｉａｎ，ＢｕＣＫＬＥｓＢ
Ｐ．Ｅｖｏｌｕｔｉｏｎｓｔｒａｔｅｇｉｅｓ
ｂａｓｅｄｉｍａｇｅｒｅｇｉｓｔｒａｔｉｏｎｖｈｆｅａｔｕｒｅｍａｔｅｈｉａｇ［Ｊ］．ｉｎｆｏｒｍａｔｉｏｎＦｕｓｉｏｎ，２００４（５）：２６９．２８２．
［４９］ＡＬＡＭＭＳ，ＢＯＧＮＡＲＪＧ，ＲｕｓｓａｌｌＣＨ，ｅｔａ１．Ｉｎｆｒａｒｅｄ腓．ａｇｅｒｅｇｉｓｔＴａｔｌｏｎａｎｄｈｉｇｈｒｅｓｏｌｕｔｉｏｎｒｅｃｏｖｚｔｒｕｃｔｉｏｎｕｓｉｎｇｍｄ?
ｔｉｐｌｅｔｒａｎｓｌａｔｉｏｎａｌｌｙｓｈｉＩｔｅｄａｂａｓｅｄｖｉｄｅｏｆｒａｍｅｓ［Ｊ］．ＩＥＥＥ
ＴｒａｎｓａｃｔｉｏｎｓｏｎＩｎｓｔｒｕｍｅｎｔａｔｉｏｎａｎｄＭｅａｓｕｒｅｍｅｎｔ，２０００ｔ４９
（５）：９１５—９２３．
【５０］ＡＬＥＸＡＮＤＥＲＳ，ＡＧＧＡＲＷＡＬＪＫＤｅｔｅｃｔｉｎｇｍｏｖｉｎｇｏｂｊｅｅｔｓｉｎａｉｒｂｏｍｅｆｏｒｗａｒｄｌｏｏｋｉｎｇｉｎｆｒａｒｅｄＲｅｑｕｅｎｃｅｓ［Ｃ］ｌ／Ｐｒｏｃｅｅｄ—
ｉｎｇｓｏｆＩＥＥＥＷｏｒｋｓｈｏｐｏｉｌＣｏｍｐｕｔｅｒＶｉｓｉｏｎＢｅｄｒｉｄｔｈｅＶｉｓ－
ｉｂｌｅＳｐｅｅＷａｍ：ＭｅｄｉｏｄａａｎｄＡｐｐｌｉｎａｔｉｏｍ，１９９９：３－１２．
［５１］ＮＥＷＳＡＭＧＮ，ＨＡＭＬＹＮＧＫ．ＬｑｌａｇｅｒｅｇｉｓⅡ“ｏｎｉｎｄｄｅｎｃｅ［Ｃ］／／ＰｒｏｃｅｅｄｉｎｇｓｏｆＩＳＳＰＡ，１９９６：６０５—６１０．
［５２］ＬＵＭＹ，ＪＩＡＨｏｎｇ—ｂｉｎ，ＲＯＳＥＭＤ．Ｒｅｇｉｓｔｅｒｉｎｇｒｅａｌａｎｄｖｉｒｔｕａｌｉｍａｇｅｒｙ［Ｊ］．ＰａｔｔｅｍＲｅｃｏ删ｔｉｏｎ，２００３（３６）：２３６３—
２３７５．
第６期刘梧涛等：图像配准技术研究进展１０５
（上接第９８页）
用宽时窗和短频窗；这一点正是所说的小波变换之自适应分辨分析特性，符合对分析非平稳信号特性的要求；再次，短时傅里叶变换具有正交特性，基函数由连续三角正交基｛矿ｆ构成，由此带来的结果是：在处理非平稳信号时，由于频率成分比较丰富，故利用短时傅里叶变换展开时其系数的能量必然包含很宽的范围；而小渡变换则不一定要求其正交特性．基函数也可以取非三角函数，因此，在更宽松的条件下可以取到合适的小波，使得按照小波变换展开时其系数的能量比较集中。
由此可见．ＷＴ可以很好地弥补ＳＴＦＴ的缺点。基于小波变换提取群目标的回波信号参数与小波基函数的选取有直接关系，因此应先根据目标回波信号的频谱特点选择合适的小波基函数，如对于回波信号类似于线性调频信号的情况，经常选用具有较好高斯外形的Ｍｏｄｅｔ小渡。当然小波变换也并不是没有缺陷，如运算速度慢，在低信噪比下腺噪能力不是很好等。
这些变换和信号处理方法可以根据具体的环境结合起来运用，如Ｒａｄｏｎ变换可以用在小渡分析里。文献［８］就是一个很好的实例；它的分辨能力明显要比文献［９］单纯用小波变换的效果好。达信号处理领域研究的一个重要课题。
参考文献：
［１］科思Ｌ．时一频分析理论与应用［Ｍ］．白居宪，译．西安西安交通大学出版社．１９９８：７７．１１１．
［２】
［４】
Ｉｓ］
［６］
［７］
［８］
４结论
上述几种现代信号处理方法都有各自的优缺““点，在实际运用当中应当充分考虑实际情况选择最．．佳方案，最大限度地发挥它们的优势，抑制它们的缺一。陷。现代信号处理领域的研究，为更深人的探索提。、供了理论依据和技术支持。随着研究的不断深入，
脉冲压缩技术、定阶方法、频率步进信号等技术也被『】４１应用到该领域中，如何将这些技术有机结合，充分发
挥它们各自的长处。达到最优的分辨效果，是现代雷王宏艳．吴彦宏，叶伟，等．分数阶Ｆｏｕｒｉｅｒ变换在ＳＡＲ动目标检测中的应用［Ｊ］．装备指挥技术学院学报，２００３，１４（１）：２３－２７．
孙洪波，顾红．基于短时Ｆｏｕｒｉｅｒ变换和Ｃ，ａｂｏｒ变换的ＳＡＲ运动目标检测【Ｊ］．电路与系统学报，２００１，６（４）：４１．４６．
张善文．甄蜀春，赵菇录．编队目标架次的识别（Ｊ］．航天电子对抗，２００１（１）：３２—３６．
李艳，肖怀铁，付强．Ｒａｄｏｎ－ｒｉｇｔｉｅｒ变换改进算法在多目标分辨及参数估计中的应用［Ｊ］．电光与控制，２００６，１３（３）：１１．１４．
高峰．多普勒雷达导引头信号处理技术【阳．上海航天，１９９６（５）：２１—２４．
孙晓兵，保铮，罗琳．时频信号分析与雷达的多目标分辨［Ｊ】．系统工程与电子技术，１９９７（ｘ１）：２５－２８．
李强，王其申．基于小波一Ｐｔ。Ｋｄｏｎ变换的线性调频信号检测与参数估计［Ｊ］．信息与电子工程，２００５，３（３）：１３－１６．
潘明海，刘永坦．赵淑清，等．基于小渡变换的多目标模糊分辨［】］．系统工程与电子技术，２０００，２２（４）：１８．２１．
胡广书现代信号处理教程［Ｍ］．北京：清华大学出版杜。２００４：２３９－３２０，
秦兆伟，黄清，侯燕．基于时频分析的动目标检侧技术【Ｊ］．中国科技信息，２００５（２４）：１３—１５．
陈根华．基于Ｒａｄｏｎ变换的线性调频信号参数提取［Ｊ］．电子科技，２００４（１２）：２６—２８．
陈付彬弹载毫米波脉冲多普勒雷达目标识别技术研究［Ｄ］．长沙：国防科技太学，２００２
张军，付强，岸怀铁．脉冲多普勒雷达对运动目标回波信号的检罚［Ｊ】．国防科技大学学报，２００１，２３（５）：５１—５６．
图像配准技术研究进展
作者：刘松涛， 杨绍清， LIU Song-tao， YANG Shao-qing
作者单位：海军大连舰艇学院信息与通信工程系,辽宁,大连,116018
刊名：
电光与控制
英文刊名：ELECTRONICS OPTICS & CONTROL
年，卷(期)：2007，14(6)
被引用次数：3次
参考文献(55条)
1.BROWN L A survey of image registration techniques 1992(04)
2.MAINTZ J B A.VIERGEVER M A A survey of medical image registration 1998(02)
3.刘松涛面向目标识别的图像融合技术研究 2006
4.GOSHTASBY A Nonrigid image registration:guest editors introduction 2003
5.PLUIM J W.FITZPATRICK J M Image registration 2003(11)
6.VIERGEVER M A.MAINTZ J B A.NIESSEN W J Registration,segmentation,and visualization of multimodal brain images 2001
7.CHEN Hua-mei.SEUNGSIN L.RAO R M Imaging for concealed weapon detection:a tutorial overview of development in imaging sensors and processing 2005(03)
8.GAO Zhi-yong.SHEN Zhen-kang.JING Yi-ping Two-stage orrelation method in low SNR for fast image registration 1991
9.罗晓慧基于特征和灰度的影像配准方法 1993
10.ZAGORCHEV L.GOSHTASBY A A mehanism for range image integration without image registration 2005
11.GLENN H.RAHMAN Z.JOBSON D Multi-image registration for an enhaned vision system 2003
12.DENNIS T.CANNATA R.HACKETT J K Automated model-based image registration for tatial image exploitation 2000
13.VIOLA P A.WELLS III W M Alignment by maximization of mutual information 1995
14.COLLIGNON A.MAES F.DELAERE D Automated multimodality image registration based on information theory 1995
15.THEVENAZ P.RUTTIMANN U E.UNSER M A pyramid approach to subpixel registration based on intensity 1998(07)
16.STEFAN H.MAHNKE O.POTTS D Fast omputation of mutual information in a variational image registration approah 2004
17.JEFFREY P K Reliable band-to-band registration of multispetral thermal imager data using multivariate mutual information and yli onsisteny 2004
18.WACHOWIAK M P.RENATA S.GEORGIA D Generalized mutual information similarity metris for multimodal biomedial image registration 2002
19.MARTIN S.MORISON G.NAILON W Fast and accurate image registration using tsallis entropy and simultaneous perturbation stochastic approximation 2004(10)
20.PLUIM J P W.MAINTZ A J B.VIERGEVER M A F-information measures in medial image registration 2001
21.LESTER H.ARRIDGE S R A survey of hierarchical non-linear medical image registration 1999(32)
22.DAWANT B M Non-rigid registration of medial images:purpose and methods,a short survey 2002
23.BERND F.MODERSITZKI J A unified approach to fast image registration and a new curvature based registration technique 2004
24.ZHANG Zhong.BLUM R S A hybrid image registration technique for a digital camera image fusion application 2000(02)
25.PENG Xiao-ming.DING Ming-yue.ZHOU Cheng-ping A practical two-step image registration method for two-dimensional images 2004(05)
26.THEOPHANO M.JIANG Qian Image registration using elasti ontours and internal landmarks 1998
27.GEORGE W.ZOKAI S Image registration for perspetive deformation reovery 2000
28.NAGAO K.GRIMSON W E L Affine matching of planar sets 1998(01)
29.CHRISTENSEN G E.JOHNSON H J Consistent image registration 2001(07)
30.ROGELJ P.STANISLAV K Symmetric image registration 2006(03)
31.CHRISTENSEN G E.HANS J Invertibility and transitivity analysis for nonrigid image registration 2003(01)
32.JOHNSON H J.CHRISTENSEN G E Consistent landmark and intensity-based image registration 2002(05)
33.AGOSTINO E D.FREDERIK M.DIRK V An information theoretic approach for non-rigid image registration using voxel class probabilities 2006(03)
34.SENTHIL P.FARID H Medical image registration with partial data 2006(03)
35.LOEW M H.CLAUDIA E R Tehnial issues in multimodality medial image registration 1998
36.DING L.GOSHTASBY A.SATTER M Volume image registration by template matching 2001(19)
37.CLINTON F.MAEDER A Optimal grid point seletion for improved nonrigid medial image registration 2004
38.ENRIQUE C.SANTAMARIA J.MIRAVET C Segment-based registration technique for visual-infrared images 2000(01)
39.TAYLOR C R Line triangulation for image registration 2002
40.HAIKEL H Automatic 2D image registration using virtual circles 2002
41.LIU Jun-dong.LIU Jun-hong Artifats redution in mutual information-based image registration using prior information 2003
42.JI Xiu-quan.PAN Hao.LIANG Zhi-pei Further analysis of interpolation effects in mutual
information-based image registration 2003(09)
43.CHEN Hua-mei.PRAMOD K V.SLAMANI M A On registration of Regions of Interest (ROI) in video sequenes 2003
44.RICHARD S.COUGHLAN J Spline-based image registration 1994
45.山世光.高文.唱轶钮人脸识别中的"误配准灾难"问题研究[期刊论文]-计算机学报 2005(05)
46.KENNEY C Automatic tie point analysis and registration 2000
47.VENKATESWARLU R.DESHPANDE S D.YOGA-NANDAM Y Fill fator of FPA effet on image registration and traking 1999
matching 2004(05)
49.ALAM M S.BOGNAR J G.Russell C H Infrared image registration and high resolution reconstruction using multiple translationally shifted aliased video frames 2000(05)
50.ALEXANDER S.AGGARWAL J K Deteting moving objets in airborne forward looking infrared sequenes 1999
51.NEWSAM G N.HAMLYN G K Image registration in defene 1996
52.LU M Y.JIA Hong-bin.ROSE M D Registering real and virtual imagery 2003(36)
53.WEST J Comparison and evaluation of retrospective intermodality brain image registration techniques 1997(21)
54.LEOW A.YU C L.LEE S J Brain structural mapping using a novel hybrid implicit explicit framework based on the level-set method 2005(24)
55.FRANZ A.INGWER C C.SVEN K Modular toolbox for derivative-based medial image registration 2005
相似文献(10条)
1.学位论文范乃英基于最大互信息的多模医学图像配准研究2006
医学图像的配准是图像处理的重要组成部分，也是医学图像领域的一个研究热点。由于各种不同成像手段所获取的医学图像都有自己的特征，所以通过配准可以综合利用各种图像信息，弥补单一图像信息的不完整。多模态医学图像的配准是图像配准的一个重要研究方向，其中基于互信息的配准方法具有鲁棒性好，可实现多模态图像自动校准等优点，因此也是目前普遍采用的一种方法。
论文综合分析了基于互信息的多模态医学图像配准的理论和方法，从信息论的角度分析了互信息的性质以及两幅图像互信息的计算等，同时给出基于互信息的图像配准的基本步骤；
论文深入研究了基于刚性变换的图像配准，特别针对一类医学图像的特征提出了一种在预处理的基础上的刚性配准方法，有很好的配准效果。为了提高配准的速度还讨论了基于交互的刚性配准方法；
论文综合分析了多模态医学图像的非刚性配准技术，针对仿射变换，给出了基于互信息的图象配准方法。
2.学位论文屈有山多通道光学成像系统数据处理技术的研究2004
多通道光学成像系统是亟需研究的新一代光学成像系统.本文所研究的多通道原理系统由四个大视场的边缘子成像系统和一个高分辨率的中央主成像系统组成.边缘子成像系统用于大视场内对运动点目标进行搜索、捕获、检测、识别、跟踪和定位,中央主成像系统用于对子系统检测识别的运动目标进行高分辨率观测.根据多通道光学成像系统需要实现的功能,本文主要对其数据处理技术进行了深入研究.本文的主要研究内容及其成果和创新点表现在以下几个方面:(1)子系统中运动点目标实时检测技术的研究.由于所有性能优良的运动点目标检测算法的运算量和存贮量都很大,为了减少计算量,通常采用两步法来检测.首先对图像序列进行预处理,然后对预处理留下的少量候选点进行运动点目标的检测.本文分析了常用预处理算法的基础上,提出了差分向量无穷范数预处理算法.(2)对检测出的运动点目标进行判定和识别技术的研究.该项研究中分析了已有识别算法的特征和不足,建立了以运动点目标的大小、灰度强度和运动等特征为基础的单孔径成像系统中运动点目标运动连续性和一致性判定准则.(3)运动点目标定位方法的研究.给出了多通道光学成像系统中运动点目标和观测系统构成的非线性系统的数学模型,建立了基于图像序列分析和非线性卡尔曼递推滤波算法的运动点目标定位方法,仿真实验表明该方法能够克服经典测距方法无法对运动点目标进行定位的不足,实现对运动点目标的被动定位.(4)运动点目标检测、识别的前提需要图像序列的配准,本文对图像序列亚像元配准方法进行了总结和分析,详细深入讨论了相位相关亚像元配准方法,并将其应用于多通道光学成像系统的图像配准.(5)针对中央主系统高分辨率观测要求,对图像高分辨率重建技术进行了研究.本文对图像高分辨率重建数学物理理论基础和信息论理论基础进行分析和回顾,分析了对图像进行多级小波分解和重构时的特征,提出了小波双三次插值算法.
3.期刊论文时永刚.邹谋炎基于算术-几何均值距离的多模态图像配准-光学技术2004,30(4)
根据图像灰度联合概率分布函数与图像相似程度之间的关系,提出了一种基于算术-几何均值距离的多模态图像配准新测度.与基于信息论的测度不同,新测度不再要求概率分布必须满足连续性的要求.实验结果表明,所提出的新测度比基于信息论的测度具有更强的噪声鲁棒性和计算量更小.
4.学位论文马政德基于互信息的图像配准并行算法研究与实现2007
图像配准是图像融合、图像分析、目标变化检测与识别等问题中的重要步骤，其应用遍及军事、遥感、医学、计算机视觉等多个领域。互信息(Mutual Information)来自于信息论，是两个随机变量统计相关性的度量，由于其具有无需预处理、自动化程度高以及鲁棒性强等特点，近几年将互信息作为一种相似性测度进行图像配准成为图像处理领域的研究热点。随着传感器、遥感平台等相关技术的发展，信息的获取途径越来越多，获得的数据量也随之急剧增长，而许多应用领域对图像配准处理速度的要求也越来越高。显然，传统的单处理器配准处理串行算法已经无法满足这样的运算需求
，而并行处理是解决这一问题的重要技术手段。
目前，国内外的研究主要集中在提高配准质量上，而针对海量数据配准和强实时性配准的大规模并行算法研究尚处于起步阶段。因此研究并实现图像配准的并行算法，将大大提高配准处理效率，具有广阔的应用前景。
本文针对上述需求，重点针对基于互信息的图像配准并行算法进行深入研究和实践工作。本文的主要工作和贡献如下：
1、深入研究了互信息理论的计算方法。采用直方图和Parzen窗两种方法计算互信息，并分析比较了这两种计算方法。实验结果表明，直方图法得到的结果比较粗糙，但计算速度较快。基于Parzen窗估计的计算方法，样本估计的效果取决于窗函数的形式和宽度，在样本数目足够大时，计算精度高
，但是在计算时需要进行多个累加和，计算量很大。
2、深入研究了图像配准算法的三种常用的相似性测度——互信息、相关系数、差方和，并通过实验从计算时间、锐度、对噪声的容忍性以及对多模图像配准的影响等方面分析和比较了三种测度的优劣。实验表明，在多数情况下，互信息的配准精度是这三种相似性测度中最高的。
3、提出并实现了一种基于互信息的刚性图像配准并行算法。该算法基于刚性变换模型，图像数据采用块(block)划分，在算法运行过程中实现了数据分块并行读入，较好地解决了负载平衡问题。采用二叉树规约方法计算互信息，加快配准速度。实验结果表明该算法获得了良好的加速比，可扩展性好，并行效率较高。
4、提出了一类(基于基函数)非刚性图像配准并行算法设计模型，并应用该模型对一种具体的非刚性串行算法进行了并行化。该模型采用并行读入交叉划分数据、并行自动选取标记点、二叉树规约计算互信息和并行输出分块图像。理论分析表明，该算法设计模型的并行效率高，通用性较强。
医学图像配准是医学图像处理领域中的一项重要技术，对临床诊断和治疗起着越来越重要的作用。现代医学经常需要将几幅图像结合起来进行分析，以便获取更多的临床信息来提高诊断的有效性和准确性。医学图像配准就是通过寻找某种空间变换，使两幅图像的对应点达到空间位置及解剖结构上的完全一致，配准结果应使两幅图像上所有的解剖点，或至少是所有具有诊断意义的点都达到匹配。医学超声成像因其独具的实时性、可重复性好、灵敏度高、使用方便等优势而被广泛应用，它在人体内部组织器官的定量分析、实时监控和治疗规划等方面都具有极大的潜力。只是超声成像过程易产生斑点噪声，使图像可解释性和判读性变差，增加了图像分析处理的难度，如何改进现有的分析处理方法，在减小斑点噪声影响的前提下提高图像配准的速度和精度，具有较强的现实意义及研究价值。
本文首先简单介绍了图像配准技术的相关背景知识，分析比较了当前所存在配准算法的优点和缺点，然后着重研究基于特征向量的图像配准方法。 结合研究课题，本文主要完成了以下工作：
（1）实现基于特征向量的图像配准方法（HAMMER）的流程和框架，并将其应用于不同器官不同模态的医学图像如脑部的MR图像、DTI图像和骨盆的CT图像中来验证方法的有效性；
（2）鉴于超声图像中斑点噪声的影响，本文基于斑点噪声的分布模型和信息论的基本知识在超声图像中提取出非常显著的参数特征，与LoG算子、Canny算子等经典算法提取的特征相比，具有很强的特征响应，且对噪声更加稳定；
（3）分析现有基于特征向量的超声图像配准算法（Modified HAMMER）的不足，将基于斑点噪声分布模型提取出的参数特征和灰度值、梯度幅值以及LoG算子作为候选特征，以配准后得到的两幅图像的互信息值作为评判配准效果好坏的准则，采用不同的特征组合方式，通过实验来配准医学超声图像。 根据特征的有效性、重要程度和组合方式的不同来设计实验，最终通过大量的实验数据得出以下结论，代表像素点基本信息的灰度值、定位图像中弱边缘特征的LoG算子以及基于斑点噪声分布模型提取出的受噪声影响较小的参数特征这一组合在配准超声图像时得到了最好的结果，既减少了重要特征点的数目又节省了配准所需时间，并提高了配准精度。
这种新的超声图像配准方法稳健、灵活，鲁棒性好，期望能将其应用于3D超声和超声CT等新的医学影像技术。另外，研究不同模态图像的性质，利用某种优化策略或基于医生的临床建议选择合适的特征，可以将本文方法的思路扩展用于超声图像和CT图像、MRI图像等之间进行的多模态医学图像配准，这样就可以很方便地实时监测手术中解剖部位的变化，且不会给病人带来额外的损伤和痛苦。
6.期刊论文时永刚.SHI Yong-gang新的Cauchy-Schwarz距离函数与多模态医学图像配准-光学技术2005,31(5)
信息论测度,特别是Shannon互信息是多模态图像配准的一种重要方法,但除了互信息之外,仍然存在其它的函数来实现这一任务.对互信息、Kullback-Leibler距离和Shannon不等式之间相互关系作了分析,根据这些关系和不等式理论,提出了新的Cauchy-Schwarz距离,并将这一距离测度用于多模态医学图像的配准处理.从计算速度、噪声容忍性、测度函数图形的特点和图像窗口大小影响等几个方面,通过MR和PET医学图像的实验分析,对新的Cauchy-Schwarz距离测度和典型的Shannon信息论测度进行了分析比较.实验结果表明,新的Cauchy-Schwarz距离测度函数同样可以用于多模态图像配准,而且有着更强的噪声容忍性和更为节省的计算量.
7.学位论文陈东一种结合边缘特征和互信息的图像配准方法2007
图像配准是计算机视觉和模式识别领域中的一项重要课题，在遥感图像处理、计算机视觉、运动估计、医学图像分析等领域有着广泛的应用，是图像融合特别是图像数据层融合技术中需要先期解决的问题。不同传感器、不同成像模式和不同时间得到的同一个对象的图像数据之间存在相对的平移、旋转、不同比例缩放甚至畸变关系，对其进行综合分析和利用时，首先要解决图像间的配准问题。
图像配准的过程，即通过寻找一种空间变换，使两幅图像的代表同一目标物的对应点达到空间位置的一致，配准的结果应该使两幅图像上的所有点或至少是具有实际应用意义上的点都达到匹配。
当前，图像配准的基本方法可以分为两类：基于像素(灰度)的方法和基于图像特征的方法。近年来，随着信息论中一些概念的引入，基于互信息的图像配准方法得到了广泛的应用。这种方法具有很高的配准精度，可以达到亚像素级，同时不需要对图像进行分割预处理。但是这种方法也存在一些缺陷，主要是互信息计算时出现的大量局部极值带来的误匹配，还有因为互信息是由两幅待匹配图像的联合直方图计算的，两幅图像各自的灰度级别会对配准结果产生较大影响。由于互信息只利用了图像的灰度特征，忽略了图像本身的其它特征对配准的贡献，这就导致互信息对图像噪声的敏感。
本文提出了一种以最大互信息为基础，综合利用了基于灰度和特征的图像配准方法。首先计算原始图像的互信息，再对图像进行边缘检测以得到边缘图像，对边缘图像计算边缘互信息和边缘互方差，从而定义了一种新的测度函数BI以指导变换参数寻优。经过试验，改进方法相比传统互信息方法对噪声的敏感度有较大降低，配准函数BI曲线形状良好，峰值尖锐，易于选择出最佳配准参数，配准结果准确度高，效果较好。
图像配准在本质上是一个多参数优化问题。为解决局部极值，本文利用了PSO和Powell的混合算法来对配准测度函数进行优化。
8.期刊论文范乃英.杨晓庆.FAN Nai-ying.YANG Xiao-qing基于互信息的多模图像配准研究-新乡学院学报（自
然科学报）2009,26(4)
分析了基于互信息的多模态图像配准的理论和方法,从信息论的角度分析了互信息的性质以及两幅图像互信息的计算等,同时给出基于互信息的图像配准的基本步骤.
9.学位论文杨日容基于遗传算法及最大互信息的医学图像配准研究2005
在临床诊断治疗中，往往要求对病人的病变部位进行多次成像，以获取互补、有效、全面的信息，提高医生的诊断治疗效果，这就需要进行医学图像的信息融合，把多幅图像的信息融合在一起，并在一幅图像上体现多方面的信息。作为医学图像信息融合的基础，医学图像配准(medicalimageregistration)具有重要的临床应用价值，不仅可以用于诊断治疗，还可以用于病理变化的跟踪和治疗效果的评价等多方面。医学图像配准已经成为当前医学图像处理领域中的研究热点，它主要是寻找两幅图像之间的一个最优变换，使得其中一幅图像在这种变换下和另一幅图像达到空间位置和解剖结构的一致，实质上这是一个最优化问题。医学图像配准的研究具有一定的复杂性和困难度，虽然目前已经提出了许多的算法，但每种配准方法都是针对某一特定问题而设计，具有一定的局限性，而且在配准速度、配准精度等方面都不能同时达到理想的效果。因此，针对医学图像配准的研究是一项极富挑战性的课题，许多研究者都在该领域不断地进行探索。
特征空间、几何变换、相似性测度以及优化算法是设计医学图象配准方法时要考虑的四个主要因素。已经提出的医学图像配准方法主要可以分为两类：基于特征的配准和基于灰度统计的配准，其中用得较多的是基于特征的配准。基于特征的配准方法简单且易于实现，但配准精度受到特征提取的分割步骤的影响。本论文引入一种最新的基于灰度统计的图像配准模型：互信息配准模型，基于该模型的配准方法称为最大互信息法，它利用信息论中的互信息作为两幅配准图像之间的相似性测度，不需要对图像进行分割等预处理，几乎适用于任何不同模式图像的配准，能够得到很好的配准效果。最大互信息法的基本思想是：当基于共同解剖结构的两幅图像达到最佳配准时，互信息达到最大。本论文给出了最大互信息法的相关概念和理论，并分析了采样率对互信息的影响以及互信息和图像重叠度之间的正比关系。在图像配准过程中，采用了三线性PV插值来避免图像变换所带来的灰度直方图计算困难的问题。
医学图像配准中采用的优化算法很少涉及到全局优化算法，主要以局部优化算法居多，但这些局部优化算法容易陷入局部极值，从而导致图像的误配准。本论文采用的优化算法是具有良好全局搜索能力的遗传算法。但是，遗传算法由于其存在容易早熟、收敛速度慢的不足，在医学图像配准的应用中有一定的缺陷。本论文通过在编码、遗传操作算子等方面对标准遗传算法进行改进，提高了算法的性能。
本论文针对人脑的二维图像设计了一种遗传算法和最大互信息相结合的医学图像配准算法，采用互信息配准模型，以图像的灰度统计信息为配准依据，用改进的遗传算法搜索图像间的最优变换参数，并用最大互信息作为目标函数指导最优变换参数的搜索，最后通过实验验证了算法的可行性和稳定性。本论文为全局优化算法在医学图像配准中的应用进行了一次有益的探索。
10.学位论文李季CT&PET三维刚体自动配准方法研究和应用2007
近年来，医学影像学的发展为临床诊断和治疗计划提供了有效的辅助手段，临床上通常要将同一病人的多种模式成像结果结合起来进行分析，以提高医学诊断和治疗的水平，这就需要对不同模态的图像进行融合。但是由于病人在成像时的定位差异，以及不同图像的分辨率、对比度等参数的设置不同，医生很难单凭想象将多幅图像准确地对齐，这就需要将图像进行配准，配准是图像融合的重要基础工作。本文从理论、方法和技术等方面对基于灰度的多模态医学图像配准方法的研究，主要包括基于灰度图像配准方法的相似性测度；目标函数的优化算法；插值算法；图像灰度级别和插值算法对基于灰度的图像配准方法的影响；基于灰度图像配准快速算法；基于互信息的多模态医学图像配准方法的评估以及多模态医学图像配准与图像融合的软件
本文从三维医学图像的刚体变换出发，研究了基于灰度配准方法中的基于互信息的多模态医学图像配准方法。互信息法是把信息论中的互信息作为衡量两幅图像配准的相似性测度函数，当两幅图像配准时，互信息达到最大值。该方法人工干预少，只依赖于图像本身的信息，不需要任何假设或先验医学知识，也不需要对图像进行特征点提取、组织分类等预处理。在寻找最优的旋转和平移参数时，采用了无需计算梯度的。Powell直接搜索算法作为目标函数的优化算法。此外还详细研究了插值方法和灰度级别对互信息配准方法的影响。对基于互信息的配准方法来说，图像灰度改变会引起图像的熵值和互信息值的改变，最终影响配准结果。
为了提高基于灰度配准方法的配准速度，本文从分析配准过程入手，改变了传统坐标变换的计算办法。虽然采用坐标增量方法进行图像坐标变换的加速因子与图像的总像素有关，但是可以从计算中的加法和乘法操作数来进行不同坐标变换方法的计算速度比较。而采用本文提出的一些可有效减少待配准图像的数据集大小的方法，既可以保证配准精度几乎不损失或损失较小，又可以大大提高配准速度，极大地提高了其临床应用的可能性和实用性。 在理论研究的基础上，作者在Visual C++6.0下完成了用于CT/PET医学图像三维刚体自动配准功能的模块开发，并对配准方法进行了较为详细和可靠的评估。评估结果表明，以互信息为相似性测度的配准方法能准确地实现多模态医学图像的配准，并且能达到亚像素的精度。
引证文献(3条)
1.田斐.李海军基于混沌优化和二值互信息的快速模板匹配[期刊论文]-电光与控制 2010(1)
2.叶德茂.刘伟超.周淳外场16 km信标光捕获实验[期刊论文]-电光与控制 2009(9)
3.张密.吴效明放疗中基于灰度的图像配准算法性能研究[期刊论文]-医疗卫生装备 2009(5)
本文链接：https://www.docsj.com/doc/2313683740.html,/Periodical_dgykz200706026.aspx
授权使用：华南理工大学(hnlgdx)，授权号：d1d113a4-94de-4bbd-9ddd-9dce00fc62cc
下载时间：2010年8月10日
医学图像配准
《数字医学图像》报告 内容：图像配准专题 专业： 2012级信息管理与信息系统班级：信管一班 小组成员： 20120701020 韩望欣 20120701008 毕卓帅 20120701005 胡庆 指导老师：彭瑜 完成日期： 2015 年 10月 25日
图像配准专题 简介：图像配准是对取自不同时间，不同传感器或不同视角的同一场景的两幅图像或者多幅图像匹配的过程。图像配准广泛用于多模态图像分析，是医学图像处理的一个重要分支，也是遥感图像处理，目标识别，图像重建，机器人视觉等领域中的关键技术之一，也是图像融合中要预处理的问题，待融合图像之间往往存在偏移、旋转、比例等空间变换关系，图像配准就是将这些图像变换到同一坐标系下，以供融合使用。 一：图像配准方法国内外进展情况 图像配准最早在美国七十年代的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,并得到军方的大力支持与赞助。经过长达二十多年的研究,最终成功地用于中程导弹及战斧式巡航导弹上,使其弹着点平均圆误差半径不超过十几米,从而大大提高了导弹的命中率。八十年代后,在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,从而使得在某领域的配准技术很容易移植到其它相关领域。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。 二、图像配准在医学领域的应用 20世纪以来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,如计算机线摄影、数字减影等等,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。近几十年以来,图像配准在医学上的应用日益受到医学界和工程界的重视,己在世界范围广泛展开,在相关文献中己经提出了很多种医学图像配准的方法,这些研究成果广泛地运用到医学领域中。图像配准在医学中的应用领域主要有以下几方面: ?组织切片图像的处理与显微结构三维重建 ?疾病诊断及其发展和消退的过程检测 ?神经外科手术可视化、神经外科手术一计划及术前评估 ?感觉运动和认知过程的神经功能解剖学研究 ?神经解剖变异性的形态测量分析学 ?放射治疗和立体定向放射外科治疗计划 三、图像配准的定义 对于二维图像配准可定义为两幅图像在空间和灰度上的映射，如果给定尺寸的二维矩阵F 1和F2代表两幅图像F1（X，Y）和F2（X，Y）分别表示相应位置（X，Y）上的灰度值。则图像间的映射可表示为：F （X，Y）=G（F （H（X，Y））），式中H表示一个二维空间坐标变换，即（X’，Y’）=H（X，Y），且G是一维灰度变换。 四、图像配准方法的分类 1、维数 主要是根据待配准图像的空间维数及时间维数来划分的。图像仅含空间维数或者是图像的时间序列中带有空间数，其配准可根据图像的空间维数分2D/2D，2D/3D，3D/3D，4D/4D
图像配准技术方法研究
图像配准技术方法研究 摘要随着信息技术的迅猛发展，图像配准技术已经在军事、遥感、医学、计算机视觉等多个领域得到了广泛的应用。图像配准技术是图像处理的一个基本问题，它是将不同时间、传感器或视角下获取的相同场景的多幅图像进行匹配的图像处理的过程。三类图像配准的方法大致如下：基于灰度的图像配准方法。基于变换域的图像配准方法。基于特征的图像配准方法。本文将应用这三种方法对图像配准进行研究。并重点研究基于特征的图像配准方法。 关键词图像配准，特征点匹配，灰度插值，控制点的提取 Abstract The technology of image registration is being widely used in the military, remote sensing , medical, computer, visual and any other fields with the rapid development of information technology. The technology of image registration is a kind of process to match different pictures getting from different periods and different cameras but a same scene, it is a basic point to handle the pictures. There are three kinds of ways to do the image registration:According to the level of the color of gray getting from the pictures.According to transforming domains.According to the features The three kinds of ways will be used to discuss the image registration in the thesis, and the way according to the features will be discussed more in the thesis.
医学图像配准技术 综述
医学图像配准技术 A Survey of Medical Image Registration 张剑戈综述，潘家普审校 （上海第二医科大学生物医学工程教研室，上海 200025） 利用CT、MRI、SPECT及PET等成像设备能获取人体内部形态和功能的图像信息，为临床诊断和治疗提供了可靠的依据。不同成像模式具有高度的特异性，例如CT通过从多角度的方向上检测X线经过人体后的衰减量，用数学的方法重建出身体的断层图像，清楚地显示出体内脏器、骨骼的解剖结构，但不能显示功能信息。PET是一种无创性的探测生理性放射核素在机体内分布的断层显象技术，是对活机体的生物化学显象，反映了机体的功能信息，但是图像模糊，不能清楚地反映形态结构。将不同模式的图像，通过空间变换映射到同一坐标系中，使相应器官的影像在空间中的位置一致，可以同时反映形态和功能信息。而求解空间变换参数的过程就是图像配准，也是一个多参数优化过程。图像配准在病灶定位、PACS系统、放射治疗计划、指导神经手术以及检查治疗效果上有着重要的应用价值。 图像配准算法 可以从不同的角度对图像配准算法进行分类[1]：同/异模式图像配准，2D/3D图像配准，刚体/非刚体配准。本文根据算法的出发点，将配准算法分为基于图像特征(feature-based)和基于像素密度(intensity-based)两类。 基于特征的配准算法 这类算法利用从待配准图像中提取的特征，计算出空间变换参数。根据特征由人体自身结构中提取或是由外部引入，分为内部特征(internal feature)和外部特征(external feature)。
【作者简介】张剑戈（1972-），男，山东济南人，讲师，硕士 1. 外部特征 在物体表面人为地放置一些可以显像的标记物（外标记，external marker）作为基准，根据同一标记在不同图像空间中的坐标，通过矩阵运算求解出空间变换参数。外标记分为植入性和非植入性[2]：立体框架定位、在颅骨上固定螺栓和在表皮加上可显像的标记。Andre G[3]等将该方法用于机器人辅助手术，对于股骨移植，位移误差小于1.5mm，角度误差小于3°，由于计算量小，可以实现实时配准。但是标记物必须事先被固定好，不能用于回顾性配准，而且该方法只适用刚体配准。 2. 内部特征 从医学影像中可以提取出点、线和面：血管的交点、血管、胸腹之间的横膈膜等，这些特征作为内标记点(internal marker) ，利用其空间位置同样可以求解出空间变换参数。Hill DL[4]用11个形态点对脑部配准，误差<1mm，方差为1.73mm。Meyer CR[5]除了血管树的交点，还使用了左右脑之间的间隔等特征。Maurer CR[6,7]赋予点、线、面等几何特征不同的权重(weighted geometrical features, WGF)，进一步改进了算法。内标记点配准是一种交互性的方法，将3D图像配准简化为点、线和面的匹配，可以进行回顾性研究，不会造成患者的不适。但是医生对特征位置的判断影响到配准精度，为了克服人为误差，需要多次重复操作，以平均值作为最终结果。 表面匹配算法也利用了内部特征[8]：进行图像分割，提取出轮廓曲线、物体表面等内部特征，使2D/3D图像配准简化为2D曲线和3D曲面的匹配，不再考虑物体内部像素。典型的应用是刚体配准的“头帽”算法[9]，从头部的3D图像中分割出表面轮廓，分别作为头模型和帽模型。配准的目标函数是头表面和帽表面之间的均方距离，该距离是空间变换参数的函数。表面匹配算法是一种自动算法，在物体表面轮廓相似并且清晰的情况下，配准效果很好。其不足之处在于：准确地进行图像分割很困难；不同模式的图像，如CT/PET图像，由于器官的轮廓差异较大，难于精确地匹配。 3. 在非刚体配准中的应用 进行非刚体配准前要确定物理模型，常见有弹性模型、粘稠液体模型、生物力学模型。通过在感兴趣区域中提取参考点、2D或是3D轮廓线，使待配准图像
图像配准技术研究进展
第１４卷第６期２００７年１２月 电光与控制 ＥＵ￡ＣＴＲＯＮＩＣＳＯＰＴＩＣＳ＆ＣＯＮＴＲＯＬ Ｖ０１．１４№．６ Ｄｅｅ．２００７ 文章编号：１６７１—６３７Ｘ（２００７）０６—００９９—０７ 图像配准技术研究进展 刘松涛，杨绍清 （海军大连舰艇学院信息与通信工程系，辽宁大连１１６０１８） 摘要：图像配堆是解决图像融合、图像镶嵌和变化检测等问题的必要前提。其应用遍及军事、遥感、医学和计算机视觉等多个领域。筒要回顾了图像配准技术的发展史和研究现状．重点阐述了当前的技术热点和应用趋势，最后展望了进一步的研究方向。 关键词：图像配准；信息论；非刚性配准；虚拟结构 中图分类号：Ｖ２４３．６文献标识码：Ａ Ｐｒｏｇｒｅｓｓｉｎｉｍａｇｅｒｅｇｉｓｔｒａｔｉｏｎｔｅｃｈｎｉｑｕｅｓ ＬＩＵＳｏｎｇ—ｔａａ，ＹＡＮＧＳｈａｏ—ｑｉｎｇ （Ｏｅｐｔ．ｏｆＩｎｆｏｒｍａｔｉｏｎ＆ＣｏｍｍｔｍｉｃｄｉｏｎＥｔ，ｇ泌ｒｉｔ，．ｇ，ＤａｆｉａｎＮａｖａｌＡｃａｄｅｍｙ，Ｄａｌｉａｎ１１６０１８，舀白Ⅺ） Ａｂｓｔｒａｃｔ：Ｉｍａｇｅｒｅｇｉｓｔｒａｔｉｏｎｉｓｅｓｓｅｎｔｉａｌｆｏｒａｌｌｉｍａｇｅａｎａｌｙｓｉｓｔａｓｋｓｌｉｋｅｉｍａｇｅｆｕｓｉｏｎ，ｉｍａｇｅｍｏｓａｉｃａｎｄｃｈａｎｇｅｄｅｔｅｃｔｉｏｎ．Ｉｔｉｓｕｓｅｄｗｉｄｅｌｙｉｎｍｉｌｉｔａｒｙｓｙｓｔｅｍ，ｍｅｄｉｃａｌｉｍａｇｉｎｇ，ｒｅｍｏｔｅｓｅｎｓｉｎｇ，ｃｏｍｐｕｔｅｒｖｉｓｉｏｎ，ｅｔｃ．Ｔｈｅｈｉｓｔｏｒｙａｎｄｃｕｒｒｅｎｔｅｔａｔｕｓｏｆｉｍａｇｅｒｅｇｉｓｔｒａｔｉｏｎｔｅｃｈｎｉｑｕｅｓｆｉｒｅｒｅｖｉｅｗｅｄｋｅｆｌｙｗｉｔｈｅｍｐｈａｓｉｓｏｎｉｔｓｃｕｒｒｅｎｔｔｅｃｈｎｉｃａｌｈｏｔｓｐｏｔｓａｎｄａｐｐｌｉｃａｔｉｏｎｔｒｅｎｄｓ．Ｓｏｍｅｉｎｔｅｒｅｓｔｉｎｇａｓｐｅｃｔｓｆｏｒｆｕｒｔｈｅｒｓｔｕｄｙａ”ｐｏｉｎｔｅｄｏｕｔｉｎｔｈｅｅｎｄ． Ｋｅｙｗｏｒｄｓ：ｉｍａｇｅｒｅｇｉｓｔｒａｔｉｏｎ；ｉｎｆｏｒｍａｔｉｏｎｔｈｅｏｒｙ；１１０ｎ—ｒｉｇｉｄｒｅｇｉｓｔｒａｔｉｏｎ；ｖｉｒｔｕａｌｓｔｒｕｃｔＵｒｅ ０引言 图像配准是许多应用问题必须的预处理步骤，比如：时序图像的变化检测或多模图像融合，这些问题遍及军事、遥感、医学、计算机视觉等多个领域。许多领域都需要图像配准，实际应用过程可能会有所不同，但其中关键的因素是类似的。概括地说，图像配准是对取自不同时间、不同传感器或者不同视角的同一场景的两橱或多幅图像进行最佳匹配的过程，包括像素灰度匹配和空间位置对齐。 配准方法的分类可以依据不同的准则。Ｂｒｏ．ｗｎ…依据变换模型的复杂程度对配准方法进行分类，并归纳了配准技术的实现步骤：特征空问、相似度测量、搜索空间和策略。Ｍａｉｎｔｚ”１等则提出了９ 收稿日期：２００６—０３—０９修回Ｅｔ期：２００６—０５—１５ 基金项目：国防预研基金资助项目（５１４０３０３０６０４ＪＢｌ４０Ｉ）；国家自然科学基金资助项目（６０５７２１６０） 一 作者简介：荆松涛（１９７８一），男，河南孟津人，博士，主要研究方向为图像融合、耳标识别、成像跟踪、ＤＳＰ开发 等。条分类准则，依次为：图像维数、配准特征的来源、变换模型、坐标变换域、交互性、优化策略、成像模式、配准对象、配准目标的特点等。作者参考Ｂｒｏｗｎ和Ｍａｉｎｌｚ的分类方法，将配准技术概括为８个方面，包括：配准对象、特征提取、特征匹配、变换模型、优化策略、坐标变换与插值、系统实现及算法评估，并考虑每项内容的技术特性进行细分，然后依据某一算法的创新点进行分类。囊括所有方法的分类准则是不存在的，所提方法侧重于从总体上对配准方法进行考察，是一种相对能反映配准方法本质特征的分类方法。依据新的分类准则，作者已对图像配准技术的８个子方向进行了系统研究ｕＪ。 １发展史和研究现状 国外从２０世纪６０年代就开始在图像配准领域进行研究“】，但直到１９８０年代才开始引起学者们的关注。到上世纪末，单模图像配准问题已基本解决，但多模图像配准由于涉及模式和领域的复杂性．仍需密切关注。国际上对图像配准技术曾做过调查”】，其结论是１９９０年代初技术文献明显增加。而
多模图像配准融合
多模图像配准融合
浅析多模态医学图像的配准与融合技术 来源：本站原创作者：朱俊林发布时间：2009-06-07 1 医学图像的配准技术简介 医学图像的配准技术是90年代才发展起来的医学图像处理一个重要分支, 并且日益受到了医学界和工程界的重视。医学图像的配准是指对于一幅医学图 像寻求一种或者是一系列的空间变换,使两幅图像的对应点达到空间位置和解 剖结构的一致，这种一致是指人体上的同一解剖点在两张匹配的图像上有相同 的空间位置。简单地说医学图像配准就是解决两幅图像的严格对齐问题。配准 的结果应使两幅图像上所有的解剖点,或至少是所有具有诊断意义的解剖点及 手术感兴趣的点都达到匹配。 医学图像的配准按图像来源分为：单模态(mono-modality)与多模态配准(multi-modality)。单模态配准是指对来自同一成像设备的不同时刻或不同角 度的图像进行配准。但在实际临床应用中，单一模态的图像往往不能提供医生 所需要的足够信息，通常需要将不同模态的图像融合在一起得到更丰富的信息 量，从而作出准确的诊断，制订出合适的治疗方案。所谓多模态配准，是将来 自不同形式的医学图像进行空间上的对准，将对应的相同解剖位置标记出来以 实现图像融合和进一步后期处理。多模态图像之间的配准使用最频繁,主要应用在诊断方面,可分为解剖—解剖的配准和解剖—功能的配准两大类,前者将显示组织形态学不同方面的两幅图像混合,后者将组织的新陈代谢与它相对于解剖 结构的空间位置联系起来。目前，主要的研究工作重点是进行CT、MRI以及PET、fMRI等图像的配准。 2 医学图像融合技术简介 医学图像的融合是指将两幅(或两幅以上)来自不同成像设备或不同时刻获 取的已配准图像，采用某种算法，把各个图像的优点或互补性有机结合起来， 获得信息量更为丰富的新图像的技术。医学诊断往往要综合许多不同信息进行， 传统的方法是，临床医生利用灯箱分别观看这些胶片，综合对比，得到结果。 如果能够把这些互补信息以某种方式综合在一起作为一个整体作为医学诊断的 依据，使得临床医生只要在一张综合图像上就能看到不同原始图像的信息，那 么就能提供全方位的信息细节。 3 医学图像配准及融合的关系及意义 医学图像的配准和融合有着非常密切的关系，特别是对于多模态图像而 言，配准和融合是密不可分的。配准是融合的前提，也是决定图像融合技术发 展的关键技术，若事先不对待融合图像进行空间上的对准，那么融合后的图像 也是毫无意义的。融合是配准的目的，通过来自不同影像设备的图像融合，可 以得到更多的信息，提高影像数据的利用率。在多模态医学图像信息融合中， 是要把相对应的组织结构融合在一起，而待融合的图像往往来自不同的成像设 备，它们的成像方位、角度和分辨率等因素都是不同的，所以这些图像中相应 组织的位置、大小等都是有差异的，必须先进行配准处理，才能实现准确地融 合。
地的总结图像配准算法
图像配准定义为：对从不同传感器、不同时相、不同角度所获得的两幅或多幅图像进行最佳匹配的处理过程[2]。图像配准需要分析各分量图像上的几何畸变，然后采用一种几何变换将图像归化到统一的坐标系统中。在配准过程中，通常取其中的一幅图像作为配准的标准，称之为参考图像；另一幅图像作为配准图像。 图1-1 图像配准的基本流程 图1-2 图像配准方法分类
根据配准使用的特征，图像配准的方法大致可分为三类： (1)基于图像灰度的配准算法。首先从参考图像中提取目标区作为配准的模板，然后用该模板在待配准图像中滑动，通过相似性度量(如相关系数法、差的平方和法、差的绝对值法、协方差法)来寻找最佳匹配点。 (2)基于图像特征的配准算法。该算法是以图像中某些显著特征(点、线、区域)为配准基元，算法过程分为两步：特征提取和特征匹配。首先从两幅图像中提取灰度变化明显的点、线、区域等特征形成特征集。然后在两幅图像对应的特征集中利用特征匹配算法尽可能地将存在对应关系的特征对选择出来。对于非特征像素点利用插值等方法作处理推算出对应匹配关系，从而实现两幅图像之间逐像素的配准。 (3)基于对图像的理解和解释的配准算法。这种配准算法不仅能自动识别相应像点，而且还可以由计算机自动识别各种目标的性质和相互关系，具有极高的可靠性和精度。这种基于理解和解释的图像配准涉及到诸如计算机视觉、模式识别、人工智能等许多领域。不仅依赖于这些领域中理论上的突破，而且有待于高速度并行处理计算机的研制。 从自动化角度来看，可以将配准过程分为自动、半自动和手动配准。 存在问题：如何提高图像的配准速度将是大范围遥感图像自动配准问题的要点；选取何种自动配准方案以保证图像的配准精度将是大范围遥感图像自动配准问题的另一要点。 2(,)[1((, f x y g f h x y 其中，h表示二维空间坐标变换。g表示灰度或辐射变换，描述因传感器类型的不同以及成像时气候等环境的影响所带来的图像灰度的变换。配准问题的实质就是要找到最优的空域变换h和灰度变换g，使得上述的等式成立，从而找到配准变换的参数 特征空间的选择通常要考虑以下几个因素：相似性；空间分布；唯一性。 在自动图像配准中对特征的理解可以分为两类。(1)基于灰度的方法：基于灰度的方法将重点放在特征匹配上，在其过程中并没有真正提取特征。一般所说的模板匹配法就是这种方法的代表。这种方法实际上将图像的灰度分布直接作为特征而构成匹配的基础。(2)基于特征的方法：基于特征的方法需要在图像中提取显著的特征：区域(森林、湖泊、农田等)、线(区域的边界、道路等)和点(区域的角
图像匹配的主要方法分析
图像匹配的主要方法分析 在我国的图像处理中，有很多的关键技术正在不断的发展和创新之中。这些相关技术的发展在很大程度上推动了我国图像处理事业的发展。作为图像处理过程中的关键技术，图像匹配技术正在受到越来越多的关注。文章针对图像匹配的主要方法进行详细的论述，希望通过文章的阐述和分析能够为我国的图像匹配技术的发展和创新贡献微薄力量，同时也为我国图像处理技术的发展贡献力量。 标签：图像处理；图像匹配；特征匹配；方法 在我国的图像处理技术中，图像的匹配技术不仅仅是其中的重要组成部分，同时还是很多图像技术的发展创新的技术基础。例如图像技术中的立体视觉技术；图像技术中的运动分析技术以及图像技术中的数据融合技术等。通过上述内容可以看出，在我国的图像技术中，图像匹配技术具有非常广泛的应用。随着我国的相关技术不断的创新和发展，对于图像匹配技术的要求也是越来越高。这样就要求我国的图像匹配技术有更深层次的研究和发展。我国现阶段的研究主要是针对图像匹配过程中的匹配算法进行研究，希望借助研究能够更加有效的提升在实际的工作应用中的图像质量，同时也能够在很大程度上提升图像处理的图像分别率。文章的主要陈述点是通过图像匹配技术的具体方法进行优点和缺点的分析，通过分析优点和缺点来论述我国图像处理技术中的图像匹配技术的发展方向以及改进措施。近些年出现了很多的图像匹配方法，针对现阶段的新方法以及新的研究思路我们在实际的应用过程中要有一个非常清醒的选择。文章针对这一问题主要有三个内容的阐述。第一个是图像匹配技术的算法融合；第二个是图像匹配技术中的局部特征算法；最后一个是图像匹配技术中的模型匹配具体算法。 1 现阶段在世界范围内较为经典的图像匹配技术的算法 关于现阶段在世界范围内的较为经典的图像匹配技术的算法的阐述，文章主要从两个方面进行分析。第一个方面是ABS图像匹配算法。第二个方面是归一化相互关图像匹配算法。下面进行详细的论述和分析。 （1）算法一：ABS图像匹配算法。ABS图像匹配算法最主要的原理就是要使用模板的图像以及相应的匹配图像的搜索用窗口之间的转换差别来显示两者之间的关联性。图像匹配的大小在数值上等同于模板图像的窗口滑动顺序。窗口的每一次滑动都会引起模板图像的匹配计算。现阶段ABS的算法主要有三个，如下： 在选择上述三种计算方法的过程中要根据实际情况社情相应的阀值，否则会出现很高的失误率。上述的三种算法使用范围较狭窄。只使用与等待匹配的图像在模板影像的计算。 （2）算法二：归一化相互关图像匹配算法。归一化相互关的图像匹配算法在现阶段是较为经典的算法。通常专业的称法为NC算法。此计算方法主要是采
图像识别匹配技术原理
第1章绪论 1.1研究背景及意义 数字图像，又称数码图像或数位图像，是二维图像用有限数字数值像素的表示。通常，像素在计算机中保存为二维整数数组的光栅图像，这些值经常用压缩格式进行传输和储存。数字图像可以由许多不同的输入设备和技术生成，例如数码相机、扫描仪、坐标测量机等，也可以从任意的非图像数据合成得到，例如数学函数或者三维几何模型，三维几何模型是计算机图形学的一个主要分支。数字图像处理领域就是研究它们的变换算法。 数字图像处理(Digital Image Processing)是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。数字图像处理的产生和迅速发展主要受三个因素的影响:一是计算机的发展;二是数学的发展(特别是离散数学理论的创立和完善);三是广泛的农牧业、林业、环境、军事、工业和医学等方面的应用需求的增长。 图像配准(Image registration)就是将不同时间、不同传感器(成像设备)或不同条件下(天候、照度、摄像位置和角度等)获取的两幅或多幅图像进行匹配、叠加的过程，它已经被广泛地应用于遥感数据分析、计算机视觉、图像处理等领域。 图像配准的方法迄今为止，在国内外的图像处理研究领域，已经报道了相当多的图像配准研究工作，产生了不少图像配准方法。总的来说，各种方法都是面向一定范围的应用领域，也具有各自的特点。比如计算机视觉中的景物匹配和飞行器定位系统中的地图匹配，依据其完成的主要功能而被称为目标检测与定位，根据其所采用的算法称之为图像相关等等。 基于灰度信息的图像配准方法一般不需要对图像进行复杂的预先处理，而是利用图像本身具有灰度的一些统计信息来度量图像的相似程度。主要特点是实现简单，但应用范围较窄，不能直接用于校正图像的非线性形变，在最优变换的搜索过程中往往需要巨大的运算量。经过几十年的发展，人们提出了许多基于灰度信息的图像配准方法，大致可以分为三类：互相关法（也称模板匹配法）、序贯相似度检测匹配法、交互信息法。 目前主要图像配准方法有基于互信息的配准方法，基于相关性的配准方法和基于梯度的配准方法。其中基于梯度的方法基本很少单独使用，而作为一个辅助
图像配准技术的应用与研究
图像配准技术的应用与研究 【摘要】数字图像配准技术在当今科学研究的各个领域都显示出了很高的利用价值，伴随着人们对匹配效果的不断增强，图像配准技术也受到人们越来越多的关注。本文主要介绍图像配准在各个领域中的应用以及图像配准算法的研究现状。 1.图像配准技术的应用 目前，在很多领域都运用到了图像配准技术，这些领域分布在很多学科，包括机器视觉、医疗图像鉴定[1]等，另外还有现代汽车工业上运用到的器件完整度检测，当前受到热捧的景物匹配技术也都利用了图像配准技术。图像配准早已是一个非常热点同时也非常前沿的技术，现在图像多源信息融合作为一门强势的基础学科，已被广泛运用于军工、民用、商业等领域[2][3]。 在计算机机器视觉中，图像配准技术也是其他延伸技术的基础，包括指纹识别、运动目标识别、人脸识别等当今非常热门的研究领域。图像配准技术既是基础，也是难点。当前有关视频监控、目标跟踪方面的研究已经很深入，且取得了很多辉煌的成就，但归根到底，所有的视频信息也都是由一帧一帧的图像所构成，因此要解决这类识别问题，同样依赖于图像配准技术的发展。 2.图像配准基本原理 在数字图像配准技术中，灰度相关处理是一种非常重要的算法。这类算法最大的特点就是算法的实现非常容易，但这类算法又有限制其发展的弱点，那就是该类算法的时间复杂度都非常高，计算机在进行处理的时候消耗的时间过长，实时性较差，使得这类算法在运用到实际中的时候，难以得到很好的效果。原因在于这类配准方法在对相似度进行计算时，基本上要对待配准区域的每一个像素点进行计算，这样的大量运算会直接增加配准搜索过程的时间，同时其受到图像尺度变化的影响非常大。还有一种方法是使用图像中的所有像素点的灰度信息来进行配准，再使用一种搜寻的方式把那些属于某一相似度的极值点找到，算法同样利用的是对整幅图像中的所有像素点。因其计算量太大，所以实际使用价值也不高。 图像进行特征提取的时候，使用的方法要根据实际的情况来做出不同的选择，因为不同图像的特征点有其所特有的性质。这些方法广泛的涉及到图形图像形态学，而且无法把这些模型有效的归纳到一起。针对图像的特征点提取，很多方法都运用了图像中那些对图像发生平移、尺度等变换时保持不变性的特征点，甚至某些点还能是在图像发生仿射变换时也保持不变性。通常数字图像中的特征做了图像全局特征和图像局部特征的划分。对于图像的全局特征，由于要考虑图像中所有像素点对当前点的贡献和影响，所以对图像信息的描述是非常复杂的，
基于视频序列的图像配准算法研究与应用
工学硕士学位论文 基于视频序列的图像配准算法研究与应用 王帅 哈尔滨工业大学 2007年7月
国内图书分类号：TP391.4 国际图书分类号：681.39 工学硕士学位论文 基于视频序列的图像配准算法研究与应用 硕士研究生：王帅 导师：承恒达 教授 申请学位：工学硕士 学科、专业：计算机科学与技术 所在单位：计算机科学与技术学院 答辩日期：2007年7月 授予学位单位：哈尔滨工业大学
Classified Index: TP391.4 U.D.C: 681.39 Dissertation for the Master Degree in Engineering RESEARCH AND APPLICATION OF IMAGE REGISTRATION BASED ON VIDEO SEQUENCE Candidate：Wang Shuai Supervisor：Prof. Cheng Hengda Academic Degree Applied for：Master of Engineering Specialty：Computer Science and Technology Affiliation：School of Computer Science and Technology Date of Defence：July, 2007 Degree-Conferring-Institution：Harbin Institute of Technology
哈尔滨工业大学工学硕士学位论文 摘要 随着数字技术的不断发展，视频图像的分析与处理越来越受到人们的关注。数字化图像序列可以通过摄像机等光学设备获得，是真实世界在不同时间向成像平面的一系列投影。图像帧之间具有较大的相关性和信息冗余，找到并描述图像序列间的内在联系成为研究的关键所在。图像配准技术可以有效地解决这类问题。 图像配准问题是图像处理里的一个基本问题，是将不同时间、不同传感器、不同视角及不同拍摄条件下获取的图像对齐或匹配，消除存在的几何畸变。图像配准在计算机视觉、模式识别、医学图像处理和遥感信息处理方面有着广泛的应用。 本文提出了基于自适应聚类的特征匹配方法，满足大量图像配准的需求，提高匹配的速度，该方法基于正确匹配点对间形成矢量的一致性，对匹配点对进行自适应聚类，实验证明该方法在保证正确匹配不丢失的同时，可有效剔除绝大多数错误匹配，为进一步进行RANSAC匹配提供方便，且有效地提高了整个匹配过程的速度。 本文提出一种简单有效的图像合成方法。该方法针对摄像机固定位置，水平旋转拍摄的视频序列的特点，选取图像序列中部分帧，通过H矩阵确定重叠区域，再利用线性插值进行图像融合。实验证明在转角小于180 时，合成效果较好。 本文成功运用图像配准技术完成运动员滑行数据的测量，利用图像配准技术估计图像间摄像机运动，进而消除摄像机运动的影响，得到运动员的真实运动数据。根据这一原理，首先对冰场进行合理化建模，并确定相应的视频拍摄方案，设计了运动员冰场定位算法，利用帧间的H矩阵估计摄像机旋转角度，进而估计运动员的旋转角度完成滑行数据的测量。 关键词图像配准；特征点匹配；自适应聚类 - -I
图像配准的方法
图像配准的方法 迄今为止，在国内外的图像处理研究领域，已经报道了相当多的图像配准 研究工作，产生了不少图像配准方法。总的来说，各种方法都是面向一定范围 的应用领域，也具有各自的特点。比如计算机视觉中的景物匹配和飞行器定位 系统中的地图匹配，依据其完成的主要功能而被称为目标检测与定位，根据其 所采用的算法称之为图像相关等等。 图像配准的方式可以概括为相对配准和绝对配准两种：相对配准是指选择 多图像中的一张图像作为参考图像，将其它的相关图像与之配准，其坐标系统 是任意的。绝对配准是指先定义一个控制网格，所有的图像相对于这个网格来 进行配准，也就是分别完成各分量图像的几何校正来实现坐标系的统一。本文 主要研究大幅面多图像的相对配准，因此如何确定多图像之间的配准函数映射 关系是图像配准的关键。通常通过一个适当的多项式来拟合两图像之间的平移、旋转和仿射变换，由此将图像配准函数映射关系转化为如何确定多项式的系数，最终转化为如何确定配准控制点(RCP)。目前，根据如何确定RCP的方法和图像配准中利用的图像信息区别可将图像配准方法分为三个主要类别：基于灰度信 息法、变换域法和基于特征法[25]，其中基于特征法又可以根据所用的特征属 性的不同而细分为若干类别。以下将根据这一分类原则来讨论目前已经报道的 各种图像配准方法和原理。 1基于灰度信息的图像配准方法 基于灰度信息的图像配准方法一般不需要对图像进行复杂的预先处理，而 是利用图像本身具有灰度的一些统计信息来度量图像的相似程度。主要特点是 实现简单，但应用范围较窄，不能直接用于校正图像的非线性形变，在最优变 换的搜索过程中往往需要巨大的运算量。经过几十年的发展，人们提出了许多 基于灰度信息的图像配准方法，大致可以分为三类：互相关法(也称模板匹配法)、序贯相似度检测匹配法、交互信息法。 (1)互相关法
图像配准算法综述
杭州电子科技大学 毕业设计（论文）文献综述 毕业设计题目SIFT特征研究及应用 文献综述题目图像配准算法综述学院生命信息及仪器工程学院 专业电子信息技术及仪器 姓名 班级 学号 指导教师
图像配准算法综述 一．前言 图像配准是指找出场景中同一物体表面的结构点在不同图像上的投影像素点之间的对应关系，是图像信息处理领域中一项非常重要的技术，同时也是其它一些图像分析技术，如立体视觉、运动分析、数据融合等的基础。 目前图像配准广泛应用于虚拟现实、视频压缩、图像复原、图像数据库检索等技术中。图像配准的研究是计算机视觉中最困难也是最重要的任务之一。不同的图像配准方法总是对应于某种适用的图像变换模型，其核心问题是提高配准的速度、精度和算法的稳健度。 随着科学技术的发展现在约40%的机器视觉应用中都会使用图像匹配技术，所涉及的领域有：工业检测，导弹的地形匹配，光学和雷达的图像跟踪，交通管理，工业流水线的自动监控、工业仪表的自动监控，医疗诊断，资源分析，气象预报，文字识别以及图像检索等。 图像匹配研究按其处理步骤可以分为样本采集、样本预处理、样本分割、样本的特征提取等，并且与计算机视觉、多维信号处理和数值计算方法等紧密结合。它也是其它一些图像分析技术，如立休视觉、运动分析、数据融合等的基础。正因为其应用的广泛性，新的应用和新的要求逐步产生，使得匹配算法的研究逐步走向深入，出现了快速、稳定、鲁棒性好的匹配算法。因此，研究图像的匹配算法对于如何提高实际工程中的图像处理质量和识别精度具有非常重要的意义。 本文主要分析图像匹配常用方法的优点和不足之处，讨论了图像匹配中需要进一步研究和解决的问题。 二．图像配准算法的研究现状 图像配准是立体视觉、运动分析、数掘融合等实用技术的基础，在导航、地图与地形配准、自然资源分析、天气预报、环境监测、生理病变研究等许多领域有重要的应用价值。国内外学者针对不同的图像配准应用问题进行了大量的研究工作，早在1992年英国剑桥大学的Lisa Gottesfeld Brown在文献[1]习中就总结了图像配准的主要理论及图像配准在各个领域的应用。当时他讨论的图像配准技术主要还是著眼于医学图像处理、遥感图像处理等传统应用领域。图像配准是图像镶嵌技术的核心问题。 微软研究院的Richard Szeliski在1996年SIGGRAPH上提出了基于运动模型的全景图拼接算法[7]。Szeliski采用了非线性优化的方法来最小化像素两幅图像的亮度差以确定变换参数。该方法使用了全部像素进行优化处理，所以配准精度较高，但是计算速度较慢，且稳健性不佳。 国内的赵向阳。杜立民在2004年提出了一种基于特征点匹配的图像自动拼接算法[2]，其中使用了Harris算法[3]提取角点并进行匹配。赵的算法采用了鲁棒变换估计技术，在一定程度上提高配准算法的稳健性，但是计算速度依然较慢，且无法配准重
基于Demons算法的图像配准研究 5.10_修改
基于Demons算法的图像配准研究 摘要 图像配准实质上是评价两幅图或多幅图像的相似性以确定同名点的过程，其作为图像处理中的一个基本问题，同时也是众多图像分析和处理任务的关键步骤，被广泛应用于医学、军事、遥感、计算机视觉等众多领域，严格地说, 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。图像配准算法则是设法建立两幅或多幅图像之间的对应关系，确定相应几何变换参数，对两幅图像中的一幅进行几何变换的方法，是图像配准最关键的技术，直接决定图像配准的准确性。本文在学习了解了现有的图像配准算法后，主要针对重要的图像配准算法—Demons算法，通过研究原始Demons算法、Active Demons算法和Symmetric Demons算法的基本原理和各自在图像配准中的应用，对三种算法的性能进行对比分析，确定三种算法的优缺点，进而找到影响图像配准结果的根本原因。 关键词：图像配准原始的Demons算法Active Demons算法Symmetric Demons算法 Abstract Image registration is to determine corresponding point evaluation two pictures or images virtually, as a basic problem of image processing, meanwhile, it is also the key steps of many image analysis and processing tasks. It is widely used in medical, military, remote sensing, computer machine vision fields. Strictly speaking, the problem of image registration is finding a certain optimal geometric transformation to make two or more images in different coordinate systems transform into the same coordinate system. Image registration algorithm is trying to establish the correspondence between two or more images, determining the corresponding geometric parameters. It is the key of image registration It also directly determines the accuracy of image registration. On the base of understanding of the existing image registration algorithms .The
浅谈医学图像配准研究
浅谈医学图像配准研究 【摘要】随着现代医学影像技术的快速发展，越来越多的影像设备应用于临床，而不同设备采集的图像参数往往是不一样的，因此，要想将病变部位的各种不同情况在一张图像上体现出来，研究图像配准技术就是相当必要的，它能够将两幅图像中的信息综合起来，非常具有现实意义。本文从医学图像配准的概念、发展现状、分类及应用等方面进行了阐述。 【关键词】医学图像配准；多模态；医学影像技术 1.医学图像配准概述 医学图像配准是指将来自不同形式的探测器（如MRI，CT，PET，SPECT 等）的医学图像，利用计算机技术实现对于一幅医学图像寻求一种或者一系列的空间变换，使它与另一幅医学图像上的对应点达到空间上的一致。通俗地讲，医学图像配准就是对参考图像进行一系列的空间变换，使得参考图像和浮动图像中的对应点在空间位置或者解剖位置上达到一致[1]。主要包含4个模块：几何变换、插值算法、相似性测度和寻优算法。医学图像配准是医学图像处理的一个重要研究领域，被广泛应用于手术导航、病变跟踪以及治疗后期评估等临床诊断治疗中。 2.医学图像配准研究的现实意义 随着新型传感器的不断涌现，人们获取图像的能力迅速提高，不同物理特性的传感器所产生的图像也不断增多。由于成像原理以及成像设备的不同，造成成像模式的不同，按照不同成像模式提供信息的不同，医学图像可以分为解剖结构图像和功能图像两大类。单一模态的图像往往很难提供足够的病理信息，让医生作出病理诊断，常常需要将同一病人的多种成像模式的图片综合起来进行分析，以便获得病人更全面的信息，如X 射线断层扫描（CT，Computed Tomography）对骨骼信息的揭示是其他成像手段所不能比拟的，而要查看软组织结构信息，则会选择核磁共振成像（MRI，Magnatic Resonance Imaging）；利用PET、SPECT 获得功能信息，再综合CT、MRI的解剖信息分析。这种把各种成像模式的图像信息融合成一种新的影像模式的技术称为图像融合技术，经过融合后的图像克服了各种单一模式图像信息存在的不足。而在图像融合之前首先要经过图像的配准，配准结果的好坏直接影响图像融合的质量。因此，医生要想全面的了解病变组织的情况，必须准确的对多幅图像进行配准才能融合，进而制定出更加合理的治疗方案。因此，以图像配准技术为基础将多种模态图像信息融合起来，充分利用不同模态图像的优越性，将人体解剖结构信息以及功能代谢信息在同一副图像中表达出来，更有利于医生做出准确、可靠的诊断。 3.医学图像配准的发展现状 图像融合技术诞生于上世纪80年代，是指对多幅源图像的信息进行提取。