不同的插值方法示例Fra bibliotek 当前的难点异类图像的对比
可见光与SAR图像中配准的难点
• 同名特征(点,线,区域,结构)的提取以及匹配 比较困难,SAR图像特有的斑点噪声使得图像 结构模糊,使得同名特征的精确获取十分困 难 • 光学图像中常用的提取特征的方法不能直 接用于SAR图像中 • 由于SAR图像噪声的影响,相似性测度的精度 会受到干扰 • 配准时精度难以控制
图像配准
图像配准
图像配准
图像配准的基本概念 图像配准的一般步骤 图像配准面临的难点
图像配准的基本概念
图像配准是将不同时间,不同的传感器(成像 设备)或不同条件下(天气,角度,照射位置)获 取的同一场景的两幅或者多幅图像进行匹 配,校正的处理过程,是图像处理领域的一个 基础的问题
可以采用的特征: 特征点:角点,高曲率点等 边缘与直线段 轮廓 区域
相似性测度
在图像配准中,需要; • 找到相互对应的特征 • 剔除误匹配的特征 因此,必须要基于相似性度量来完成 常用的相似性测度常分为三种: • 距离测度 矢量X(x1,x2,…xN)与矢量(y1,y2,…,yN)的距离: • 相关性测度 N xi y i • 概率测度 S 1/ N
图像配准的基本概念
同一场景的多幅图像的差异表现在: 不同的成像机理 不同的灰度属性 不同的变换模型: 位置,比例尺(空间分辨率), 图像旋转,变形等 图像配准是进行图像融合的前提步骤
图像配准的数学定义
图像配准的一般步骤
特征提取
特征匹配
变换模型 参数估计
图像重采 样与变换
特征选择

i 1
y i xi
图像配准的变换类型
• 图像配准技术最根本的问题是找出适当的图像 转换或者映射类型从而正确匹配两幅福像.
• 我们希望待配准的图像特征与参考图像的特征 尽可能的一致相近.图像变换的类型: 刚体变换 仿摄变换 投影变换 非线性变换
典型的变换示例
重采样与变换
• 在图像配准中,首先根据参考图像与待配准 图像对应的点特征,求解两幅图像之间的变 换参数;然后将待配准的图像做相应的空间 变换,是两幅图像处于同一坐标下,最后再通 过灰度变换,对空间变换后的待配准图像的 灰度值进行重新赋值,即重采样.重采样的方 法主要有:双线性差值法,最邻近像元法,高阶 方法
谢谢