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。
医学影像学为临床诊断提供了多种模态的医学图像，如 CT、MR、SPECT、PET、fMRI、DSA等，这些图像可以提供关于病变组织或器官的解剖或功能信息，它
们各有特点。如：在放射外科手术计划中，CT图像具有很高的分辨力，骨骼成
像非常清晰，但对软组织病灶本身显示较差。而MRI图像则不同，虽然其空间
分辨力比不上CT图像，但是它对软组织成像清晰，有利于病灶范围的确定．可是它缺乏刚性的骨组织作为定位参照。SPET、PET提供了人体的功能信息，但
对解剖结构的描述却很差，而MRI、CT、X线成像对人体解剖结构描画的很好，
却缺乏人体的功能信息，两者的融合可获取一种新型复合图像，可增加诊断信
息，使患者病灶的定位更准确，使其形态结构显示得更直观可见。在放疗中，
利用MR图像勾画出肿瘤的轮廓线，即描述肿瘤的大小；利用CT图像计算出放射剂量的大小及剂量的分布，以便修正治疗方案，所以CT与MR图像融合为外科手术提供有力的证据。不同模态的医学图像都有各自的优缺点，如果我们能
把它们之间的互补信息综合在一起，把它们作为一个整体来表达，那么就能为
医学诊断，人体的功能和结构的研究提供更充分的信息，这就是医学图像信息
融合的作用和意义。总之，医学图像配准为临床诊断、治疗、手术设计及手术
效果评估等提供了更全面的来自不同图像之间的相互补充或变化的信息，它是
目前医学图像处理的热点问题。
4医学图像配准与融合的方法
医学图像配准过程实质上是一个多参数最优化问题，其配准方法是由特征空间、搜索空间、搜索算法和相似性测度四个不同方面的组合。按照这种组合，
一般配准的基本步骤为:1)图像特征的提取2)图像的几何变换３）使用优化算法。目前图像配准按照配准所依靠的图像特征的不同可以分为基于外部特征的
图像配准（有框架）和基于内部特征的图像配准（无框架）两种方法。后者由
于无创性和可回溯性，已成为配准算法的研究中心。基于互信息的弹性形变模
型也正成为研究热点。基于体素的方法是当今最流行的方法,因为他们是全自动的,而且鲁棒性好。
在完成图像的几何校正、噪声消除及图像的配准后，接下来的工作才是真正意义上的信息融合过程。一般图像融合的处理流程主要有：1)图像预处理(基于像素)；2)特征提取；3)分类；4)结果评价与应用。按照融合在处理流程中所处
的阶段，以及所作用的对象的不同，可以将图像融合分为 3 个层次：象元级融合、特征级融合、分类(决策)级融合。通过信息融合，将减少或抑制医学图像
中的不完全性、不确定性，从而提高图像分割、识别、解释的能力。根据这三
个不同的层次，图像融合将采用各种不同的算法来实现。现阶段医学图像的融
合，一般只涉及象素级、特征级的融合。像素级融合是最低层次的信息融合，
其实现过程是在采集到的原始图像数据层上直接进行综合分析。它的优点是能
保持尽可能多的数据，提供其它融合层次不能提供的细微信息。特征级融合属
于中间层次，其处理方法是对来自不同成像设备的原始信息进行特征制取，然
后再对获得的多个特征信息进行综合分析和处理。
5医学图像融合发展技术趋势
医学数据的可视化，已成为数据可视化领域中最为活跃的研究领域之一。由于近代非侵入诊断技术如 CT、MRI 和PET的发展，医生已经可以较易获得病人
有关部位的一组二维断层图像。CT 打破传统的胶片感光成像模式，通过计算机
重构人体器官或组织的图像，使医学图像从二维走向三维，使人们从人体外部可以看到内部。PET把核技术与计算机技术结合起来，经核素标记的示踪剂注入人体后，核素衰变过程中产生的正电子湮灭通过电子检测和计算机重构成像，使我们可以得到人体代谢或功能图像。在此基础上，利用可视化软件，对上述多种模态的图像进行图像融合，可以准确地确定病变体的空间位置、大小、几何形状以及它与周围生物组织之间的空间关系，从而及时高效地诊断疾病。
在图像融合的研究中，不断有新融合算法的出现。小波分析是近几年出现的一个新的研究热点，它被认为是傅立叶分析方法的突破性进展。小波变换居有良好的空间和频率域上的局域性，从而能通过伸缩平移等运算功能对信息进行多尺度的细化分析。小波变换用于图像融合有不少优点：图像经小波分解后，不同分辨率的细节信息互不相关，这样可以将不同频率范围内的信号分别组合，产生多种具有不同特征的融合图像；图像在不同分辨率水平上的能量和噪声不会互相干扰；融合图像的块状伪影亦容易消除。小波变换可以利用在低分辨率下的配准参数作为基础和引导，从而得到高分辨率下更为准确的结果，这种层层细化、逐步逼近的方法，不但有较强的鲁棒性，而且加快了配准参数搜索的速度，节约了配准时间。基于这些优点，小波变换在医学图像融合中的应用研究受到越来越多的重视，已是融合研究的一个热点。
医学图像融合技术综合了多种现代科学技术，并将随着各学科的飞速发展而不断发展，我们相信21 世纪的影像学是解剖影像与功能影像相融合的影像学。
因此我们深信，随着研究的不断深入，多模态医学图像融合技术在融合速度、精度、稳定性等方面将会日趋完善，应用也会更加广泛和普遍，从而更好地辅助医生诊断和临床治疗。快捷、简便、准确和可靠的医学图像融合技术将会在临床诊断和治疗、计算机辅助诊断、远程医疗及手术导航等方面有着广阔的应用前景。
（作者：南京第一医院）
图像配准融合介绍
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.Viola and W.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Thevenaz
多聚焦图像融合方法综述
多聚焦图像融合方法综述 摘要：本文概括了多聚焦图像融合的一些基本概念和相关知识。然后从空域和频域两方面将多聚焦图像融合方法分为两大块，并对这两块所包含的方法进行了简单介绍并对其中小波变换化法进行了详细地阐述。最后提出了一些图像融合方法的评价方法。 关键词：多聚焦图像融合；空域；频域；小波变换法；评价方法 1、引言 按数据融合的处理体系，数据融合可分为：信号级融合、像素级融合、特征级融合和符号级融合。图像融合是数据融合的一个重要分支，是20世纪70年代后期提出的概念。该技术综合了传感器、图像处理、信号处理、计算机和人工智能等现代高新技术。它在遥感图像处理、目标识别、医学、现代航天航空、机器人视觉等方面具有广阔的应用前景。 Pohl和Genderen将图像融合定义为：“图像融合是通过一种特定的方法将两幅或多幅图像合成一幅新图像”，其主要思想是采用一定的方法，把工作于不同波长范围、具有不同成像机理的各种成像传感器对同一场景成像的多幅图像信息合成一幅新的图像。 作为图像融合研究重要内容之一的多聚焦图像融合，是指把用同一个成像设备对某一场景通过改变焦距而得到的两幅或多幅图像中清晰的部分组合成一幅新的图像，便于人们观察或计算机处理。图像融合的方法大体可以分为像素级、特征级、决策级3中，其中，像素级的图像融合精度较高，能够提供其他融合方法所不具备的细节信息，多聚焦融合采用了像素级融合方法，它主要分为空域和频域两大块，即： （1）在空域中，主要是基于图像清晰部分的提取，有梯度差分法，分块法等，其优点是速度快、方法简单，不过融合精确度相对较低，边缘吃力粗糙； （2）在频域中，具有代表性的是分辨方法，其中有拉普拉斯金字塔算法、小波变换法等，多分辨率融合精度比较高，对位置信息的把握较好，不过算法比较复杂，处理速度比较慢。 2、空域中的图像融合 把图像f(x,y)看成一个二维函数，对其进行处理，它包含的算法有逻辑滤波器法、加权平均法、数学形态法、图像代数法、模拟退火法等。 2.1 逻辑滤波器法 最直观的融合方法是两个像素的值进行逻辑运算,如:两个像素的值均大于特定的门限值,
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。
图像融合的研究背景和研究意义
图像融合的研究背景和研究意义 1概述 2 图像融合的研究背景和研究意义 3图像融合的层次 像素级图像融合 特征级图像融合 决策级图像融合 4 彩色图像融合的意义 1概述 随着现代信息技术的发展，图像的获取己从最初单一可见光传感器发展到现在的雷达、高光谱、多光谱红外等多种不同传感器，相应获取的图像数据量也急剧增加。由于成像原理不同和技术条件的限制，任何一个单一图像数据都不能全面反应目标对象的特性，具有一定的应用范围和局限性。而图像融合技术是将多种不同特性的图像数据结合起来，相互取长补短便可以发挥各自的优势，弥补各自的不足，有可能更全面的反映目标特性，提供更强的信息解译能力和可靠的分析结果。图像融合不仅扩大了各图像数据源的应用范围，而且提高了分析精度、应用效果和使用价值，成为信息领域的一个重要的方向。图像配准是图像融合的重要前提和基础，其误差的大小直接影响图像融合结果的有效性。 作为数据融合技术的一个重要分支，图像融合所具有的改善图像质量、提高几何配准精度、生成三维立体效果、实现实时或准实时动态监测、克服目标提取与识别中图像数据的不完整性等优点，使得图像融合在遥感观测、智能控制、无损检测、智能机器人、医学影像(2D和3D)、制造业等领域得到广泛的应用，成为当前重要的信息处理技术，迅速发展的军事、医学、自然资源勘探、环境和土地、海洋资源利用管理、地形地貌分析、生物学等领域的应用需求更有力地刺激了图像融合技术的发展。 2 图像融合的研究背景和研究意义 Pohl和Genderen对图像融合做了如下定义：图像融合就是通过一种特定算法将两幅或多幅图像合成为一幅新图像。它的主要思想是采用一定的算法，把
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
《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
基于互信息的图像配准
信息论大作业 基于互信息的图像配准 班级：金融101 学号：2009302311 姓名：魏泉
1. 引言 随着医学、计算机技术及生物工程技术的发展，医学影像学为临床诊断提供了多种模态的医学图像，不同的医学图像提供了相关脏器的不同信息：CT(Computed Tomography ，电子计算机X 射线断层扫描)和MRI(Magneticresona nce ima ging ，核磁共振成像)以较高的空间分辨率提供了脏器的解剖结构信息。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的信息，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，以便了解病变组织或器官的综合信息，从而做出准确的诊断或制订出合适的治疗方案。而图像配准是图像融合的重要前提，图像配准是指对一幅图像进行一定的几何变换而映射到另一幅图像中，使得两幅图像中的相关点达到空间上的一致。图像配准主要有两大类方法，基于灰度的方法和基于特征的方法。基于灰度的配准方法直接利用图像的灰度数据进行配准，从而避免了因分割而带来的误差，因而具有精度较高、鲁棒性强、不需要预处理而能实现自动配准的特点。在基于灰度的配准方法中，基于互信息的方法包括互信息和归一化互信息方法，它们已经被广泛使用并具有最高的精度。本文使用的是基于互信息的配准方法。 2. 图像配准技术 2.1图像配准技术的数学定义 数字图像可以用一个二维矩阵来表示，如果用 ),(1 y x I 、),(2y x I 分别表示待配准图像和参考图像在点(x,y)处的灰度值，那么图 像I 1、I 2的配准关系可表示为： ))),(((),(12 y x f g y x I I = （1） 其中f 代表二维的空间几何变换函数；g 表示一维的灰度变换函数。 配准的主要任务是寻找最佳的空间变换关系f 与灰度变换关系g ，使两幅图像实现最佳对准。其中，空间几何变换是灰度变换的前提，是实现精准配准的关键环节。 2.2几何变换 空间变换主要解决图像平面上像素的重新定位问题，式(1)中的空间几何变换函数f 可用空间变换模型进行描述，常用的空间变换模型有刚体变换、仿射变换、投影变换和非线性变换。刚体变换使得一幅图像中任意两点间的距离变换到另一幅图像中后仍然保持不变；仿射变换使得一幅图像中的直线经过变换后仍保持直线，并且平行线仍保持平行；投影变换是从三维图像到二维平面的投影；非线性变换把一条直线变换为一条曲线，一般用代数多项式来表示。仿射变换是最常用的一种空间变换形式,可以实现图像的平移、旋转、按比例缩放等操作，我们在实验中使用的是此变换模型。仿射变换可以用矩阵形式表示： 1[x 1y 1]=0[x 0y 1]T =0[x 0y 1]111221 2231 32 001t t t t t t ?? ? ? ???
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
ENVI中的融合方法
ENVI下的图像融合方法 图像融合是将低空间分辨率的多光谱影像或高光谱数据与高空间分辨率的单波段影像重采样生成成一副高分辨率多光谱影像遥感的图像处理技术，使得处理后的影像既有较高的空间分辨率，又具有多光谱特征。图像融合的关键是融合前两幅图像的精确配准以及处理过程中融合方法的选择。只有将两幅融合图像进行精确配准，才可能得到满意的结果。对于融合方法的选择，取决于被融合图像的特征以及融合目的。 ENVI中提供融合方法有： ?HSV变换 ?Brovey变换 这两种方法要求数据具有地理参考或者具有相同的尺寸大小。RGB输入波段必须为无符号8bit数据或者从打开的彩色Display中选择。 这两种操作方法基本类似，下面介绍Brovey变换操作过程。 （1）打开融合的两个文件，将低分辨率多光谱图像显示在Display中。 （2）选择主菜单-> Transform -> Image Sharpening->Color Normalized (Brovey)，在Select Input RGB对话框中，有两种选择方式：从可用波段列表中和从Display窗口中，前者要求波段必须为无符号8bit。 （3）选择Display窗口中选择RGB，单击OK。 （4） Color Normalized (Brovey)输出面板中，选择重采样方式和输入文件路径及文件名，点击OK输出结果。 对于多光谱影像，ENVI利用以下融合技术： ?Gram-Schmidt ?主成分（PC）变换 ?color normalized (CN)变换 ?Pan sharpening 这四种方法中，Gram-Schmidt法能保持融合前后影像波谱信息的一致性，是一种高保真的遥感影像融合方法；color normalized (CN)变换要求数据具有中心波长和FWHM，；Pansharpening融合方法需要在ENVI Zoom中启动，比较适合高分辨率影像，如QuickBird、IKONOS等。 这四种方式操作基本类似，下面介绍参数相对较多的Gram-Schmidt操作过程。 （1）打开融合的两个文件。
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
医学图像融合技术及运用
医学图像融合技术及运用 1医学图像融合技术 图像融合的内涵图像融合是指将多源图像传感器所采集到的关于同一目标的图像经过一定的图像处理,提取各自的有用信息,最后综合成同一图像以供观察或进一步处理。从信息论的角度讲,融合后的图像将比组成它的各个子图像具有更优越的性能,综合整体信息大于各部分信息之和,也就是说,融合的结果应该比任何一个输入信息源包含更多的有用信息,即1+1>2,这就是图像信息的融合[2]。 医学图像融合的分类一个完整的医学图像融合系统应该是各种成像设备、处理设备与融合软件的总和。由于融合图像的应用目的不同,决定了医学图像融合具有各种各样的形式。根据被融合图像成像方式不同,可分为同类方式融合和交互方式融合。同类方式融合是指相同成像方式的图像融合,如SPECT图像间融合,MR图像间融合等;交互方
式融合是指不同成像方式的图像融合,如SPECT与MR图像融合,PET与CT图像融合等。按融合对象不同,可分为单样本时间融合、单样本空间融合以及模板融合。单样本时间融合:跟踪某一病人在一段时间内对同一脏器所做的同种检查图像进行融合,可用于对比以跟踪病情发展和确定该检查对该疾病 的特异性;单样本空间融合:将某个病人在 同一时间内对同一脏器所做几种检查的图 像进行融合,有助于综合利用多种信息,对 病情做出更确切的诊断;模板融合:是将病 人的检查图像与电子图谱或模板图像进行 融合,有助于研究某些疾病的诊断标准。另外,还可以将图像融合分为短期图像融合与长期图像融合。综上所述,依据不同的分类原则,医学图像融合有多种方式,在实际应 用中,临床医师还可以根据各种不同的诊断与治疗目的不断设计出更多的融合方式。 医学图像融合的主要技术方法与步骤 医学图像融合的过程是一个渐进的过程,不同的融合方法有各自具体的操作和处理,但是,不管应用何种技术方法,图像融合一般
三种图像融合方法实际操作与分析
摘要：介绍了遥感影像三种常用的图像融合方式。进行实验，对一幅具有高分辨率的SPOT全色黑白图像与一幅具有多光谱信息的SPOT图像进行融合处理，生成一幅既有高分辨率又有多光谱信息的图像，简要分析比较三种图像融合方式的各自特点，择出本次实验的最佳融合方式。 关键字：遥感影像；图像融合；主成分变换；乘积变换；比值变换；ERDAS IMAGINE 1. 引言 由于技术条件的限制和工作原理的不同，任何来自单一传感器的信息都只能反映目标的某一个或几个方面的特征，而不能反应出全部特征。因此，与单源遥感影像数据相比，多源遥感影像数据既具有重要的互补性，也存在冗余性。为了能更准确地识别目标，必须把各具特色的多源遥感数据相互结合起来，利用融合技术，针对性地去除无用信息，消除冗余，大幅度减少数据处理量，提高数据处理效率；同时，必须将海量多源数据中的有用信息集中起来，融合在一起，从多源数据中提取比单源数据更丰富、更可靠、更有用的信息，进行各种信息特征的互补，发挥各自的优势，充分发挥遥感技术的作用。[1] 在多源遥感图像融合中，针对同一对象不同的融合方法可以得到不同的融合结果，即可以得到不同的融合图像。高空间分辨率遥感影像和高光谱遥感影像的融合旨在生成具有高空间分辨率和高光谱分辨率特性的遥感影像，融合方法的选择取决于融合影像的应用，但迄今还没有普适的融合算法能够满足所有的应用目的，这也意味着融合影像质量评价应该与具体应用相联系。[2] 此次融合操作实验是用三种不同的融合方式（主成分变换融合，乘积变换融合，比值变换融合），对一幅具有高分辨率的SPOT全色黑白图像与一幅具有多
光谱信息的SPOT图像进行融合处理，生成一幅既有高分辨率又有多光谱信息的图像。 2. 源文件 1 、 imagerycolor.tif ，SPOT图像，分辨率10米，有红、绿、两个红外共四个波段。 2 、imagery-5m.tif ，SPOT图像，分辨率5米。 3. 软件选择 在常用的四种遥感图像处理软件中，PCI适合用于影像制图，ENVI在针对像元处理的信息提取中功能最强大，ER Mapper对于处理高分辨率影像效果较好，而ERDAS IMAGINE的数据融合效果最好。[3] ERDAS IMAGINE是美国Leica公司开发的遥感图像处理系统。它以其先进的图像处理技术，友好、灵活的用户界面和操作方式，面向广阔应用领域的产品模块，服务于不同层次用户的模型开发工具以及高度的RS/GIS（遥感图像处理和地理信息系统）集成功能，为遥感及相关应用领域的用户提供了内容丰富而功能强大的图像处理工具。 2012年5月1日，鹰图发布最新版本的ERDAS IMAGINE，所有ERDAS 2011软件用户都可以从官方网站上下载最新版本 ERDAS IMAGINE 11.0.5. 新版本包括之前2011服务包的一些改变。相比之前的版本，新版本增加了更多ERDAS IMAGINE和GeoMedia之间的在线联接、提供了更为丰富的图像和GIS产品。用户使用一个单一的产品，就可以轻易地把两个产品结合起来构建一个更大、更清
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。 医学影像学为临床诊断提供了多种模态的医学图像，如 CT、MR、SPECT、PET、
图像融合算法概述
图像融合算法概述 摘要：详细介绍了像素级图像融合的原理,着重分析总结了目前常用的像素级图像融合的方法和质量评价标准,指出了像素级图像融合技术的最新进展,探讨了像素级图像融合技术的发展趋势。 关键词：图像融合; 多尺度变换; 评价标准 Abstract:This paper introduced the principles based on image fusion at pixel level in detail, analysed synthetically and summed up the present routine algorithm of image fusion at pixel level and evaluation criteria of its quality. It pointed out the recent development of image fusion at pixel level, and discussed the development tendency of technique of image fusion at pixel level. Key words:image fusion; multi-scale transform; evaluation criteria 1.引言： 图像融合是通过一个数学模型把来自不同传感器的多幅图像综合成一幅满足特定应用需求的图像的过程, 从而可以有效地把不同图像传感器的优点结合起来, 提高对图像信息分析和提取的能力[ 1] 。近年来, 图像融合技术广泛地应用于自动目标识别、计算机视觉、遥感、机器人、医学图像处理以及军事应用等领域。图像融合的主要目的是通过对多幅图像间冗余数据的处理来提高图像的可靠性; 通过对多幅图像间互补信息的处理来提高图像的清晰度。根据融合处理所处的阶段不同,图像融合通常可以划分为像素级、特征级和决策级。融合的层次不同, 所采用的算法、适用的范围也不相同。在融合的三个级别中, 像素级作为各级图像融合的基础, 尽可能多地保留了场景的原始信息, 提供其他融合层次所不能提供的丰富、精确、可靠的信息, 有利于图像的进一步分析、处理与理解, 进而提供最优的决策和识别性能. 2.图像融合算法概述 2.1 图像融合算法基本理论
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，
图像融合算法的分析与比较
摘要：图像拼接技术一直是计算机视觉、图像处理和计算机图形学的热点研究方向。图像融合算法是图像拼接过程中非常重要的一个步骤，本文介绍了几种常用图像融合算法，并且结合实验对它们的进行了分析和比较。 关键词：图像融合；图像拼接 一、引言图像拼接(image stitching)技术是由于摄像设备的视角限制，不可能一次拍出很大图片而产生的。图像拼接技术可以解决由于相机等成像仪器的视角和大小的局限，不可能一次拍出很大图片而产生的问题。它利用计算机进行自动匹配，合成一幅宽角度图片，因而在实际使用中具有很广泛的用途，同时对它的研究也推动了图像处理有关的算法研究。图1 图像拼接流程图图像拼接技术的基本流程如图1-1所示，首先获取待拼接的图像，然后是图像配准和图像融合，最终得到拼接图。图像拼接技术主要包括两个关键环节，即图像配准和图像融合。图像配准主要指对参考图像和待拼接图像中的匹配信息进行提取，在提取出的信息后寻找图像间的变换模型，然后由待拼接图像经变换模型向参考图像进行对齐，变换后图像的坐标将不再是整数，这就涉及到重采样与插值的技术。图像拼接的成功与否主要是图像的配准。待拼接的图像之间，可能存在平移、旋转、缩放等多种变换或者大面积的同色区域等很难匹配的情况，一个好的图像配准算法应该能够在各种情况下准确找到图像间的对应信息，将图像进行匹配。图像融合的任务就是把配准后的两幅图像根据对准的位置合并为一幅图像。由于两幅相邻图像之间存在重叠区域，因此，采用配准算法可以实现图像的对齐。然而图像拼接的目的是要得到一幅无缝的拼接图像[1]。所谓无缝，就是说在图像拼接结果中，不应该看到两幅图像在拼接过程中留下的痕迹，即不能出现图像拼接缝隙。由于进行拼接的两幅图像并不是在同一时刻采集的，因此，它们不可避免地会受到各种不定因素的影响。由于这些无法控制的因素的存在，如果在图像整合过程结束之后，只是根据该过程中所得到的两幅相邻图像之间的重叠区域信息，将两幅图像简单的叠加起来，那么，在它们的结合部位必然会产生清晰的拼接缝隙，这也就达不到图像拼接所要求的无缝的要求。如何处理图像整合过程中无法解决的拼接缝隙问题，实现真正意义上的无缝拼接，正是图像融合过程中所要解决的问题。对于重叠部分，如果只是简单的取第一幅图像或第二幅图像的数据进行叠加，会造成图像的模糊和拼接的痕迹，这是不能容忍的。图像融合就是要消除图像光强或色彩的不连续性。它的主要思想是让图像在拼接处的光强平滑过渡以消除光强的突变。二、常见的图像融合算法 1、平均值法令，，分别表示第一幅图像、第二幅图像和融合图像在点处的像素值，则融合图像中各点的像素值按式(4-1)确定。 (1) 式(4-1)中，表示第一幅图像中未与第二幅图像重叠的图像区域，表示第一幅图像与第二幅图像重叠的图像区域，表示第二幅图像中未与第一幅图像重叠的图像区域。取两幅图像的平均值的算法速度很快，但效果一般不能令人满意，在融合部分有明显的带状感觉，用眼睛能够观察出区别。本文以左图像所在的坐标系为参考坐标空间，将右图像经过变换矩阵向参考图坐标进行映射，由于双线性插值法在计算效率和精度方面可以达到一个很好的平衡，因此在变换过程中本文采用双线性插值。然后采用平均值法对图像重叠区进行融合，得到图2(a)和图2(b)。从图中可以看出由于采用本文的配准方法拼接出来的图像在拼接点处结合得很好，但是由于重叠区域采用了简单的平均值法来进行融合，有明显的拼缝。 (a) 校园广场图片（b）足球场图片图2 采用平均值法来对图像进行融合 2、重叠区线性过渡为了消除重叠区的拼缝问题，目前采用较多的是重叠区线性过渡的方法. 实现的具体方法是假设重叠区域宽度为l。取过渡因子是（）。两幅图像重叠区的x轴和y轴最大和最小值分别为、和、，则过渡因子，重叠区的像