ArcGIS影像配准方案

【技术类】ArcGIS影像配准方案

影像配准是RSer们总要面对的问题，它是进行影像预处理关键的一步。如同专业图像处理软件，ArcGIS为大家准备了影像配准工具。而且必须强调的是，除了传统的人工选择控制点进行影像配准之外，ArcGIS 10.1提供了自动配准工具。下面还是还看具体操作吧！

图1是影像配准工具条，下面围绕两种方式的影像配准对工具条进行说明。

一、人工选择控制点

1）加载参考影像与待校准影像

2）通过 Add ControlPoints添加控制点。这里提供了三种配准模型，分别是1st Order Polynomial，2st Order Polynomial，3st Order Polynomial。根据控制点个数计算公式，（n+1）（n+2）/2，不同的控制点个数，启用不同的配准模型。

3）控制点选择结束，可以通过两种方式保存影像。一是通过“Auto Adjuct”，另一种方式是Rectify。前者实时的得到配准结果，后者通过另存的方式保存配准结果。

4）对于选择的控制点，可以通过 View Link Table窗口进行保存，这样方便再次调用。

对于需要批量处理的影像，也可直接调用已有控制点进行配准。

二、自动配准（Auto Registration）

ArcGIS 10.1推出了自动配准工具，可以一键实现影像的自动配准。为了让影像匹配精度高，两景影像最好具有相似性：地理位置，采集时间，影像定位，影像比例以及波段组合等等。

1）如果偏差太大，可先通过工具手动进行调整。

2）使用工具自动生成控制点

3）可以根据需要对控制点进行增删改查，最终得到配准结果

基于形状匹配的快速图像配准

２００８年４月张素等：基于形状匹配的快速图像配准２实验结果与分析为检验本文算法的有效性，取一幅分辨率为５１２×５１２的腹部ｃＴ图像（图３（ａ）），依次进行伸缩、旋转、平移变换，再加入高斯噪声，得到另一幅图像（图３（ｂ））．变换公式为［≥］＝ｊ［一：；兰０］［二］＋［芝］（１８）式中：（Ｊ，ｙ）为参考图像上的点；（ｔ），’）为变换之后的点；Ｊ为伸缩比例；ｐ为参考图像的旋转角度，分别用Ｐｏｗｅｕ搜索算法和本文算法进行配准，配准参数的精度为０．００１．实验在一台ＣＰＵ为Ｃｅｌｅｒｏｎ、主频为２．８ＧＨｚ、内存为５１２Ｍ的计算机上进行．图３为算法流程中，轮廓提取、标记点自动提取以及形状匹配的结果．表１列出了一部分代表性的比较结果（其中丁为配准全过程所耗费的时间）．图３轮廓提取、标记点自动提取以及形状匹配的结果Ｆ１９３Ｒｅ蛐№ｏｆｒｅｇｉ佃ｅ砷撇惦ｏｎ＇ａｕｔｏｍ雠ｌａｌＩ山ｍｒｂｄｅｔｅ甜仙姐ｄｓｈｐｅ删ｎｃ址啤衷１本文算法与ＰｏｗｅⅡ算法结果的比较Ｔ｜山．１Ｃ岫ｐａｒａ６ｖｅｒ器ＩＩｌｔｓｂｅｔｗ咖ｔｈｅｐｒｏ肼ｌｓｅｄｍ劬ｏｄａⅡｄＰｏｗｅｕａＩｇｏｒｉｔｈｍ变换及配旷无量纲占／（ｏ）厶ｘ｜缸ｌｒ，ｓ准参数像素像素变换参数０５００６０肿０２０ＤｏＯ３ⅢＤ００＿—— ＰｏｗｅＵ法０５０２６０Ｄ５２１９Ｊ０５５２８五５８５６０初始参数０４９７６０．０４０１９３１７３１５０ｌ＿—— 本文算法０５００６０．２９４１９．８８４２９．８２３２５变换参数ｌｏ∞４０肿０ｌＯ姗５０Ｄ００。—— ＰｏｗｅＵ法ｌＯ∞４０舶ｌ９．１１５５０ｊ０２ｌ１９０初始参数ｌ－０００４０．ｏｌＯ１０Ｊ昕３４９．９２ｌ●—— 本文算法１０００钧０９５９．９５２５００的３０变换参数１５∞１０Ｄｏｏ２０ＤＯＯ３０．０００＿——ｐｏｗｅＵ法１姗１０Ｄ０７２０３９９２９＿９９４６８０初始参数１５０２９．９９７１９３７２２９２１７＿—— 本文算法１５００１０ＪＤ４９２０．０５０３０２８３４２变换参数１５００３０加０４０肿０ＩＯ．０００Ｐｏｖ岭Ｕ法１０４６２８鹏５．４８５７１．４３．６８７’ｌ２３０初始参数１５０５２９．９５５３９Ｄ０６７．９∥ 本文算法１５０１３０Ｊ０２２３９５１４ｌＯＪ昕３２７变换参数２肿Ｏ１０．ａＤＯ１５加Ｏ２０．０００●—— ＰｏｗｅＵ法１．９１９３９ｊ９２ｌ１５矗６４２３２７２‘ｌｌ∞ 初始参数２肿６１０．０１８１３剃１７．盯５．●——本文算法２Ｄ００ｌＯ．１２６１６＿０１３２０ＪＤ２２５３注：用上标＃表示的数据稍偏离变换参数；用上标?表示的部分数据为错误结果．由表１的结果可以看出，用Ｐｏｗｅｕ算法直接进行搜索，计算时间较长，且有时因收敛到局部极值而产生错误结果，如表中用卑号标出的数据．而采用本文的算法完全达到了预期目的，大大减少了计算量，精度达到了“亚像素”级水平，有效地避免了收敛于局部极值．观察表ｌ中用ＳＶＤ法求得的初始参数，可以看出，这些参数实质上已经非常接近最终的配准参数，这是因为形状信息本身就是比较精确的特征量；其中有几个数据稍偏离配准参数，这是因为较大的变换参数（主要是缩放参数ｓ）会使形状匹配过程中产生相对较大的误差．计算过程中，特征提取、形状匹配、ＳＶＤ法求初始参数等步骤所耗费的计算量均比较小，而Ｐｏｗｅｌｌ算法一旦得到了与变换参数较接近的初始参数，就会很快地收敛到正确结果，这是由ＰｏｗｅＵ算法本身的性质所决定的．本实验中，在绝大多数情况下，只需要计算一个循环即可收敛．因此，ＰｏｗｅＵ算法的作用其实相当于对ＳＶＤ法所得的参数进行修正．３结语本文将形状特征和互信息搜索相结合，有效地提

ArcGIS影像配准及矢量化

实验三、影像配准及矢量化一、实验目的 1.利用影像配准(Georeferencing) 工具进行影像数据的地理配准 2.编辑器的使用（点要素、线要素、多边形要素的数字化）。注意：在基于ArcMap 的操作过程中请注意保存地图文档。二、实验准备数据：昆明市西山区普吉地形图1:10000 地形图――70011-1.Tif，昆明市旅游休闲图.jpg (扫描图)。软件准备： ArcGIS Desktop ---ArcMap 三、实验内容及步骤第1步地形图的配准－加载数据和影像配准工具所有图件扫描后都必须经过扫描配准，对扫描后的栅格图进行检查，以确保矢量化工作顺利进行。打开ArcMap，添加“影像配准”工具栏。把需要进行配准的影像—70011-1.TIF 增加到ArcMap中，会发现“影像配准”工具栏中的工具被激活。第2步输入控制点在配准中我们需要知道一些特殊点的坐标。通过读图，我们可以得到一些控件

点――公里网格的交点，我们可以从图中均匀的取几个点。一般在实际中，这些点应该能够均匀分布。在”影像配准”工具栏上，点击“添加控制点”按钮。使用该工具在扫描图上精确到找一个控制点点击，然后鼠标右击输入该点实际的坐标位置用相同的方法，在影像上增加多个控制点（大于7个），输入它们的实际坐标。点击“影像配准”工具栏上的“查看链接表”按钮。第3步设定数据框的属性增加所有控制点，并检查均方差（RMS）后，在”影像配准”菜单下，点击“更新显示”。执行菜单命令“视图”－“数据框属性”，设定数据框属性

●更新后，就变成真实的坐标。第4步矫正并重采样栅格生成新的栅格文件 ●在”影像配准”菜单下，点击“矫正”，对配准的影像根据设定的变换公式重新采样，另存为一个新的影像文件。

在Arcgis中配准遥感图像

图像在ArcGIS中配准（TIF、JPEG）栅格图像在ArcGIS中配准（TIF、JPEG）栅格图像最好不要压缩，越精确地图的矢量化原精确，使用ArcGIS 9.2 Desktop完成。栅格图像的校正和坐标系确定启动ArcMap，新建一个新工程，右键Layers选择Add Data…添加TIF图像，将出现如下提示（如果提示无法加载rester data时请安装ArcGIS Desktop SP3补丁），单击Yes确定，加载图像后提示图像没有进行配准，确定然后配准图像。图像加载后即可看到图像内容，右键工具栏打开Georeferencing工具条，进行图像的配准工作，在配准之前最好先保存工程。在File菜单下打开Map Properties编辑地图属性，Data Source Options可设置保存地图文件的相对路径和绝对路径。（这里选择相对路径以确保将工程复制到其他机器可用）。配准前要先读懂地图，望都县土地利用现状图采用1954北京坐标系，比例尺1:40000，查阅河北省地图发现望都县位于东经115度附近，那么按6度分带属于20带中央经线117度，按3度分带属于38带。从图框看到的公里数发现没有带号，应该是公里数。这里只找了4个点进行配置（可以找更多的点），从左到右从下到上，逆时针编号为1、2、3、4；在ArcMap中单击Georefercning工具条上的Add Control Ponit工具（先掉Auto Adjuest 选项），添加4个点控制点。然后编辑Link Table中的4个控制点的代表的公里数，然后单击“Georeferecning下拉菜单的Auto Adjuest”图像即进行校正这时可看到参差值这里是0.00175（Total RMS）非常小说明配准较为精确。单击Save按钮可将控制点信息保存到文件，单击Load按钮可从文件加载控制点坐标。给校准后的地图选择适合的坐标系，右键Layers打开Properties对话框属性对话框选择投影坐标系，（Prokected Coordinate Systems）展开Predefined/ Prokected Coordinate Systems/Gauss Kruger/Beijing 1954下找Beijing 1954 GK Zone 20坐标系（高斯克里克投影20带无带号），单击确定保存工程；这时配准工作即完成，在状态栏就可以看到正确的坐标单位了。最后保存校正重新生成采样数据，单击“Georeferencing”工具条的“Rectify”菜单矫正并

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＆ＣＯＮＴＲＯＬＶ０１．１４№．６Ｄｅｅ．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：ＡＰｒｏｇｒｅｓｓｉｎｉｍａｇｅｒｅｇｉｓｔｒａｔｉｏｎｔｅｃｈｎｉｑｕｅｓＬＩＵＳｏｎｇ—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；ｖｉｒｔｕａｌｓｔｒｕｃｔＵｒｅ０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

ArcGIS空间校正或影像配准

ArcGIS 空间校正影像配准 1、空间校正是针对矢量图的，栅格配准是针对栅格影像的。在ArcMap中对应的Spatial Adjustment工具条和Georeference工具条【具体平台操作分别参考： https://www.360docs.net/doc/3c18775540.html,/ESRI/thread-47016-1-1.html和 https://www.360docs.net/doc/3c18775540.html,/ESRI/viewthread.php?tid=23306】；在AE中的具体栅格配准接口为：IGeoreference 、而空间校正根据具体的校正的方法有很多种，具体介绍如下： I、彷射变换：二维的彷射变换是AffineTransformation2D类，彷射变换主要有两种变换：Conformal Transformation（等角变换）和 Affine Tranformation（真彷射变换），对应的接口机器构造函数为： IAffineTransformation2D3::DefineConformalFromControlPoints和IAffineTransformation2D::DefineFromControlPoints。其中等角变换要求至少两个已知点，因为他的变换函数使用4参数；而真彷射变换要求至少三个已知点，因为他的变换函数使用6参数。 II、投影变换：主要实现IProjectiveTransformation2DGEN接口。至少需要4个控制点，因为该变换函数有八个参数。 III、还有相似变换等等。这些接口都是继承于ITransformation，是通过几何的ITransform2D 接口中Transform (esriTransformDirection direction, ITransformation transformation ）方法发挥作用的。 2、判断某图层是为内存图层： IFeatureLayer pFeatLayer = MapCtrl.get_Layer(i) as IFeatureLayer; if (pFeatLayer.DataSourceType.Trim().ToUpper() == "InMemory Feature Class".Trim().ToUpper()) { } 空间校正（spatial adjustment）方法

矢量数据配准具体步骤(ARCGIS软件)

ArcGIS下矢量数据配准 ArcGIS 空间校正（spatial adjustment）是个常用的工具，下面简单说一下它的使用方法。下图中，青色的是已经有坐标系的要素（基准要素），黄色的是需要校正的要素（被校正要素）。 1、将已经具有坐标系的要素类和需要校正的要素类加进arcmap中(注意：先加入有坐标系的图层)，调出spatial adjustment工具条，使需要校正的图层处于编辑状态。

2、在spatial adjustment工具条菜单里设置要校正的数据，把要校正的要素类打钩， 3、设置校正方法每种校正方法的适用范围和区别可看帮助文件。仿射变换是最常用的方法，建议使用。

4、设置结合环境，以便准确地建立校正连接 Editor->snapping: 5、点置换连接工具 6、点击被校正要素上的某点，然后点基准要素上的对应点，这样就建立了一个置换链接，起点是被校正要素上的某点，终点是基准要素上的对应点。用同样的方法建立足够的链接。理论上有三个置换链接就能做仿射变换，但实际上一般是是不够用的。实际使用中要尽量多建几个链接，尤其是在拐点等特殊点上，而且要均匀分布。

7、点spatial adjustment工具条菜单下的adjust，即可应用配准，然后保存编辑。

当熟悉整个过程后，可以试试其他几种变换（相似、投影、橡皮拉伸等）。上面的方法是将一个没有坐标系的要素类校正到一个有坐标系的要素类，简单说是图对图校正。如果只有一个没有坐标系的要素类，但知道它上面关键点的真实坐标，上面的4、5、6步用下面方法代替： 4、读出原图上关键点的屏幕坐标，找到和它对应的真实坐标 5、建立连接链接文件，格式为文本文件，第一列是关键点的屏幕x坐标，第二列是关键点的屏幕y坐标，第三列是关键点真实的x坐标，第四列是关键点真实的y坐标，中间用空格分开，每个关键点一行。如下图所示 6、在spatial adjustment菜单中打开链接文件，选刚才建立好的链接文件

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

ArcGIS下矢量数据配准 spatial adjustment

ArcGIS下矢量数据配准 spatial adjustment ArcGIS 空间校正（spatial adjustment）是个常用的工具，下面简单说一下它的使用方法。下图中，青色的是已经有坐标系的要素（基准要素），黄色的是需要校正的要素（被校正要素）。 1、将已经具有坐标系的要素类和需要校正的要素类加进arcmap中(注意：先加入有坐标系的图层)，调出spatial adjustment工具条，使需要校正的图层处于编辑状态。 2、在spatial adjustment工具条菜单里设置要校正的数据，把要校正的要素类打钩，

3、设置校正方法每种校正方法的适用范围和区别可看帮助文件。仿射变换是最常用的方法，建议使用。 4、设置结合环境，以便准确地建立校正连接 Editor->snapping:

5、点置换连接工具 6、点击被校正要素上的某点，然后点基准要素上的对应点，这样就建立了一个置换链接，起点是被校正要素上的某点，终点是基准要素上的对应点。用同样的方法建立足够的链接。理论上有三个置换链接就能做仿射变换，但实际上一般是是不够用的。实际使用中要尽量多建几个链接，尤其是在拐点等特殊点上，而且要均匀分布。

7、点spatial adjustment工具条菜单下的adjust，即可应用配准，然后保存编辑。当熟悉整个过程后，可以试试其他几种变换（相似、投影、橡皮拉伸等）。上面的方法是将一个没有坐标系的要素类校正到一个有坐标系的要素类，简单说

是图对图校正。如果只有一个没有坐标系的要素类，但知道它上面关键点的真实坐标，上面的4、5、6步用下面方法代替： 4、读出原图上关键点的屏幕坐标，找到和它对应的真实坐标 5、建立连接链接文件，格式为文本文件，第一列是关键点的屏幕x坐标，第二列是关键点的屏幕y坐标，第三列是关键点真实的x坐标，第四列是关键点真实的y坐标，中间用空格分开，每个关键点一行。如下图所示 6、在spatial adjustment菜单中打开链接文件，选刚才建立好的链接文件其它步骤与前面的相同。本篇文章来源于 GIS空间站转载请以链接形式注明出处网址： https://www.360docs.net/doc/3c18775540.html,/Article/1640.htm

ArcGis中进行地形图的配准

ＡｒｃＧｉｓ中进行地形图的配准地形图配准１．１．１方法简介　１．１．１．１方法０　所有图件扫描后都必须经过扫描纠正，对扫描后的栅格图进行检查，以确保矢量化工作顺利进行。对影像的配准有很多方法，下面介绍一种常用方法。（１）打开　ＡｒｃＭａｐ，增加　Ｇｅｏｒｅｆｅｒｎｃｉｎｇ　工具条。（２）把需要进行纠正的影像增加到　ＡｒｃＭａｐ　中，会发现　Ｇｅｏｒｅｆｅｒｎｃｉｎｇ　工具条中的工具被激活。（３）在配准中我们需要知道一些特殊点的坐标，即控制点。可以是经纬线网格的交点、公里网格的交点或者一些典型地物的坐标，我们可以从图中均匀的取几个点。如果我们知道这些点在我们矢量坐标系内坐标，则用以下方法输入点的坐标值，如果不知道它们的坐标，则可以采用间接方法获取。（４）首先将　Ｇｅｏｒｅｆｅｒｎｃｉｎｇ　工具条的　Ｇｅｏｒｅｆｅｒｎｃｉｎｇ　菜单下　Ａｕｔｏ　Ａｄｊｕｓｔ　不选择。（５）在　Ｇｅｏｒｅｆｅｒｎｃｉｎｇ　工具条上，点击　Ａｄｄ　Ｃｏｎｔｒｏｌ　Ｐｏｉｎｔ　按钮。（６）使用该工具在扫描图上精确到找一个控制点点击，然后鼠标右击输入该点实际的坐标位置：（７）用相同的方法，在影像上增加多个控制点，输入它们的实际坐标。

（８）增加所有控制点后，在　Ｇｅｏｒｅｆｅｒｅｎｃｉｎｇ　菜单下，点击　Ｕｐｄａｔｅ　Ｄｉｓｐｌａｙ。（９）更新后，就变成真实的坐标。（１０）在　Ｇｅｏｒｅｆｅｒｅｎｃｉｎｇ　菜单下，点击　Ｒｅｃｔｉｆｙ，将校准后的影像另存。后面我们的数字化工作是对这个校准后的影像进行操作的。１．１．１．２说法１　在配准前，先在ａｒｃｔｏｏｌｂｏｘ下的ｄａｔｅ　ｍａｎａｇｅｍｅｎｔ　ｔｏｏｌ下的ｐｒｏｊｅｃｔｉｏｎｓ　ａｎｄ　ｔｒａｎｓｆｏｒｍａｔｉｏｎｓ进行投影系统的定义；然后在ａｒｃｍａｐ中，利用ｇｅｏｒｅｆｅｒｅｎｉｎｇ工具，进行控制点的输入。增加所有控制点后在ｇｅｏｒｅｆｅｒｅｎｉｎｇ工具下点击ｕｐｄａｔｅｄｉｓｐｌａｙ，最后ｒｅｃｔｉｆｙ保存影像。重新打开配准后的影像在界面的下方即可看到配准后显示的坐标。１．１．１．３说法　在利用ＡｒｃＧＩＳ进行数字化，或者把栅格图像加载到已有坐标系的地图中时，首先的工作就是进行地图的空间配准。对栅格图像进行配准时，可以用Ｇｅｏｒｅｆｅｒｅｎｃｉｎｇ工具。对已有ＧＩＳ图与其它坐标系或者地图进行配准时，可以利用Ｓｐａｔｉａｌ　Ａｄｊｕｓｔｍｅｎｔ工具。１．利用Ｇｅｏｒｅｆｅｒｅｎｃｉｎｇ工具配准栅格图像

配准综述

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区域的两幅或者多幅图像进行匹配叠加的过程。随着技术手段的不断发展，人们对图像配准的要求也越来越离。包括配准方法的鲁棒性、算法的难易程度、算法的自主性等都是考量算法的指标。图像配准的方法中，有人提出过被广泛认同的四个巧骤： a．特征空间的选择特征空间是指将运用到配准中元素的集合。特征空间包括很多方面，比如像素值，比如点、线，或者平面甚至是曲面。 b．搜索空间搜索策略是指一系列配准变换操作的集合。搜索空间是建立在几何形变基础上的。而几何形变一般包括全局的和局部的几何形变。典型的全局变形包括平移，缩放，扭曲等变形以及它们的组合。而局部形变，对变换参数要求比较苛刻，因为某一套变换参数只能作用在局部形变区域，而其余区域需采用插值技术补充。然而，另外的变形区域则需要另外的变换参数去表述。在一般的处理中，我们将变换模型看成是一种先验知识。不然则需要考量所有的变换模型。 c．搜索策略搜索策略是实施变换的依据。它的存在是为了找寻变换模型的最优解。常用的搜索策略有松弛模型法、牛顿法和共扼梯度法。 d．相似性度量相似性度量是对采用的变换模型的评价。相似性度量主要是采用参考图像和配准图像之间的共有的特征之间的差异比较的方法来评价配准的情况。这其中的差异可以包括点位的误差，或者是灰度值相关的差异，还可以是在变换域之间的差异值等等。最常见的相似性度量是检测特征的欧氏距离。上述的几个步骤构成了图像配准的基本框架。许许多多的算法充斥其中产生了种类繁多的配准方法。下面主要介绍下几种典型的配准算法。目前典型的配准算法中大致可分成基于灰度、基于特征和基于模型的方法。基于灰度的配准算法基于灰度的算法中，重点是对图像配准的过程上，而不是特征集的选择

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

ArcGIS实验操作九地理配准

ArcGIS实验操作（九）地理配准(Georeferncing) 数据：昆明市西山区普吉地形图 1:10000 地形图――70011-1.tif 要求：进行地图配准，以确保矢量化工作顺利进行。操作步骤： 1.加载配准工具栏和地图数据： z打开ArcMap，添加“Georeferncing”工具栏。在ArcMap中弹出如下工具栏： z把需要进行配准的影像—70011-1.TIF增加到ArcMap中，会发现“Georeferncing”工具栏中的工具被激活。

2.输入控制点：在配准中我们需要知道一些特殊点的坐标。通过读图，我们可以得到一些控件点――公里网格的交点，我们可以从图中均匀的取几个点。一般在实际中，这些点应该能够均匀分布。 z在“Georeferncing”工具栏上，点击“添加控制点”按钮。

z使用该工具在扫描图上精确到找一个控制点点击，然后鼠标右击输入该点实际的坐标位对应的X、Y坐标值。如下图所示：

点击全图显示，可查看地图窗口： z用相同的方法，在影像上增加至少4个控制点（控制点能均匀分布于四周，且数目不能太少），输入它们的实际坐标。也可以点击添加控制点按钮后，在地图窗口上单击确定一个控制点，右击选择“Input X and Y”，即可输入实际坐标：

输入准确的坐标值：注意：若输完坐标值后，配准地图不可见，可点击。同上，输入其它控制点的实际坐标值，本操作仅输入4个控制点仅是为演示需要，实际情况下需要输入更多的均匀分布的控制点。然后，点击工具栏上的“查看链接表”按钮:

注意：检查控制点的残差和RMS，删除残差特别大的控制点并重新选取控制点。Total RMS误差越小越好。在连接表对话框中点击“保存”按钮，可以将当前的控制点保存为磁盘上的文件，以备使用。 3.设定数据框的属性： z增加所有控制点，并检查均方差（RMS）后，在“影像配准”菜单下，点击“更新显示”。执行菜单命令“视图”－“数据框属性”，设定数据框属性，在“常规”选项页中，将地图显示单位设置为“米”

基于特征的图像匹配算法-毕业论文含源代码

诚信声明本人声明：我所呈交的本科毕业设计论文是本人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致中所罗列的容以外，论文中不包含其他人已经发表或撰写过的研究成果。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了意。本人完全意识到本声明的法律结果由本人承担。申请学位论文与资料若有不实之处，本人承担一切相关责任。本人签名：日期：2010 年05 月20日

毕业设计（论文）任务书设计（论文）题目：学院：专业：班级：学生指导教师（含职称）：专业负责人： 1．设计（论文）的主要任务及目标 (1) 了解图象匹配技术的发展和应用情况，尤其是基于特征的图象匹配技术的发展和应用。 (2) 学习并掌握图像匹配方法，按要求完成算法 2．设计（论文）的基本要求和容（1）查阅相关中、英文文献，完成5000汉字的与设计容有关的英文资料的翻译。（2）查阅15篇以上参考文献，其中至少5篇为外文文献，对目前国外图象匹配技术的发展和应用进行全面综述。（3）学习图象匹配算法，尤其是基于特征的图象匹配算法。（4）实现并分析至少两种基于特征的图象匹配算法，并分析算法性能。 3．主要参考文献 [1]谭磊, 桦, 薛彦斌．一种基于特征点的图像匹配算法[J]．天津理工大学报，2006， 22(6)，66-69． [2]甘进，王晓丹，权文．基于特征点的快速匹配算法[J]．电光与控制，2009，16(2)， 65-66． [3]王军，明柱．图像匹配算法的研究进展[J]．大气与环境光学学报，2007，2(1)， 12-15．

ARCGIS影像配准与空间配准方法

ArcGIS影像配准与空间配准 ArcGIS影像配准与空间配准地图配准可分为影像配准和空间配准。影像配准的对象是raster图，譬如TIFF图。配准后的图可以保存为ESRI GRID, TIFF,或ERDAS IMAGINE格式。空间配准（Spatial Adjustment)是对矢量数据配准。一、影像配准在ArcGIS中配准： 1.打开ArcMap，增加Georeferencing工具条。 2. 把需要进行纠正的影像增加到ArcMap中，会发现Georeferencing工具条中的工具被激活。在view/data frame properties的coordinate properties中选择坐标系。如果是大地（投影）坐标系选择predefined中的Projected coordinate system，坐标单位一般为米。如果是地理坐标系（坐标用经纬度表示）表示则选择Geographic coordinate system。 3.纠正前可以去掉"auto adjust"前的勾。在校正中我们需要知道一些特殊点的坐标。如公里网格的交点，我们从图中均匀的取几个点，不少于7个。在实际中，这些点要能够均匀分布在图中。 4.首先将Georeferencing工具条的Georeferencing菜单下Auto Adjust不选择。 5.在Georeferencing工具条上，点击Add Control Point按钮。 6.使用该工具在扫描图上精确到找一个控制点点击，然后鼠标右击，Input X and Y输入该点实际的坐标位置。采用地理坐标系时应输入经纬度，经纬度用小数表示，如110°30'30'应写成 110.508(=110+30.5/60)。 7.用相同的方法，在影像上增加多个控制点，输入它们的实际坐标。 8.增加所有控制点后，在Georeferencing菜单下，点击Update Display。 9.更新后，就变成真实的坐标。 10.在Georeferencing菜单下，点击Rectify，将校准后的影像另存。在arcview 中进行配准：软件准备：arcview,必须安装了image wape扩展模块数据准备：栅格图像，必须有坐标（大地坐标或经纬座标）步骤： 1、找到栅格图像上的坐标点，至少要四个，坐标点分布应均匀。 2、打开arcview，单击chart,单击new,创建一张新表 3、输入X，Y坐标（栅格图上的点坐标）， 4、点击保存。打开view窗口，单击theme,add event theme，设定字段为刚刚新建的表格里的X，Y字段。

关于图像匹配的综述

关于图像匹配的综述 1.图像匹配的背景及定义 1.1图像匹配的背景及意义图像匹配技术广泛的应用于日常生活中的诸多领域，如医疗诊断中各种医学图片的分析与识别、遥感图片识别、天气预报中的卫星云图识别、指纹识别、人脸识别等。图像匹配技术主要指通过计算机，采用数学技术方法，对获取的图像按照特定目的进行相应的处理。图像匹配技术是人工智能的一个重要分支和应用，随着计算机技术及人工智能技术的发展，图像识别技术逐渐成为人工智能的基础技术之一。它涉及的技术领域相当的广泛，也越来越深入，其基本分析方法也随着数学工具的不断进步而不断发展。现在，图像识别技术的应用范围己经不仅仅局限于视觉的范围，也体现在机器智能和数字技术等方面。 1.2图像匹配的定义所谓图像匹配是指在一幅(或一批)图像中寻找与给定目标图像相似的图像或者图像区域(子图像)的过程。通常将已知目标图像称为模板图像，而将待搜索图像中可能与它对应的子图称作该模板的待匹配的目标图像。图像匹配是在来自不同时间或者不同视角的同一场景的两幅或多幅图像之间寻找对应关系，该技术隶属于计算机视觉哺领域。图像匹配的具体应用包括目标或场景识别、在多幅图像中求解3D结构、立体对应和运动跟踪等。由于拍摄时间、拍摄角度、自然环境的变化，多种传感器的使用、传感器本身的缺陷及噪声等影响，拍摄的图像会存在灰度失真和几何畸变。同时，图像预处理过程会引入的误差，这都是导致模板图像与待匹配的目标图像之间通常存在着一定程度上的差异。在这种情况下，如何使匹配算法精度高、正确匹配率高、速度快和抗干扰性强成为人们关心的问题。 2.图像匹配算法的分类图像匹配算法的选取对图像匹配结果的影响很大。实用的匹配算法不仅要求计算量小，还必须具有良好的抗噪能力和抗几何形变的能力。通常情况下，图像匹配算法可以分为以下两大类：基于灰度相关的匹配算法、基于特征的图像匹配算法。 1) 基于灰度分布的相关匹配算法，也称为基于区域的匹配方法。常见的基于图像灰度的匹配方法有：（1）归一化灰度相关匹配、（2）最小二乘影像匹配、和（3）序贯相似性检测法匹配等。该类算法直接利用整幅图像的灰度信息，建立两幅图像之间的相似性度量，然后采用某种搜索方法，寻找使相似性度量值最大或最小的变换模型的参数值。在灰度及几何畸变

角点检测算法综述

角点检测算法综述范娜，俞利，徐伯夏（中国航天科工集团第三研究院8357所天津300308）摘要：角点作为图像的一个重要特征，它保留了图像绝大部分的特征信息。角点在三维场景重建、运动估计、目标跟踪以及图像配准与图像匹配等计算机视觉领域有着重要的作用。本文对角点检测算法的类别进行总结，对各类算法进行了详细介绍，并对近几年来各类算法发展与改进进行了总结。关键词：特征信息；计算机视觉；角点检测 Survey of Corner Detection Algorithms FAN Na, YU Li, and XU Bo-xia (The 8357 Research Institute of the Third Research Academy of CASIC Tianjin 300308) Abstract：As a more important feature of image, corner contains voluminous information of image features.In the domain of computer vision, such as three-dimensional reconstruction, motion estimation, object tracking, image registration and image matching, corner of image play an important role.this paper attempt to summarize and detailedly introduce corner detection algorithms, and summarize the developments of these algorithms in recent years. Key words: Feature Information；Computer Vision；Corner Detection 1 引言角点并没有明确的定义，一般将图像中亮度变化剧烈的点或图像边缘上曲率取极大值的点认为是角点。从形态上来说，角点包括L、T、Y、X和箭头型角点等。角点作为图像的重要特征，保留了图像的绝大部分的特征信息，又有效地减少了信息的数据量，从而有效地提高了运算速度以及匹配的可靠性。总结现有的角点检测算子的评价方法，总体上有以下几个标准[1]： (1)稳定性：即同一场景图像在亮度、对比度等因素变化的情况下，检测出的角点数目及位置应当稳定 (2)可靠性：即在算子的可变参数改变情况下，不影响生成的角点的质量，只改变检测出角点的数目；检测到的角点具有平移、旋转、伸缩不变性 (3)鲁棒性：即算法的抗噪性能，在一定的噪声干扰下，算子仍然具有很强的角点检测能力 (4)准确性：主要指不发生误检测以及角点位置定位准确 (5)高效性：是指算法的计算速度快慢，算法速度必须足够快以满足图像处理系统的要求经过几十年的研究与探索，产生了许多检测角点的方法，但大致可以分为四类：基于灰度图像的角点检测算法、基于二值图像的角点检测算法、基于边缘特征的角点检测算法以及支持矢量机角点检测算法。本文中