InSAR经典图像配准及比较

InSAR经典图像配准方法及比较

1前言

合成孔径雷达干涉测量（InSAR）利用雷达两次获取同一地区的回波信号进行干涉处理得到干涉相位，利用干涉相位可提取地面高程和形变信息。目前卫星SAR复数影像是InSAR 应用的主要数据源。卫星SAR系统采用单天线重复轨道工作方式, 卫星一次通过某地区只能获取一幅影像（单视复图像），卫星以一定的时间间隔和轻微的轨道偏移重复通过该地区时再次成像。由于轨道偏移，这两幅影像并不完全重合，因此卫星SAR影像配准就成为干涉处理的首要步骤，也是影响干涉相位图质量以及最终成果精度的关键因素之一。

SAR复数影像精配准首先对参考影像和待配准影像进行采样，并在参考影像上确定均匀分布的N个控制特征点，以控制特征点为中心选取一定大小的匹配窗口。再根据粗配准的影像偏移量，在待配准影像上相应位置选取比匹配窗口大的搜索窗口。在搜索窗口内按一定顺序逐像元移动匹配窗口，计算两匹配窗口的匹配指标值。InSAR图像配准的三种常用方法——相干系数法、最大频谱法、相位差影像平均波动函数法匹配实现步骤大致相同，只是根据匹配窗口中计算的匹配指标、计算方法及选取配准点的标准不同。

2相干系数法

用相干系数r作为匹配测度的步骤与数字摄影测量中用相关系数ρ作为匹配测度时的大致相同。在参考影像以待匹配点为中心取一定大小的窗口，在对应输入影像的一定搜索范围内，逐行、逐个像素地移动，并计算窗口内的相干系数，相干系数最大处即为最佳匹配点。一般相干性系数定义为：

r=12

E u12E u22

实际计算时，通常用样本的平均值来代替数学期望，此时相干系数的计算公式为

S1i,j

j=0

i=0

S2?i,j e?jφi,j

S1i,j2

j=0

i=0

S2i,j2

j=0

i=0

一般在初步确定同名点后，在从影像上以该象素点为中心取大小为M×M的窗口，对应在从影像上以待配准点为中心取出大小为N×N窗口的数据。然后在一定的搜索范围内，在从影像上逐点移动窗口，计算每个窗口的相干系数r值，相干系数最大处即为最佳匹配点。

相干系数法针对复影像的特点进行匹配，由传统的相关匹配方法衍化而来，在信噪比比较高的区域能够取得比较好的效果，运算量较小，所以也是用得最多的算法。

由于这种计算方法既考虑了SLC数据的振幅信号，又顾及到了相位信号，判断配准的依据十分充分，但是，利用一定大小的窗口内像元值来估计总是有偏的，所以这种方法虽然理论依据很充分，但实现过程中会存在偏差，影响配准的效果。

3最大频谱法

最大频谱法基本思路是定义复数干涉图频谱的最大模值与其他频率成分的模值之和的比值，即相对最大频谱为配准过程所使用的评价函数。当两幅复图像配准精度越高时，图像之间的干涉条纹质量越好，其频谱值最大，找到频谱最大值，就可以找到两幅复图像配准的位置。

在主图像中取一待匹配点，在其周围以较大的窗口（搜索窗口，M×M）截取子图像，记做S1，在辅图像中同一位置取对应点，在其周围取较小的窗口（匹配窗口，N×N）截取子图像，记做S2，其中M>2×N，以保证计算的准确性。将S2在S1内按二维方向逐点滑动，并且每滑动一次，计算一次该位置的干涉图频谱，即

F=FFT2(S1`?S2?)

其中S1`表示S1与S2同等大小的子图像，取该频谱的最大模值作为该位置的质量测度

I(i,j)=max F

大窗口内所有位置上干涉图频谱的最大模值形成一个信噪比矩阵

SNR(i,j)=

I(i,j)

n≠j m≠i

该矩阵的最大值对应着最佳的配准结果。

最大频谱法实际上是利用了InSAR影像的相位信息进行配准，即当两幅影像相位越相近时，对应的频谱值越大。这也被称之为相位相关。这种方法最明显的优势是能克服与频率相关的各种噪声，并且有明显的峰值。

但是，这个方法所存在的问题也是很明显的，突出的一点是运算量非常大。因为在实际运算中，要进行许多重复的计算，如逐点干涉条纹图和频谱图，尤其是计算频谱时的计算量会随着N的增加而急剧增大。而且，为了能使用FFT算法，N一般要选2的整数次幂。

4相位差平均波动函数法

没有噪声或地形变化的理想相位差图像在方位向上有一个恒定的相位值，在距离向上成锯齿状。相位差随距离增加，从0到2π，接着又变为0并重新开始增长的过程。当有相位

噪声和配准误差存在时，相邻像素的差值会很大。当正确配准两幅InSAR影像时，相位差图像上的平均起伏会达到最小化。

具体步骤如下，对于两原始数据集合，分别计算每一点的相位值，形成两个临时相位数据文件，在确定目标窗口大小和搜索范围大小之后，对待配准数据搜索范围中每一点及其邻域逐一计算相位差

P(i,j)=φr(i,j)?φl(i+Δi,j+Δj)

其中Δi和Δj对于不同的搜索位置，具有不同的数值。在目标窗内，计算

P(i+1,j?P(i,j))+P(i,j+1)?P(i,j)

i=1

其中m，n为目标窗口大小的参量。然后移动到另一搜索位置，比如移动一个像元，重新按照上面公式进行计算，得到在这一搜索位置上的f值，待搜索范围内每一位置上的f值计算出来后，以min(f)即所有f值中最小值所对应的位置为配准点位置。

5 小结

基于最大频谱法和平均波动函数法针对相位特征进行匹配，直接以相位处理要求为导向，理论上具有较好的基础。相干系数法针对复影像的特点进行匹配，由传统的相关匹配方法衍化而来，在信噪比比较高的区域能够取得比较好的效果，而且是这几种算法中运算量最少的一种，所以也是用得最多的算法。经过实验比较配准图像的相干系数和信噪比，可以发现三种配准算法中，相干系数法的配准质量最好, 相位差影像平均波动函数法次之，最大频谱法最低，但在信噪比较低的情况下，最大频谱法的配准质量高于相位差影像平均波动函数法。在运算效率方面，相位差影像平均波动函数法的效率最高，而相干系数法和最大频谱法的运算效率相近。此外，通过对影像进行分块插值重采样，可显著提高复数影像配准运算的效率。

这些算法均以待匹配点为中心确定一个窗口，根据某种相似性测度或干涉条纹图质量测度，在另一影像上搜寻最佳的匹配窗口，确定同名点位置或相对偏移量等，其结果的正确与否与周围点并无联系。

理论上，采用局部窗口进行无偏估计是有局限性的，为此所得到的相似性测度与理论值存在偏差，而这种偏差往往具有不确定性，表现为相似性测度的计算结果上可能会出现多个极大(小)值(峰值或谷点)的情况。而且计算结果受噪声或随机干扰影响比较大，其中的最大(小)

值可能并不是实际的同名匹配点。针对这个问题，通常采用多级匹配方法进行InSAR图像匹配，多级匹配方法将不同的匹配方法相结合保证了一定的配准精度和可靠性。

高中函数图像大全

指数函数概念：一般地，函数y=a^x（a＞0，且a≠1）叫做指数函数，其中x 是自变量，函数的定义域是R。注意：⒈指数函数对外形要求严格，前系数要为1，否则不能为指数函数。 ⒉指数函数的定义仅是形式定义。指数函数的图像与性质：规律：1. 当两个指数函数中的a互为倒数时，两个函数关于y轴对称，但这两个函数都不具有奇偶性。

2.当a＞1时，底数越大，图像上升的越快，在y轴的右侧，图像越靠近y轴；当0＜a＜1时，底数越小，图像下降的越快，在y轴的左侧，图像越靠近y轴。在y轴右边“底大图高”；在y轴左边“底大图低”。

3.四字口诀：“大增小减”。即：当a＞1时，图像在R上是增函数；当0＜a＜1时，图像在R上是减函数。 4. 指数函数既不是奇函数也不是偶函数。比较幂式大小的方法： 1.当底数相同时，则利用指数函数的单调性进行比较； 2.当底数中含有字母时要注意分类讨论； 3.当底数不同，指数也不同时，则需要引入中间量进行比较； 4.对多个数进行比较，可用0或1作为中间量进行比较底数的平移：在指数上加上一个数，图像会向左平移；减去一个数，图像会向右平移。在f(X)后加上一个数，图像会向上平移；减去一个数，图像会向下平移。

对数函数 1.对数函数的概念由于指数函数y=a x 在定义域(-∞，+∞)上是单调函数，所以它存在反函数，我们把指数函数y=a x (a ＞0，a≠1)的反函数称为对数函数，并记为y=log a x(a ＞0，a≠1). 因为指数函数y=a x 的定义域为(-∞，+∞)，值域为(0，+∞)，所以对数函数y=log a x 的定义域为(0，+∞)，值域为(-∞，+∞). 2.对数函数的图像与性质对数函数与指数函数互为反函数，因此它们的图像对称于直线y=x. 据此即可以画出对数函数的图像，并推知它的性质. 为了研究对数函数y=log a x(a ＞0，a≠1)的性质，我们在同一直角坐标系中作出函数 y=log 2x ，y=log 10x ，y=log 10x,y=log 2 1x,y=log 10 1x 的草图

基于特征点图像配准方法的应用研究

基于特征点图像配准方法的应用研究【摘要】针对常用的图像配准技术配准精度不高的问题，本文首先采用RANSAC算法剔除SURF算法初匹配中的误匹配对，再在初次提纯的匹配对中进行欧氏距离排序，提取距离最小的有限匹配对作为最终的匹配结果。通过实验表明该方法配准精度高，效果好，为后续图像的融合拼接打下良好的基础。【关键词】RANSAC算法；SURF算法；图像配准引言随着传感器技术和计算机计算能力的提高，图像处理技术在社会生活中的应用越来越广泛。但是由于客观问题及图像传感器本身的局限性等会造成采集到的图像模糊、不完整等问题，因此采用图像处理技术对图像进行配准拼接处理获取完整的图片或者较宽视觉的图片就非常必要。本文采用基于SURF算法二次匹配法，对图像的特征点进行配准，配准精度得到明显的提高。 1、基于SURF算法初匹配存在问题的分析和解决方法 SURF算法[1]一般用特征矢量间的欧氏距离作为待配准图像的匹配判断矢量。匹配就是对于图像A中某个特征点，找出图像B中与它欧氏距离最近的特征点，简单地说，如果最近的距离小于某个阀值，则认为这两个点被匹配。令A图像中的特征点描述子集为基准集，B图像中的特征点描述子集为目标集，通过欧式距离相似度判定度量，对每个qj我们在基准集中都能找到与其欧式距离最近的pi，这样qj和pi就构成一个匹配对。虽然匹配对中的两个特征点描述子的欧式距离最近，但这并不意味着它们对应相同的图像区域。在正确的匹配对中的两个特征点描述子的欧式距离会很小，理想状况下为零。但是当qj 与基准集中多个点的欧氏距离相近的时候，在判断时qj与它最近邻构成的匹配对就有可能是错误的匹配。上述的分析表明，采用SURF算法对图像进行匹配，对于特征丰富的图像，往往得到数以百计的特征点匹配对，而且具有一定的误差性，存在错误的匹配对。因此就需要后续的检验过程，提高配准精度。配准后的图像要转换到同个坐标下，才能进行拼接融合。这就涉及到图像变换模型。从图像变换模型的要求[2]中，我们知道，只要有3对对应的匹配对，我们就可以计算出两幅图像间的变换关系。在此我们先采用RANSAC算法消除错误匹配提高配准精度，以便得到更加精确的变换参数矩阵，便于后期的融合拼接。 2、基于RANSAC剔除误匹配提高配准精度的实现方法

高一数学函数总结大全

一次函数一、定义与定义式：自变量x和因变量y有如下关系： y=kx+b 则此时称y是x的一次函数。特别地，当b=0时，y是x的正比例函数。即：y=kx （k为常数，k≠0）二、一次函数的性质： 1.y的变化值与对应的x的变化值成正比例，比值为k 即：y=kx+b （k为任意不为零的实数b取任何实数） 2.当x=0时，b为函数在y轴上的截距。三、一次函数的图像及性质： 1．作法与图形：通过如下3个步骤（1）列表；（2）描点；（3）连线，可以作出一次函数的图像——一条直线。因此，作一次函数的图像只需知道2点，并连成直线即可。（通常找函数图像与x轴和y轴的交点） 2．性质：（1）在一次函数上的任意一点P（x，y），都满足等式：y=kx+b。（2）一次函数与y轴交点的坐标总是（0，b)，与x轴总是交于（-b/k，0）正比例函数的图像总是过原点。

3．k，b与函数图像所在象限：当k＞0时，直线必通过一、三象限，y随x的增大而增大；当k＜0时，直线必通过二、四象限，y随x的增大而减小。当b＞0时，直线必通过一、二象限；当b=0时，直线通过原点当b＜0时，直线必通过三、四象限。特别地，当b=O时，直线通过原点O（0，0）表示的是正比例函数的图像。这时，当k＞0时，直线只通过一、三象限；当k＜0时，直线只通过二、四象限。四、确定一次函数的表达式：已知点A（x1，y1）；B（x2，y2），请确定过点A、B的一次函数的表达式。（1）设一次函数的表达式（也叫解析式）为y=kx+b。（2）因为在一次函数上的任意一点P（x，y），都满足等式y=kx+b。所以可以列出2个方程：y1=kx1+b …… ①和y2=kx2+b …… ② （3）解这个二元一次方程，得到k，b的值。（4）最后得到一次函数的表达式。五、一次函数在生活中的应用： 1.当时间t一定，距离s是速度v的一次函数。s=vt。 2.当水池抽水速度f一定，水池中水量g是抽水时间t的一次函数。设水池中原有水量S。g=S-ft。

地理信息系统软件与应用实验报告-影像配准及矢量化

本科实验报告课程名称：地理信息系统软件与应用实验项目：影像配准及矢量化实验地点：地学楼测绘科学与技术系实验中心专业班级：地信1201学号：201200 学生姓名：指导教师：侯莉琴 2014年11月10日

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）。 3、熟悉GRAMIN GPS手持机的基本使用方法。二、实验原理影像配准工具用于栅格数据的空间位置匹配。栅格数据一般来源于扫描地图、航摄及卫星影像。地图坐标系通过地图投影来定义。对栅格数据集进行地理匹配时，将使用地图坐标确定其位置并指定数据框的坐标系。三、实验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) 四、实验步骤 1、打开ArcMap，添加“影像配准”工具栏。 2、把需要进行配准的影像—70011-1.TIF增加到ArcMap中

3、在”Georeferencing”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，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，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，转换方式设定为“二次多项式，保存控制点 4、在“Georeferencing”菜单下，点击“Update”。执行菜单命令“视图”－“数据框属性”，设定数据框属性

更新后显示

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.

ENVI遥感图像配准实验报告

ENVI遥感图像配准一、实验目的： 1、掌握ENVI软件的基本操作和对图像进行基本处理，包括打开图像，保存图像。 2、初步了解图像配准的基本流程及采用不同校准及采样方法生成匹配影像的特点。 3、深刻理解和巩固基本理论知识，掌握基本技能和动手操作能力，提高综合分析问题的能力。二、实验原理（1）最邻近法最邻近法是将最邻近的像元值赋予新像元。该方法优点是输出图像仍然保持原来图像的像元值，简单，处理速度快。缺点就是会产生半个像元位置偏移，可能造成输出图像中某些地物的不连贯。适用于表示分类或某种专题的离散数据，如土地利用，植被类型等。

双线性插方法是使用临近4个点的像元值，按照其距插点的距离赋予不同的权重，进行线性插。该方法具有平均化的滤波效果，边缘受到平滑作用，而产生一个比较连贯的输出图像，其缺点是破坏了原来的像元值，在后来的波谱识别分类分析中，会引起一些问题。示意图：由梯形计算公式：故同理最终得：

三次卷积插法是一种精度较高的方法，通过增加参与计算的邻近像元的数目达到最佳的重采样结果。使用采样点到周围16邻域像元距离加权计算栅格值，方法与双线性插相似，先在Y 方向插四次（或X 方向），再在X 方向（或Y 方向）插四次，最终得到该像元的栅格值。该方法会加强栅格的细节表现，但是算法复杂，计算量大，同样会改变原来的栅格值，且有可能会超出输入栅格的值域围。适用于航片和遥感影像的重采样。作为对双线性插法的改进，即“不仅考虑到四个直接邻点灰度值的影响，还考虑到各邻点间灰度值变化率的影响”，立方卷积法利用了待采样点周围更大邻域像素的灰度值作三次插值。其三次多项式表示为：我们可以设需要计算点的灰度值f（x,y）为：

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。

多时相遥感图像配准实验报告

Harbin Institute of Technology 多时相遥感图像配准实验报告课程名称：遥感信息处理导论院系：电子与信息工程学院姓名：学号：授课教师：哈尔滨工业大学

1. 实验目的对于通过遥感平台获取的遥感数字影像，由于扫描过程中受地球曲率、地球自转、平台姿态、扫描方式等因素的影响，所获取的图像往往会产生不同程度的几何误差，这些误差如若不经处理，对图像的后续应用如分类、目标检测等会产生很大影响。本实验的目的就是利用多项式映射和重采样等方法对两幅不同时间采集的遥感图像进行几何校正处理，从而方便从配准图像中找到不同时相内发生变化的地物目标信息。 2. 实验原理图像的配准过程主要可以分为三个过程：控制点对选取（自动或手动）、坐标映射函数拟合、映射后像素重采样。 1) 控制点对选取对于图像匹配过程，首先要通过控制点对建立两幅图像间的坐标联系。控制点的选取有可分为自动和手动两种方式。对于自动选取，可以采用SIFT 等算法实现；对于手动选取，需要实验人员通过目测观察的方法找到不同时相的遥感图像中的相同目标，这些控制点可以是建筑物的顶点、道路等的交叉点等或其他较容易分辨的位置。选出控制点后将这些点的坐标信息记录下来，值得注意的是所选控制点的数量、分布情况以及精度会直接影响配准结果的精度和质量。 2) 图像几何校正图像的配准实质上就是通过图像的几何校正，将产生几何失真的图像转换为标准的数字图像。采用的方法就是通过一定的映射函数将原图像的像素坐标转换为标准图像中的坐标 (,)u f x y = (,)v g x y = 其中(,)x y 表示原图像中的像素坐标值，(,)u v 表示参考图像中的像素坐标值。映射函数的选择可以有多种形式，一般较为简单常用的是多项式函数，以二次多项式函数为例，映射函数的具体形式为 22 01234522 012345u a a x a y a xy a x a y v b b x b y b xy b x b y ?=+++++?=+++++? 其中，05, ,a a ，05,,b b 分别表示二次多项式横纵坐标映射函数中对应项的系数，通过选定控制点，可以将这些系数项求解出来。假设在两幅图像中总共选择了n 对控制点，根据n 对控制点的坐标 (,)~(,)i i i i x y u v 可以得到如下两个方程组，

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

遥感图像处理图像配准、图像裁剪实验报告

Lab3 geometric correction and projection transformation of remotely sensed data Objective : The purpose of the current lab section is to adequately understand the mathematic principles and methods of geometric correction (co-registration) and projection transformation . In addition,you guys need to gain hands-on experience or skill to perform them in ENVI and ERDAS environments. 实验过程：一、envi中图像配准 1、根据控制点的坐标对图像进行配准 1）加载中山陵地形图 2) 选择map 菜单下的registration菜单，选择select gcps:image to map 设置投影信息：基于经纬度的投影(geographic lat/lon)，选择基准面为WGS—84

3）开始配准依次移动一级窗口中的光标到四个图廓点的位置，在三级放大窗口中把十字司放在经纬线的交点的中间位置，输入该点的经纬度于编辑对话框中：

点击add point，完成对控制点的编辑 4）选择option菜单下的wrap file将配准好的地图生成一幅新的影像

修改生成图像信息，改为50带的UTM投影，基准面为WGS-84，保存 2、图像到图像的配准 1）加载全色波段影像作为待配准的影像

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

地图配准及矢量化实验报告

实验五、地图配准及矢量化一、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）。 3 认识并掌握出线的专业英语术语注意：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 YNKM.jpg (扫描图)。软件准备： ArcGIS Desktop ---ArcMap 三、实验任务 1、练习打开影像配准(Georeferencing) 等工具 2、利用扫描地图上的公里网信息，进行扫描地图的配准； 3、利用GPS实测数据点的坐标，进行扫描地图的配准； 4、学会地图（或影像）数据的矢量化过程。 5、把实验内容和你通过实验掌握的内容和主要过程及步骤，写成详细的实验报告 6、写实验总结和体会四、实验内容及步骤第1步：打开ArcMap->添加“影像配准”工具栏->增加配准的影像—70011-1.TIF 到ArcMap 中第2步：“影像配准”工具栏->点击“添加控制点”按钮->点击一个控制点->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。

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。转换方式设定为“二次多项式”：第3步;设定数据框的属性“影像配准”菜单->点击“update display->执行arcmap主菜单命令“视图”－“数据框属性”，设定数据框属性->“常规”选项页中，将地图显示单位设置为“米” “坐标系统”选项页中，设定数据框的坐标系统为 “Xian_1980_Degree_GK_CM_102E”（西安80 投影坐标系，3度分带，东经102度中央经线），与扫描地图的坐标系一致

基于特征点的最近邻配准算法

第27卷　第2期许昌学院学报Vol .27.No .2　2008年3月JOURNAL OF XUCHANG UN I V ERSI TY Mar .2008收稿日期:2007-09-29 基金项目:许昌学院青年资金项目(2007040) 作者简介:戚世贵(1973—),男,河南新乡人,讲师,硕士,研究方向:图像处理,虚拟现实. 文章编号:1671-9824(2008)02-0067-05 基于特征点的最近邻配准算法戚世贵1,戚素娟2 (1.许昌学院计算机科学与技术学院,河南许昌461000;2.中国科学院国家授时中心,陕西临潼710600) 摘　要:利用尺度不变特征点的提取方法提取特征点,并对SI FT 方法提取出的特征点用最近邻算法进行配准,在搜索最近邻特征点和次近邻特征点时使用了在K -D 树搜索算法基础上进行改进的搜索算法BBF (Best B in First )算法.实验证明该算法具有配准精度高,鲁棒性好的特点. 关键词:特征点;图像配准;K -D 树;BBF 中图分类号:TP391 文献标识码:A 0　引言图像拼接有着广泛的应用前景,如将多幅图像拼接成一幅图像,就要用到图像拼接技术.图像拼接中最核心技术是图像配准.图像配准技术当前主要有基于块的配准[1,2]、比值配准法[3]、网格配准法[4]、基于特征的配准法[5,6],每种方法各有优缺点,存在的主要问题是依据何种原则对两幅图像进行精确快速的配准. 本文采用基于特征的配准算法对SI FT 方法提取出的特征点用最近邻算法进行配准.主要是在尺度不变特征点(Scale I nvariance Feature Transf or m -SI FT )[7,8]的提取方法提取特征点的基础上,利用特征点的相关几何信息实现两幅图像的配准.使得在高维空间搜索效率有较大提升.基于特征的配准法一般分为三个过程:①特征提取;②利用一组参数对特征作描述;③利用特征的参数进行特征匹配.在两幅图像中用同一种特征提取法提取出特征点,根据相似性原则对两幅图像中的特征点进行匹配. 1　SI FT 特征点提取尺度不变特征点(Scale I nvariance Feature Transf or m 2SI FT )是由David Lowe 提出的.利用SI FT 方法从图像中提取出的特征点对图像缩放和旋转保持不变,对光线、噪声、仿射变化具有鲁棒性,特征点描述符具有很高的独特性.研究表明[9]SI FT 方法相对其他特征点提取方法如Harris 特征点、K LT 特征点等具有优越性.SI FT 提取过程可以分为4个步骤. 1.1　求取缩放空间中的极值点作为侯选特征点首先对图像进行必要的预处理,接着对图像用不同的采样距离形成一个金字塔分层结构,即第一次采样时每0.5个像素进行采样,意味着将原来图像放大一倍,第一次采样的图像作为第一组的图像,然后以成倍的采样距离即1、2、4个像素再分别对图像进行采样产生第二、三、四组的图像.这样就形成了一个金字塔形状的分层结构.高斯函数如下: G (x,y,σ)=12 πσ2e -(x 2+y 2)/2σ2(1)对形成的金字塔分层结构用高斯内核函数进行滤波形成高斯金字塔分层结构,对各层图像进行高斯

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

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”

基于特征点的内窥镜图像和CT影像配准方法

基于特征点的内窥镜图像和CT影像配准方法医学图像配准是目前医学图像处理的关键技术。将病人病灶部位的CT图像和遥操作微创手术机器人所隐含的数据信息结合，根据微创手术机器人系统的特殊要求，提出一种新的基于特征点的快速局部图像配准方法，可实现对特殊组织特征点和一般组织特征点的配准。算法以欧氏距离作为配准相似度度量，用最近点迭代法（ICP）求解配准变换关系。通过对医学图像进行测试，配准结果较好，该算法能实现对图像的整体轮廓及图像中感兴趣的生理解剖位置的配准。标签：医学图像配准；特征点；ICP算法 TB 1 引言医学图像配准是目前医学图像处理的一项关键技术，其目的是建立患者坐标系和术前影像坐标系之间的映射关系，使术前影像和术中内窥镜图像上的几何特征在空间上对应起来，配准的结果使所有的解剖点或者是所有在医学上具有诊断意义的点和手术部位都达到匹配。根据配准的过程，医学图像配准方法可以分为基于像素相似性和基于形状特征两类。基于像素相似性的方法主要利用灰度值作为配准的准则，不需要对图像进行预处理，配准精确度高，缺点是耗费时间长、效率较低。基于形状特征的配准方法主要是利用图像间的共有几何特征进行配准，常使用的形状特征有点、轮廓等，原理比较简单，应用广泛。基于轮廓的配准方法根据所配准对象的边缘轮廓进行配准，可以快速实现图像的全局配准，对于距离轮廓较远区域的配准能力较差。基于特征点的配准方法通过对特征点插值来计算映射转换关系，能够很好地完成点对之间的配准。这两种方法各有侧重，基于轮廓的方法侧重图像整体的结构特征匹配，而基于特征点的方法能够处理任意点对间的变换和配准。在微创手术过程中，视觉系统给手术医生提供直观的视觉信息反馈，便于手术医生进行手术位置定位以及手术过程中的视觉引导。这里我们要根据从内窥镜得到的二维图像信息，结合遥操作微创手术机器人所隐含的数据信息，以CT图像为浮动图像，快速地建立内窥镜图像信息和CT图像的匹配。 2 特征点的提取在微创手术机器人系统中，医学图像配准中所需的特征点通常是医生选取的在医学上具有解剖意义的一系列解剖点，而非纯粹的几何意义的点，解剖点大多灰度变换剧烈，或者具有特定的几何意义，例如拐点、高曲率点等。人体器官模

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，

实验3、影像配准及矢量化

实验3、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、实验准备基本概念： 1) 地图—Map (ArcMap document) 在ArcGIS中，一个地图存储了数据源的表达方式(地图，图表, 表格) 以及空间参考。在ArcMap中保存一个地图时，ArcMap将创建与数据的链接，并把这些链接与具体的表达方式保存起来。当打开一个地图时，它会检查数据链接，并且用存储的表达方式显示数据。一个保存的地图并不真正存储显示的空间数据！ 2) 数据框架—Data Frame 在“New Map File(新建地图)”操作中，系统自动创建了一个名称为“Layers”的数据框架。在ArcMap中，一个数据框架显示统一地理区域的多层信息。一个地图中可以包含多个数据框架，同时一个数据框架中可以包含多个图层。例如，一个数据框架包含中国的行政区域等信息，另一个数据框架表示中国在世界的位置。但在数据操作时，只能有一个数据框架处于活动状态。在Data View只能显示当前活动的数据框架，而在Layout View可以同时显示多个数据框架，而且它们在版面布局也是可以任意调整的。 3）组图层-- New Group Layer 有时需要把一组数据源组织到一个图层中，把它们看作Contents窗口中的一个实体。例如，有时需要把一个地图中的所有图层放在一起或者把与交通相关的图层（如道路、铁路和站点等）放在一起，以方便管理。 4）数据层 ArcMap可以将多种数据类型作为数据层进行加载，诸如AutoCAD矢量数据DWG，ArcGIS 的矢量数据Coverage、GeoDatabase、TIN和栅格数据GRID，ArcView的矢量数据Shape的栅格数据Image的栅格数据DEM等。注意：Coverage不能直接编辑，要编辑需要将Coverage 转换成ShapeFile。软件准备：ArcGIS Desktop ---ArcMap 实验数据：海燕乡土地利用现状图.jpg，在发送的压缩包“Exec03”中可以找到。

实验二影像配准

实验二影像配准一、实验目的：利用影像配准(Georeferencing) 工具进行影像数据的地理配准；二、实验数据：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) 三、实验内容和步骤第1步：加载数据和影像配准工具打开ArcMap，添加“（Georeferencing）影像配准”工具栏。 (需要添加工具栏内各个工具的具体用途) 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“add control points (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，如下图所示：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“view link table 查看链接表”按钮。

链接表弹出，如下图所示，检查控制点的残差和总的RMS，删除残差特别大的控制点并重新选取控制点。转换方式设定为“二次多项式” 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” 第3步设定数据框的属性（data frame properties）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”