文君城
(四川大学计算机学院,成都610065)
在图像配准算法中,主要有分为两大类的配准方法:基于区域和基于特征的图像配准。在基于区域的图像配准方法中,可以分为基于空间域和基于变换域这两大类,基于空间域的配准方法的思想是,利用图像的灰度信息,通过某种查找算法,来确定一个变换模型可以使两图像间的相似区域的相似性测度达到最大。这种思想的算法优点是操作简单,而问题是首先计算量极大,需要以全图做相似性测度估计,并且受噪声的影响很大且不能解决旋转、缩放等问题;基于变换域的算法思想则是,根据傅里叶变换的平移不变性,将空间域上的像素的平移转换到了频域上相位的平移,该类算法优点是相对基于空间域的配准算法,解决了旋转和尺度缩放的问题,但是缺点则是其适用范围有限,一般对配准图像的重合度要求较高,且实现较为复杂。
基于特征的配准算法以其适用范围的广泛性、更高的鲁棒性以及更快的计算速度,成为如今更为主流的配准算法。与基于区域的算法相比,基于特征的配准算法不需要使用到图像的全部信息,只需要使用到诸如轮廓、角点或是特征点的部分信息,故而计算量大为降低。其中尺度不变特征变换(SIFT)算法[1~2]以其高鲁棒性、稳定性和强适应性,成为了如今图像配准算法中使用最为广泛的算法,诸多改进算法诸如PCA-SIFT[3]、Harris-SIFT[4]乃至SURF[5]算法,都是基于SIFT算法的思想而提出。……