图像配准的理论及其相关算法研究

图像配准是对不同时间、不同视场、不同成像模式的两幅或者多幅图像进行的空间几何变换,使得各个图像在几何上能够匹配对应起来的过程,是图像处理的一个基本问题,也是关键问题。图像配准的精度、速度都大大影响了后续的图像融合的效果。图像配准的方法大致可以分为两类:基于灰度的图像配准方法和基于特征的图像配准方法。本文总结了目前图像配准领域的研究成果,详细的介绍了图像配准的概念和这两种算法的流程。 在研究基于灰度的图像配准方法中,重点研究基于FFT算法的图像配准技术。通过实验,验证了FFT算法对于单传感器图像配准、多传感器图像配准、多光谱光学图像配准的良好特性。在研究基于特征的图像配准方法的过程中,深入研究了基于SIFT算法的图像配准技术。通过实验,首先验证了SIFT算法对于不同阈值情况下的特征匹配图像,对图像缩放、亮度变化、噪声的适应能力以及对颜色变化的适应能力和对于遥感图像的配准;经过对SIFT算法的深入研究,也为下一步工作指明了方向。 针对互信息算法的局限性,在保持该算法原有性能的基础上结合蚁群算法原理对其进行改进。从而扩展了匹配算法的应用范围,使匹配效果更加出色。 最后对本文的工作进行了总结,并对本文在图像配准领域仍需要深入研究的地方进行了展望。