图像配准的算法

A. 图像比对的原理或者算法

有噪声情况下。1、配准；2、两张图的图像块分别计算特征（lbp,sift等）；3、计算特征的距离（欧式距离等）。在matlab或opencv下都可以。

B. 遥感图像处理软件ERDAS Imange中配准使用的是什么算法

ERDASImange中配准使用的算法很多，有些事针对特定传感器专门量身定做的，比如IRS、landsat、spot、IKONOS等等，对于这些针对传感器的校正方法，需要影像获取瞬间传感器相对于地球的方位信息；如果不考虑传感器可以选affine（仿射变换），polynomial（多项式变换），如果是三维影像的可以选择camera（使用共线方程）模型和DLT（直接线性方程）模型。最通用的还是多项式变换校正法polynomial。

C. 数字图像处理的基本算法及要解决的主要问题

图像处理，是对图像进行分析、加工、和处理，使其满足视觉、心理以及其他要求的技术。图像处理是信号处理在图像域上的一个应用。目前大多数的图像是以数字形式存储，因而图像处理很多情况下指数字图像处理。此外，基于光学理论的处理方法依然占有重要的地位。

图像处理是信号处理的子类，另外与计算机科学、人工智能等领域也有密切的关系。

传统的一维信号处理的方法和概念很多仍然可以直接应用在图像处理上，比如降噪、量化等。然而，图像属于二维信号，和一维信号相比，它有自己特殊的一面，处理的方式和角度也有所不同。
目录
[隐藏]

* 1 解决方案
* 2 常用的信号处理技术
o 2.1 从一维信号处理扩展来的技术和概念
o 2.2 专用于二维（或更高维）的技术和概念
* 3 典型问题
* 4 应用
* 5 相关相近领域
* 6 参见

[编辑] 解决方案

几十年前，图像处理大多数由光学设备在模拟模式下进行。由于这些光学方法本身所具有的并行特性，至今他们仍然在很多应用领域占有核心地位，例如 全息摄影。但是由于计算机速度的大幅度提高，这些技术正在迅速的被数字图像处理方法所替代。

从通常意义上讲，数字图像处理技术更加普适、可靠和准确。比起模拟方法，它们也更容易实现。专用的硬件被用于数字图像处理，例如，基于流水线的计算机体系结构在这方面取得了巨大的商业成功。今天，硬件解决方案被广泛的用于视频处理系统，但商业化的图像处理任务基本上仍以软件形式实现，运行在通用个人电脑上。

[编辑] 常用的信号处理技术

大多数用于一维信号处理的概念都有其在二维图像信号领域的延伸，它们中的一部分在二维情形下变得十分复杂。同时图像处理也具有自身一些新的概念，例如，连通性、旋转不变性，等等。这些概念仅对二维或更高维的情况下才有非平凡的意义。

图像处理中常用到快速傅立叶变换，因为它可以减小数据处理量和处理时间。

[编辑] 从一维信号处理扩展来的技术和概念

* 分辨率(Image resolution|Resolution)
* 动态范围(Dynamic range)
* 带宽(Bandwidth)
* 滤波器设计(Filter (signal processing)|Filtering)
* 微分算子(Differential operators)
* 边缘检测(Edge detection)
* Domain molation
* 降噪(Noise rection)

[编辑] 专用于二维（或更高维）的技术和概念

* 连通性(Connectedness|Connectivity)
* 旋转不变性(Rotational invariance)

[编辑] 典型问题

* 几何变换（geometric transformations）：包括放大、缩小、旋转等。
* 颜色处理（color）：颜色空间的转化、亮度以及对比度的调节、颜色修正等。
* 图像合成（image composite）：多个图像的加、减、组合、拼接。
* 降噪（image denoising）：研究各种针对二维图像的去噪滤波器或者信号处理技术。
* 边缘检测（edge detection）：进行边缘或者其他局部特征提取。
* 分割（image segmentation）：依据不同标准，把二维图像分割成不同区域。
* 图像制作（image editing）：和计算机图形学有一定交叉。
* 图像配准（image registration）：比较或集成不同条件下获取的图像。
* 图像增强（image enhancement）：
* 图像数字水印（image watermarking）：研究图像域的数据隐藏、加密、或认证。
* 图像压缩（image compression）：研究图像压缩。

[编辑] 应用

* 摄影及印刷 (Photography and printing)
* 卫星图像处理 (Satellite image processing)
* 医学图像处理 (Medical image processing)
* 面孔识别, 特征识别 (Face detection, feature detection, face identification)
* 显微图像处理 (Microscope image processing)
* 汽车障碍识别 (Car barrier detection)

[编辑] 相关相近领域

* 分类（Classification）
* 特征提取（Feature extraction）
* 模式识别（Pattern recognition）
* 投影（Projection）
* 多尺度信号分析（Multi-scale signal analysis）
* 离散余弦变换（The Discrete Cosine Transform）

D. 杨丹的作品

代表性论着
1.D. Yang*, X.-Y. Ye, M. Xu, K.-W. Pang, K.-K. Cheung. Investigation of Mn(III)-Based Oxidative Free Radical Cyclization Reactions toward the Synthesis of Triptolide: The Effects of Lanthanide Triflates and Substituents on Stereoselectivity. J. Am. Chem. Soc. 2000, 122, 1658-1663.
2.D. Yang*, S. Gu, H.-W. Zhao, Y.-L. Yan, N.-Y. Zhu. Atom-Transfer Tandem Radical Cyclization Reactions Promoted by Lewis Acids. Angew. Chem. Int. Ed. 2002, 41, 3014-3017.
3.D. Yang*, J. Qu, W. Li, Y.-H. Zhang, D.-P. Wang, Y.-D. Wu*. Cyclic Hexapeptide of D,L-a-Aminoxy Acids as a Selective Receptor for Chloride Ion. J. Am. Chem. Soc. 2002, 124, 12410-12411.
4.D. Yang*. Ketone-Catalyzed Asymmetric Epoxidation Reactions. Acc. Chem. Res. 2004, 37, 497-505. (Invited article to a special issue entitled “Asymmetric Organocatalysis“)
5.D. Yang*, X. Li, Y.-F. Fan, D.-W. Zhang. Enantioselective Recognition of Carboxylates: A Receptor Derived from a-Aminoxy Acids Functions as a Chiral Shift Reagent for Carboxylic Acids. J. Am. Chem. Soc., 2005, 127, 7996-7997.3.重庆大学副校长杨丹 杨 丹男，教授、博士、计算机应用技术专业博士生导师。现任重庆大学副校长，重庆大学虎溪校区管理委员会主任。兼任教育部计算机教学指导委员会委员，《计算机教育》编委会成员，中国计算机学会高级会员，中国运筹学会排序专业委员会委员，重庆市工业与应用数学协会副理事长,重庆市软件行业协会副理事长、秘书长，重庆市科委企业信息化专家组顾问。获省部级有突出贡献的中青年专家称号。重庆大学行业信息化工程中心学术带头人. 重庆市第二届政协委员，重庆市第三届人大代表、常委。九三学社社员。重庆大学自动化本科毕业，85.6重庆大学应用数学专业硕士毕业，95.5重庆大学机械制造（工业工程方向）专业博士毕业，1997.10至1999.9在日本国立电气通信大学工业工程专业做博士后研究。研究方向：科学与工程计算、软件工程及应用（企业信息化及制造业运行管理技术）、数字图像处理。长期从事计算机应用技术相关研究工作。主要包括计算机数字图像处理、调度理论及其应用、企业信息化技术及制造业运行管理技术，针对具体问题的建立数学建模、进行算法设计、程序设计与实现等。 获奖情况：软件工程人才培养体系研究与实践，2005年度国家级优秀教学成果二等奖软件工程人才培养体系研究与实践， 2004年度优秀教学成果一等奖（第一获奖人）中国高校自然科学一等奖－制造系统工程的理论与技术体系，2002年度国家级优秀教学成果二等奖 - 制造系统工程（MSE）研究生培养模式与实践，1997年度四川省级优秀教学成果一等奖 - 制造系统工程（MSE）研究生培养模式与实践，1997年四川省有突出贡献的优秀专家称号，四川省省委、省政府，1996年电力系统经济运行的数学模型、方法和程序的研究，四川省科技进步三等奖，1989年度大系统优化分解法在梯级水电站开机组合中的应用，四川省科协首届青年优秀论文奖，1988年四川石油管理局MIS分析与总体设计，四川省科技进步三等奖，1989年三、完成的主要项目为课题负责人或主要研究者共完成国家级及省部级重大科研课题等20项，包括:电力系统经济运行的数学模型、计算方法及程序的研究国家自然科学基金（编号：84S031）四川石油局MIS系统分析与设计、四川石油局MIS软件系统详细设计、四川石油局MIS软件开发国家863项目（编号 863-511 06-0103-01）:FMS刀具管理系统的研究966E技术引进消化吸收国产化计算机系统柳州工程机械厂计算机辅助生产管理系统残缺数据环境中车间计划与控制问题研究, 国家863/CIMS项目, 编号 511-9508-006支持并行工程和精良生产的决策模型研究，国家863/CIMS项目，编号 511-10-0144重庆机床厂CIMS应用工程总体规划, 国家863/CIMS项目, 编号 863-511-9502-6121厦工产品数据管理系统(XGPDM)、零件编码系统的研究与开发先进计划调度系统研究，国家教育部高等学校骨干教师资助项目计算机集成制造系统的生产计划调度新算法研究,重庆市科委应用基础项目先进制造系统生产计划与调度的快速算法研究，国家教育部留学回国人员启动基金项目CD-400CG(31)工业CT图像重建与处理系统，总装备部项目涪陵化工股份有限公司FH-CIMS工程总体设计，重庆市科委制造业信息化重大专项子项目重庆望江股份有限公司CIMS工程总体设计分布式应急时间仿真与管理系统开发，重庆市科委重点攻关项目装备制造业关键技术的研究开发，重庆市科委重大科技攻关项目四、出版作品：（一）专着：《制造系统工程》（专着）第2主编，国防工业出版社，1995年10月《机械工程科学技术前沿》（第一章）第2作者，机械工业出版社96年5月。《制造自动化》第2主编 机械工业出版社，1996年8月《高技术辞典》（编写七个词条，第1作者）， 科学出版社《制造系统工程》（专着,第二版）第3主编，国防工业出版社，2000年10月（二）主要论文有：杨丹 瞿中,基于插值函数的三维图像表面重建算法,哈尔滨工业大学学报,第41卷3期,2009,3,pp134-136 （EI Compendex 收录刊源） 徐玲（博士生）,杨丹,洪明坚等,基于平面曲线协方差矩阵行列式的角点检测的研究,仪器仪表学报,Jan.,2009,Vol.30, No. 1, pp91-95张小洪,李东, 杨丹, T-S模糊系统的脉冲稳定性, 模糊系统与数学, 2008年 06期 徐小明,杨丹, 张小洪. 基于局部不变映射的特征描述器算法. 自动化学报, 2008, Vol.34 (9): 1174-1177,EI Compendex084211647035雷明,杨丹,张小洪,条件理论控制喜爱良态特征的匹配算法,光电工程,May,2008, Vol.35,No.5,pp124－128 （EI Compendex 082711350730）雷明,杨丹,张小洪,张莹.基于协方差矩阵的B-样条多尺度表示的角点检测算法,光电工程,May,2008,Vol.35,No.2,pp45-50 （EI Compendex 081211162202）马丽涛,杨丹,张小洪,李博. 一种新的基于条件数的图像配准算法. 中国图像图形学报, 2008, vol.13, No.2:277-283徐玲,杨丹 王时龙,基于进化神经网络的刀具寿命预测,计算机集成制造系统,2008.1,14卷1期,pp.167-171, EI Compendex 081211161403杨丹,徐传运等,基于主题相关的P2P网络研究,计算机科学,07年,Vol.34,No.8, pp.62-64 葛永新,杨丹,张小洪,基于边缘特征点对对齐度的图像配准方法,中国图像图形学报,Vol.12,No.7, 2007年7月,pp1291-1295黄中美; 张小洪; 杨丹;基于二元树复小波特征表示的人脸识别方法,计算机应用, Journal of Computer Applications, 2007年 05期朱磊; 杨丹; 吴映波, 基于BP神经网络的软件可靠性模型选择, 计算机工程与设计, Computer Engineering and Design, 中文核心期刊, 2007年 17期Zhang, Xiao-Hong; Li, Bo; Yang, Dan,Novel Harris multi-scale corner detection algorithm, 电子与信息学报, v 29, n 7, July, 2007, p 1735-1738 Language: ChineseEI Compendex 073110726873Xiaohong, Zhang Dong, Li; Dan, Yang, Impulsive control of T-S fuzzy systems, Proceedings - Fourth International Conference on Fuzzy Systems and Knowledge Discovery, FSKD 2007, v 1, Proceedings - Fourth International Conference on Fuzzy Systems and Knowledge Discovery, FSKD 2007, 2007, p 321-325,EI Compendex 082211281676张小洪, 雷明, 杨丹, 基于多尺度曲率乘积的鲁棒图像角点检测,中国图像图形学报,Vol.12,No.7, 2007年7月,pp.1270-1275葛永新, 杨丹, 张小洪, 基于特征点对齐度的图像配准方法,电子与信息学报,2007年2月,Vol. 29, No. 2, pp.425-429, EI Compendex 071810576347 Li, Bo; Yang, Dan; Zhang, Xiao-Hong; Ma, Li-Tao,Chaotic lag synchronization of coupled time-delayed neural networks with two neurons using LMI approach,电子与信息学报, v 33, n 11, November, 2007, p 1196-1199,EI Compendex 075210995107杨娟; 杨丹; 雷明; 罗建禄, 基于二代小波和图像置乱的数字图像盲水印算法, 计算机应用, Journal of Computer Applications, 2007年 02期施成湘; 杨丹; 查振家; 张小洪;, 基于特征散度的模糊彩色图像分割算法, 重庆大学学报(自然科学版),2007年 01期, pp89-92李博,杨丹, 张小洪,一种新的基于梯度方向直方图的图像配准方法,计算机应用研究,2007年24卷3期 pp312-314徐光侠, 杨丹,基于Web Service技术的异构系统的无缝集成,计算机工程与设计, 2007年 06期 ,pp1409-1411王玉珠,杨丹,张小洪,基于B样条的改进型Harris角点检测算法,计算机应用研究,2007-02,pp192-193 李博, 杨丹, 张小洪. 基于Harris多尺度角点检测的图像配准新算法, 计算机工程与应用, Computer Engineering and Applications, 2006年 35期 ,pp37-40 陈进,杨丹等,SOA技术在电信业务编排中的应用,计算机科学,2006,pp.290-292 施成湘,杨丹等,扩展的多尺度模糊边缘检测,计算机工程与应用,2006,42,pp65-68 葛永新,杨丹,张小洪,基于小波多尺度积的图像配准方法,计算机科学,2006,242-245文俊浩, 徐玲, 杨丹. 软件工程人才培养的实践探索, 《中国大学教学》（CSSCI检索源期刊）,2005年9期, pp31-33 Qu Zhong, Yang Dan etc.. Study on Interpolation Function of Image Reconstruction, Proc. Of the 11th Joint International Computer Conference(2005), World Scientific, pp952-955 徐国庆,杨丹. 基于daubechies小波的基音检测.武汉化工学院学报.2005年27卷4期张强劲,杨丹,张小洪,葛永新,基于多尺度模糊逻辑的小波边缘检测算法,重庆大学学报（自然科学版）2005, 28（10）：62-65文俊浩,杨丹等. 软件工程人才培养体系研究与实践,高等工程教育研究,2005年第4期（总第93期）,pp. 63-65 杨梦宁,杨丹等. 基于最大数法的模糊图像分割方法,计算机科学,2005 Vol. 32 No. 8, pp. 190-191祝伟华,杨丹等. 数字化校园设计与构建方法研究,计算机科学,2005 Vol. 32 No. 8, pp. 97-99祝伟华,周颖,杨丹, Web服务的安全性研究,计算机科学, 2005年32卷6期瞿中,杨丹,吴渝,扇形束扫描模式图像重建中消除伪影算法研究,计算机研究与发展,2005年,第42卷第8期,pp. 1338－1343 （徐国庆（研究生）,杨丹. 乐音识别方法及应用.计算机应用. 2005年,第25卷4期,pp. 968-970徐国庆,杨丹,小波变换与FFT联合识别乐音,重庆大学学报（自然科学版）,2005 年28卷12期,pp.51-54徐光侠; 祝伟华; 杨丹; 谭亚竹,MMOG的网络负载均衡算法 ,重庆大学学报（自然科学版）,2005年28卷11期, pp. 39-42葛永新,杨丹,张小洪, 基于边缘特征点对对齐度的图像配准方法,计算机科学,已录用杨 丹,张小洪, 基于小波多尺度积的边缘检测算法,计算机科学,2004年 Vol. 31(1) pp133-135杨丹,李东（研究生）,加工系统中的一种排序算法,运筹与管理,2003, Vol. 12, No. 4, pp 42-45王时龙,杨丹等,代理式装配线质量监控系统的智能决策,计算机集成制造系统,2003年4月,Vol. 9, No. 4,pp320-324,EI Compendex 03437696628张小洪,杨丹,刘亚威, 基于Canny算子的改进型边缘检测算法,计算机工程与应用,2003年,Vol. 39,No. 29 pp113-115,刘亚威（研究生）,杨丹,张小洪, 基于空间矩的亚像素边缘定位技术的研究,计算机应用,2003.2,Vol.23, No.2, pp47-49,高精度图像测量与对准系统的算法研究,杨丹,刘亚威,张小洪,李东,计算机科学,2003年 Vol. 30, No. 12, pp 13-135曹于忠,杨丹,不定需求情况下确定生产批量的方法研究,重庆大学学报,2003年11月 Vol. 26, No. 11,pp 105-108.李东,杨丹,最小化总拖期数的一种新算法,控制与决策,第18卷,2003年增刊,pp199-206.杨丹,非相同并行加工系统的启发式调度算法,中国运筹学会第六届学术会议论文集,pp.719-728, Global-Link Publishing Company(Hong Kong),2000年10月,长沙.杨丹,由良宪二,并列机械スケジヱ-リンダにおける近似解法による评价值の下限值にっぃて,Proc. Of Annual Conference of Scheling Society of Japan, pp. 32-36, Oct. 1999, Kyoto, Japan.杨丹,基于MRP/均衡生产的计划控制模型（Proction planning and control model based on MRP/proportionate proction）,中国机械工程, 1996年7卷5期, pp. 16-18, EI Compendex 97043591939 杨丹,并行加工系统E/T排序问题研究, 1996年,19卷6期,pp.54-60, 重庆大学学报.杨丹,并行加工系统负荷分配的模型与新算法研究,1996年,19卷6期,pp.73-78,重庆大学学报.制造系统理论体系框架及其应用（Systematic framework and applications of manufacturing systems theory）,中国机械工程,1996年7卷1期,pp.43-45,第2作者,EI Compendex 96093338562Flow-Shop型加工单元生产调度的一个新算法, 投中国运筹学会96年会,第1作者一个均衡生产调度模型和启发式算法,第4届中国计算机集成制造学术会议论文集（CIMS－China’96）,第1作者杨丹,制造系统生产管理的决策点,1995年第2期,重庆大学学报（社科版）.M×N零件排序问题的新算法. 全国计算数学会95年年会论文集. 郑州, 1995 ,第2作者制造系统理论体系框架及其应用,95年,95国际工业工程及制造工程研讨会论文集, 第2作者MRP/均衡生产混合型生产计划控制模型,1995年,95国际工业工程及制造工程研讨会论文集,第1作者单级并行加工系统零件的最优排序. 第二届全国青年学术会议四川卫星会议论文集. 成都, 1995,第2作者柔性制造系统零件排序的一种工程实用新算法. 组合机床与自动化加工技术, 1995(12),第3作者FMS在线刀具管理系统研究. 高技术通讯,1995(5),第4作者柔性制造零件排序的一个工业实用算法. 制造技术与机床, 1995(7),第3作者并行加工设备组生产调度的一般模型及算法. 重庆大学学报. 1994(1), 第3作者柔性制造系统负荷最优分配的一个新算法. 组合机床与自动化加工技术,1994(6),第3作者 FMS生产计划调度系统的研究, 重庆大学学报, VOL. 16 NO.6,1993,第2作者柔性制造系统生产调度中的运筹学模型和方法,重庆大学学报,1993(3),第1作者FMS调度管理算法性能评价方法,组合机床与自动化加工技术 1993(6),第3作者FMS在线刀具管理系统OLTMS, 机 床,1993(4),第3作者贯彻因材施教原则, 注重创造型人材培养. 高等工程教育,1993(2),第1作者Solving economic scheling prob. of cascade hydropower stations by expert systems combined with methods of OR,3rd Int. Workshop on AI in Eco. & Manag, 1993, Portland, USA, 第2作者 FMS生产决策问题分类和描述,CIMS-China’92论文集, 1992,清华大学出版社, 第1作者FMS单元控制器生产调度系统的结构与功能,CIMS-China’92论文集, 1992,清华大学出版社,第2作者在线刀具管理系统的研究,CIMS-China’92论文集, 1992,清华大学出版社,第3作者Solving economic scheling prob. Hydro-thermal power systems by the decomposition methods & nonlinear programming methods, IFAC Int. Symp. on control of power systems,1992, Berlin,第2作者 The Models & Techniques in the Proction Planning and Scheling of FMS, Proc. of Int. Conf. on Modelling, Simulation & Control,1992,Hehui, China, 第1作者The mathematical models of environmental planning for the reservoir region of hydropower project, Proc. of the 2nd Int. Conf. on Numerical Opt. Theory & Appl., Xi’an,1991, 第2作者模糊数学和运筹学方法在电力系统经济调度中的应用,高校应用数学学报,1990,第3作者Application of methods of Fuzzy math. & OR in economic scheling of hydro thermal power systems, IFAC/IFORS/IMACS Symp. on Large Scale Systems,1989, Berlin, 第2作者Solving economic scheling prob. of cascade hydropower stations by the methods of Fuzzy math. & non-linear programming, Proc. of the Int. Symp. on Eng. Math. and Appl., 1988年, Beijing, 第3作者The application of optimal decomposition methods of large scale systems to the units commitment of cascade hydropower stations, Proc. of the 1st international Conference on Numerical optimization & application, June 14-17,1986, Xian, China, 第1作者杨丹,大系统最优化分解法在梯级水电站开机组合中的应用,重庆大学学报,1986(4).

E. 医学图像配准的医学图像配准的评估

医学图像配准 ,特别是多模医学图像配准结果的评估一直是件很困难的事情。 由于待配准的多幅图像基本上都是在不同时间 /和条件下获取的 ,所以没有绝对的配准问题 ,即不存在什么金标准 ( gold standard ) ,只有相对的最优 (某种准则下的 )配准。 在此意义上 ,最优配准与配准的目的有关。常用的评估方法有以下几种:
( 1)体模 ( Phantom): 体模又有硬件体模和软件体模之分 ,后者是计算机图像合成结果。 体模法用已知的图像信息验证新配准算法的精度 。由于体模都比较简单 ,与实际临床图像差异较大 ,因此只能对配准方法作初步的评估。
( 2)准标 ( ficial marks): 立体定向框架系统 ( Stereotactic Frame Systems)包括立体定向参考框架、立体定向图像获取、探针或手术器械导向几部分。优点是定位准确 ,不易产生图像畸变。
( 3)图谱: Thompson 用随机向量场变换构造一个可变形的概率脑图谱。 包括从多个受试者到单一解剖模板的功能、血管、组织诸方面映射 ,三维图谱到新受试者的扫描图像的映射。
( 4)目测检验 ( visual inspection): 对多模医学图像配准的结果请领域专家用目测方法检验 ,听起来有些主观 ,但的确是一种相当可信的方法。

F. 不同分辨率图像的融合

遥感数据的融合是指采用一种复合模型结构，将不同传感器遥感影像数据源所提供的信息加以综合，以获取高质量的影像信息，同时消除各传感器信息间的信息冗余和矛盾，加以互补，降低其不确定性，减少模糊度，以增强影像中信息清晰度，提高解译精度、可靠性和使用率，以形成对目标相对完整一致的信息描述。

对地质矿产勘查而言，数据的融合目的主要是：①可以明显地改善目标的显示效果，将原始图像中灰色调转化为彩色调；②融合后图像噪声可以很好地被抑制，肉眼对地物判译更加容易；③地物边缘轮廓因彩色更加突出，地物纹理更加清晰。这些很明显可以起到增强岩体、构造的可解性。

目前融合方法有：Lab变换、HIS变换、BROVEY变换、线形复合与乘积运算以及近几年发展起来的小波变换等。这些融合方法在影像的处理上存在有不同偏向，因此要根据不同地物在影像的光谱表现上存在差异，采取不同的处理方法。

（一）微波遥感数据与TM数据融合处理

此次工作所采用的方法为可视化三维动态变换方法。

图1-5 SAR图像灰度拉伸关系图

1.融合前的SAR数据特征增强处理

为了突出SAR数据（彩图1-5a）较高分辨率的优势，在融合前有必要对SAR进行灰度拉伸、纹理增强和细化处理减少噪声等预处理。

（1）灰度线性拉伸

融合之前的拉伸方法不采用非线性拉伸，原因在于经过非线性拉伸后的图像数据，原始灰度值的大小关系会发生变化，产生的灰度扭曲带来了一些含义不明确的伪信息，影响解译。因此，特别强调在增强局部灰度反差时保持原灰度关系的重要性。实验表明，运用直观而简单的线性拉伸方法就可以达到反差增强的效果。其原理如图1-5。

设A₁、A₂为输入图像的嵌位控制值，B₁、B₂为拉伸后图像的最低和最高亮度值。

其输入的图像亮度值A₁—A₂被拉伸为B₁—B₂范围，其中输入亮度0—A₁及A₂—255分别被变换为B₁、B₂，如果B₁=0、B₂=255则拉大了输入图像的动态范围，从而反差得到增强。这是嵌位控制的结果，从而保持了输入图像亮度的线性关系，即没有改变A₁到A₂之间亮度值的大小关系，只是拉开了直方图的动态范围，从而加大了灰度间的差距，增强了影像的细微和突变结构。

（2）纹理能量增强

相邻像元之间亮度值的差异（梯度）可作为纹理的测度。当差异大于一个阈值时，则认为该处存在着要考虑的纹理特征；将此类特征累积统计，则为纹理能量；当局部纹理特征丰富时，则纹理能量大而表现为亮度值高。

SAR图像主要提供的是空间信息，为了使融合后的图像具有较高的空间分辨能力，对SAR图像进行纹理增强及提取是必不可少的。为了突出地貌、线性构造等信息，采用直方图偏度值法。其公式如下：

1∶25万遥感地质填图方法和技术

c（n）是对u进行压缩或拉伸后的值。

利用此纹理值作为权重，对SAR进行高通滤波，可以突出纹理信息。

目前纹理能量增强主要靠模板（3×3、5×5、7×7等）实现，模板推移扫描对每个像元进行增强处理，考虑到增强纹理会带来不必要的噪声，模板的尺寸不易过大，试验表明使用3×3、5×5两个模板的增强效果显着。

2.参与融合的非SAR数据的处理

在融合图像中，参与融合的非SAR数据的贡献就是它们的光谱信息。融合前对它们的处理以彩色增强为主，调整其亮度、色度、饱和度，拉开不同地物之间的色彩反差。对局部纹理的要求不高，有时为了保证光谱色彩，还允许牺牲部分纹理信息来确保融合图像的总体效果。

通常所说的图像增强是一维图像增强，即先在单波段上进行反差增强，然后把增强后的三个波段合成在一起。这种方法在有些地区，由于地表信息接近，波段间的相关性强，合成的图像反差小，色彩不鲜艳。因此，我们在反复试验的实践中，摸索出三维反差增强方法，获得了色彩鲜艳且保留原始影像信息的彩色图像（彩图1-5b）。

三维反差增强技术的实质是，扩大同名点像元在合成的三个波段上的灰度差异，使该同名点合成的色彩鲜艳，达到彩色增强的目的；使图像上不同地物间的微小的灰度差异也能增强成明显的色彩差异，从而达到增强图像信息的效果。这是一种用颜色来突出地质、地理信息的方法，这种方法比单纯用灰度差异突出地质、地理信息更加有效。

实现三维反差增强技术有两个约束条件：其一，增强后的图像同名点像元的灰度值在三个波段上的灰度值仍然保持原来大小的相对关系，也就是说原来灰度值小的增强以后还是小的，原来灰度值大的增强以后还是大的；其二，增强后的图像同名点像元在三个波段上的灰度值之和保持不变，只是同名点像元在三个波段上的灰度值的差异扩大，使彩色合成后的色彩鲜艳、信息丰富并保持原来标准假彩色合成的特点。

为了扩大不同地质体的光谱信息的差异，还可采用波段特征差异光谱加权方法，其算法如下：

设R，G，B为经过三维反差增强后的红、绿、蓝三个彩色分量；R₀，G₀，B₀为输出图像的三个分量；G_b，B_g为波段特征差异；α，β为两个常数。

1∶25万遥感地质填图方法和技术

将生成的三个新分量再进行彩色合成，扩大了地物间的色彩差异，减少了相关性。上述融合方法的最大优点是可以对隔合图像的锐度、灰度、色彩等空间信息分离并进行动态跟踪处理，直到获取满意的结果为止。

（二）不同分辨率多光谱数据融合处理

在干旱裸露地区，利用Landsat TM L7卫星影像制作影像图，与L5不同，L7有一个全色波段 B8，它的空间分辨率为15 m，为了提高图像解译的可识别性，在提高空间分辨率的同时，又充分利用多光谱波段的波谱信息，将L7自身所有的30 m空间分辨率的多光谱波段（彩图1-6a）与15 m分辨率的全色波段进行信息融合，可得到高分辨率的彩色图像（彩图1-6b）。同时我们在植被覆盖试验区，利用高分辨率 SPOT卫星图像（彩图1-6c）与TM图像的多光谱波段进行融合（彩图1-6d），进而提高遥感解译的可靠性，得到 TM图像和SPOT图像的彩色模拟，它的原理是：

首先将两种分辨率的图像进行配准，配准精度应在一个像元以内，我们在干旱裸露试验区进行的四景L7图像配准，最大拟合误差为0.85像元；SPOT图像16景与TM图像的配准误差最大为0.95像元。L7自身配准时纠正函数选择一次多项式，不同传感器图像配准时选择二次多项式。

然后选择的三个波段（干旱裸露试验区：7，4，1；植被覆盖试验区：5，3，2作HIS变换得到三个分量，用高分辨率的图像替代I分量，在进行反变换，重新得到RGB图像。这个模拟图像既有高分辨率图像的较高空间分辨率，又具有彩色图像的光谱信息。

G. 长图最多可以拼多少照片

长图最多可以拼9张图片，再多图片也不清晰了，有的软件还需要付费。LongScreen 是一款专注 iPhone 截屏的拼图应用。它的特点是能轻松拼接横向并列拼图,并支持竖向快速拼接长图,选择好图片点击右上角合并就可以开始拼接了。

图像拼接技术技术分类

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。对于图像融合部分，由于其耗时不太大，且现有的几种主要方法效果差别也不多，所以总体来说算法上比较成熟。

而图像配准部分是整个图像拼接技术的核心部分，它直接关系到图像拼接算法的成功率和运行速度，因此配准算法的研究是多年来研究的重点。

目前的图像配准算法基本上可以分为两类：基于频域的方法（相位相关方法）和基于时域的方法。

相位相关法最早是由Kuglin和Hines在1975年提出的，并且证明在纯二维平移的情形下，拼接精度可以达到1个像素，多用于航空照片和卫星遥感图像的配准等领域。

该方法对拼接的图像进行快速傅立叶变换，将两幅待配准图像变换到频域，然后通过它们的互功率谱直接计算出两幅图像间的平移矢量，从而实现图像的配准。由于其具有简单而精确的特点，后来成为最有前途的图像配准算法之一。

但是相位相关方法一般需要比较大的重叠比例(通常要求配准图像之间有50%的重叠比例)，如果重叠比例较小，则容易造成平移矢量的错误估计，从而较难实现图像的配准。

H. 求教：怎样实现图像匹配啊，最好有MATLAB源程序，急用啊

您好!

实验平台

X86 PC，Windows XP sp2, Matlab 7.1

资源的获取

图片资源来自http://vision.ece.ucsb.e/registration/satellite/testimag.html，其中每个压缩包里存有两副图片，每副图片以矩阵形式保存。

matlab工具的使用方法：查看帮助mage Processing Toolbox User's Guide——Image registration。

涉及配准方法简介

该工具箱提供的配准方法均需手工选择图像间的匹配点对（control points pair），均属于交互配准方法。其基本过程为：读入图像数据－>在两副图像上选择足够匹配点－>选择配准算法，计算变换参数－>变换图像。

假设input image（输入图像）为欲进行配准的图像，base image为配准是的参考图像。以下是我参考matlab帮助给出了简介。

1．线性正投影（linear conformal）：最简单。平面映射成平面。

当输入输入图像与参考图像对比，只是存在全局的平移、旋转、缩放或其三者组合的差别时（正方形仍对应正方形），选择此配准方法。此方法至少需要2对匹配点。

2．仿射（affine）：将平行线转换成平行线。

当输入图像形状存在切变现象（正方形对应平行四边形），选此法。至少需3对匹配点。

3．投影（projective）：将直线映射成直线。

如果输入图像呈现倾斜，翘起现象，选此法。至少需4对匹配点。

4．多项式（polynomial）：将直线映射成曲线。

如果输入图像出现不规则曲变，采用此法。Matlab中提供有2、3、4次幂的实现，分别至少需要6，10，10对匹配点。

5．分段线性（piecewise linear）

如果输入图像的各个局部之间的退化模式明显不一样，选此法。至少需要4对匹配点。

6．局部加权平均（local weighted mean）

与分段线性一致，但效果较之好。至少需要6对（推荐12对）匹配点。

实验步骤

1．读取图像数据。

因为源图像以矩阵形式存在一个二进制的文件里，用fread可将其读取到变量矩阵中。将读取文件编制成一个子函数(RTIread.m)，源代码如下：

function imMatrix=RTIread(FILENAME,SIZE)
%RTIread Read the image matrix from binary "Registration Test Image" file.
% imMatrix=RTIread(FILENAME,SIZE) opens the file FILENAME, and reads the
% number of elements specified by SIZE.
%
% FILENAME is a string containing the name of the file to be opened.
% Valid entries for SIZE are:
% N read N elements into a column vector.
% inf read to the end of the file.
% [M,N] read elements to fill an M-by-N matrix, in column order.
% N can be inf, but M can't.
%
% It returns the image matrix.
fid=fopen(FILENAME,'r');
imMatrix=fread(fid,SIZE,'uint8=>uint8');
fclose(fid);
%image(imMatrix);

这里我们选取了两张600×600的图片，文件名为“casitas84”和“casitas86”。运行以下代码读取图像矩阵：

% 1. Read the images into the MATLAB workspace.

base=RTIread('casitas84',[600,600]);

input=RTIread('casitas86',[600,600]);

2．选取匹配点（control points）。

根据预定的配准方法，选定足够的匹配点对。运行下列代码：

% 2.Specify control point pairs n the images and save.

cpselect(input,base); %please select 15 points for test.

出现GUI界面。

http://walkfarer.blog.e.cn/UploadFiles/2006-3/327845185.jpg

操作很简单，只需注意选点要均匀布开，以增加其代表性。选定完毕，File-> Save Points to Workspace将数据保存到工作区中。Workspace立刻多出两个N×2的数组（其中N为选定的匹配点对数），分别为input_points和base_points，如：

input_points =

119.5185 193.5926

168.9012 242.9753

105.9383 140.5062

459.0247 131.8642

313.3457 257.7901

292.3580 165.1975

276.3086 33.0988

283.7160 380.0123

76.3086 297.2963

135.5679 83.7160

360.2593 313.3457

94.8272 446.6790

70.1358 354.0864

181.2469 361.4938

381.2469 460.2593

252.8519 433.0988

3．利用十字相关法调整选定了的匹配点。

这步可选。运行代码：

% 3.Fine-tune the control points using cross-correlation.

input_points_corr = cpcorr(input_points,base_points,input,base); %optimism the points

input_points_corr为优化后在输入图片的对应匹配点。

4．计算变换公式的参数。

利用cp2tform，选定变换类型（即配准方法），计算变换参数。以下只需选定一种即可。

% 4.Specify the type of transformation to be used and infer its parameters

% (1) not Fine-tune points

Tlinear = cp2tform(input_points,base_points,'linear conformal');

Taffine = cp2tform(input_points,base_points,'affine');

Tprojective = cp2tform(input_points,base_points,'projective');

Tpolynomial2 = cp2tform(input_points,base_points,'polynomial',2);

Tpolynomial3 = cp2tform(input_points,base_points,'polynomial',3);

Tpolynomial4 = cp2tform(input_points,base_points,'polynomial',4);

Tpiecewise = cp2tform(input_points,base_points,'piecewise linear');

Tlwm = cp2tform(input_points,base_points,'lwm');

% (2)Fine-tune points

fTlinear = cp2tform(input_points_corr,base_points,'linear conformal');

fTaffine = cp2tform(input_points_corr,base_points,'affine');

fTprojective = cp2tform(input_points_corr,base_points,'projective');

fTpolynomial2 = cp2tform(input_points_corr,base_points,'polynomial',2);

fTpolynomial3 = cp2tform(input_points_corr,base_points,'polynomial',3);

fTpolynomial4 = cp2tform(input_points_corr,base_points,'polynomial',4);

fTpiecewise = cp2tform(input_points_corr,base_points,'piecewise linear');

fTlwm = cp2tform(input_points_corr,base_points,'lwm');

诸如Tlinear的变量为一个称为TFORM的数据结构，尚没做仔细研究：

Tlinear =

ndims_in: 2

ndims_out: 2

forward_fcn: @fwd_affine

inverse_fcn: @inv_affine

tdata: [1x1 struct]

5．变换图像。

% 5.Transform the unregistered image to bring it into alignment.

title('image registration polynomial method');

subplot(2,2,1);

imshow(base);

title('Base image');

subplot(2,2,2);

imshow(input);

title('Input image');

subplot(2,2,3);

imshow(imtransform(input,Tpolynomial2));

title('registered image');

subplot(2,2,4);

imshow(imtransform(input,fTpolynomial2));

title('registered image(fine-tune points)');

结果如下：

http://walkfarer.blog.e.cn/UploadFiles/2006-3/327783689.jpg

总结

1．image和imshow区别。前者视base，input此类二维图片矩阵为索引图像，在系统的index库中选取颜色。

2．选择适当的方法来建立转换参数，并非算法越复杂越好，应参考成像因素（退化因素）。

3．尚没有看出十字相关法的好处。

4. 利用cpselect选择匹配点，cpselect可以返回一个GUI句柄。欲实现如下功能：当打开cpselect GUI 时，m文件程序暂停运行，关闭之后继续执行。因为对GUI编程不懂， 使用了waitfor,pause函数都没法实现。尝试中……

I. 请大神解释一下在医学图像配准中，什么叫做局部优化算法，什么叫做全局优化算法

算法GA把问题的解表示成“染色体”，在算法中也即是以二进制编码的串。并且，在执行遗传算法之前，给出一群“染色体”，也即是假设解。然后，把这些假设解置于问题的“环境”中，并按适者生存的原则，从中选择出较适应环境的“染色体”进行复制，再通过交叉，变异过程产生更适应环境的新一代“染色体”群。这样，一代一代地进化，最后就会收敛到最适应环境的一个“染色体”上，它就是问题的最优解。
一、遗传算法的目的
典型的遗传算法CGA(Canonical Genetic Algorithm)通常用于解决下面这一类的静态最优化问题：
考虑对于一群长度为L的二进制编码bi，i＝1，2，…，n；有
bi∈{0,1}L (3-84)
给定目标函数f，有f(bi)，并且
0<f(bi)<∞
同时
f(bi)≠f(bi+1)
求满足下式
max{f(bi)|bi∈{0,1}L} (3-85)
的bi。
很明显，遗传算法是一种最优化方法，它通过进化和遗传机理，从给出的原始解群中，不断进化产生新的解，最后收敛到一个特定的串bi处，即求出最优解。
二、遗传算法的基本原理
长度为L的n个二进制串bi(i＝1，2，…，n)组成了遗传算法的初解群，也称为初始群体。在每个串中，每个二进制位就是个体染色体的基因。根据进化术语，对群体执行的操作有三种：
1．选择(Selection)
这是从群体中选择出较适应环境的个体。这些选中的个体用于繁殖下一代。故有时也称这一操作为再生(Reproction)。由于在选择用于繁殖下一代的个体时，是根据个体对环境的适应度而决定其繁殖量的，故而有时也称为非均匀再生(differential reproction)。
2．交叉(Crossover)
这是在选中用于繁殖下一代的个体中，对两个不同的个体的相同位置的基因进行交换，从而产生新的个体。
3．变异(Mutation)
这是在选中的个体中，对个体中的某些基因执行异向转化。在串bi中，如果某位基因为1，产生变异时就是把它变成0；反亦反之。
遗传算法的原理可以简要给出如下：
choose an intial population
determine the fitness of each indivial
perform selection
repeat
perform crossover
perform mutation
determine the fitness of each indivial
perform selection
until some stopping criterion applies
这里所指的某种结束准则一般是指个体的适应度达到给定的阀值；或者个体的适应度的变化率为零。
三、遗传算法的步骤和意义
1．初始化
选择一个群体，即选择一个串或个体的集合bi，i=1，2，...n。这个初始的群体也就是问题假设解的集合。一般取n＝30-160。
通常以随机方法产生串或个体的集合bi,i＝1，2，...n。问题的最优解将通过这些初始假设解进化而求出。
2．选择
根据适者生存原则选择下一代的个体。在选择时，以适应度为选择原则。适应度准则体现了适者生存，不适应者淘汰的自然法则。
给出目标函数f，则f(bi)称为个体bi的适应度。以

(3-86)
为选中bi为下一代个体的次数。
显然．从式(3—86)可知：
(1)适应度较高的个体，繁殖下一代的数目较多。
(2)适应度较小的个体，繁殖下一代的数目较少；甚至被淘汰。
这样，就产生了对环境适应能力较强的后代。对于问题求解角度来讲，就是选择出和最优解较接近的中间解。
3．交叉
对于选中用于繁殖下一代的个体，随机地选择两个个体的相同位置，按交叉概率P。在选中的位置实行交换。这个过程反映了随机信息交换；目的在于产生新的基因组合，也即产生新的个体。交叉时，可实行单点交叉或多点交叉。
例如有个体
S1=100101
S2=010111
选择它们的左边3位进行交叉操作，则有
S1=010101
S2=100111
一般而言，交叉幌宰P。取值为0.25—0.75。
4．变异
根据生物遗传中基因变异的原理，以变异概率Pm对某些个体的某些位执行变异。在变异时，对执行变异的串的对应位求反，即把1变为0，把0变为1。变异概率Pm与生物变异极小的情况一致，所以，Pm的取值较小，一般取0.01-0.2。
例如有个体S＝101011。
对其的第1，4位置的基因进行变异，则有
S'=001111
单靠变异不能在求解中得到好处。但是，它能保证算法过程不会产生无法进化的单一群体。因为在所有的个体一样时，交叉是无法产生新的个体的，这时只能靠变异产生新的个体。也就是说，变异增加了全局优化的特质。
5．全局最优收敛(Convergence to the global optimum)
当最优个体的适应度达到给定的阀值，或者最优个体的适应度和群体适应度不再上升时，则算法的迭代过程收敛、算法结束。否则，用经过选择、交叉、变异所得到的新一代群体取代上一代群体，并返回到第2步即选择操作处继续循环执行。
图3—7中表示了遗传算法的执行过程。

J. sift是怎么解决两幅图配准问题

基于SIFT的图像配准程序 SIFT特征匹配算法是目前国内外特征点匹配研究领域的热点与难点,其匹配能力较强,可以处理两幅图像之间发生平移、旋转、仿射变换情况下的匹配问题,甚至在某种程度上对任意角度拍摄的图像也具备较为稳定的特征匹配能力-SIFT