影象配准算法\小總結

首先，影象配準要素結合：特徵空間，搜尋空間，搜尋策略，近似性度量；影象配準方法：
1.基於灰度資訊的方法：交叉相關（互相關）方法，相關係數度量，序貫相似檢測演算法，資訊理論的交換資訊相似性準則。
2.基於變換域的方法：相位相關法，Walsh Transform變換。
3.基於特徵的方法：常用的影象特徵有：特徵點（包括角點、高曲率點等）、直線段、邊緣（Robert、高斯-拉普拉斯LoG、Canny、Gabor濾波等邊緣檢測運算元）或輪廓、閉合區域、特徵結構以及統計特徵如矩不變數等。
注：畫素灰度資訊的互相關演算法相比，特徵提取包含了高層訊號資訊，所以該類演算法對光照、噪聲等的抗干擾能力強。

常用的空間變換模型：剛體變換（平移、旋轉與縮放的組合）、仿射變換、透射變換、投影變換、非線性變換。

常用的相似性測度：
1.距離測度：均方根誤差，差絕對值和誤差，蘭氏距離，Mahalanobis距離，絕對差，Hausdorff距離等。
2.角度度量法（概率測度）。
3.相關度量法

配准算法的評價標準：
配準時間、配準率、演算法複雜度、演算法的可移植性、演算法的適用性、影象資料對演算法的影響等（這裡雖然不是目標追蹤的評價標準，但是我們可以借鑑這些評價演算法的標準）