影象配準方面的演算法總結
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)