Page 158 - 测绘新技术的理论与实践研究

测绘新技术的理论与实践研究

学者总结了之后出现的相关技术和方法，这两篇综述文章概括了图像配准研究的

一般方法。遥感图像配准是遥感图像处理的重要研究内容，大多采用图像配准的
技术和方法，但也有其应用的特点，一些学者对这方面的成果作了综述和分类。
根据准则不同，图像配准方法可以有以下的分类方式：①根据图像的空间维
数：2D/2D，2D/3D，3D/3D；②据配准过程的交互性：人工，半自动，自动；

③根据配准过程中处理信息的范围：全局，局部；④根据配准图像的成像模式：
单模态，多模态；⑤根据配准过程中利用的图像信息：基于灰度，基于特征；⑥

根据配准对象的类型：图像到图像，图像到地图；⑦根据变换域的类型：空间域，
频率域；⑧根据优化算法。一般情况下，配准问题都会转化为求解相似性测度最
优值的问题，在计算方法中通常需要采用合适的迭代优化算法，诸如高斯 - 牛顿
法、Powell 最优法、Levenberg-Marquardt 法、梯度下降法、遗传算法、模拟退火

算法、禁忌搜索、蚁群算法、粒子群算法等。
（1）基于灰度的方法
基于灰度方法的基本思想：以统计的观点将图像看成是二维信号，采用统计

相关的方法寻找信号间的相关匹配。利用两个信号的相关函数，评价它们的相似
性以确定同名点。基于灰度的配准就是逐像素地把一个以一定大小的待配准图像
窗口的灰度矩阵与基准图像模板图像的所有可能的窗口灰度阵列按某种相似性度
量方法进行搜索比较的匹配方法。

基于图像灰度的配准方法通过利用两幅图像灰度矩阵建立相似性度量，如相
关函数、协方差函数、相关系数、差平方和等，然后采用某种搜索方法，逐像素
地寻找使相似性度量值最大或最小的像点位置，并计算变换模型的参数值。相

似性度量涉及的灰度矩阵通常是基于矩形区域或圆形区域（甚至可以是不规则区
域），此方法又称基于区域（arca-based）的方法。
基于灰度的配准算法主要有灰度相关（互相关、相关系数等）和概率型测度
法（互信息、联合嫡等），除此之外，也有少量采用梯度相关的方法。

基于灰度的配准方法一般不需要对图像进行复杂的预处理，而是利用图像本
身具有的灰度的一些统计信息，直接进行区域相关的计算，来判定两幅图像是否

一致。基于灰度信息的优点是配准方法原理简单，与图像内容无关，通用性好，
对噪声和遮挡具有一定的鲁棒性。缺点包括：运算量较大，需要进行优化和并行
处理，难以达到实时性要求；进行相关计算的最优窗口大小难以确定；极值经常

146