Page 159 - 测绘新技术的理论与实践研究

第五章 多源遥感数据获取技术研究

不够尖锐，尤其是图像信息贫乏的区域，会导致误匹配率的上升：对灰度特性敏

感，从而难以处理多源图像的配准问题；只对图像之间的平移变换有较好的适用
性，不能直接应用到几何差别较大（旋转、尺度）图像的配准，更不能解决图像
的局部扭曲，一般只适用于同类传感器或者波段相距较近的传感器之间的图像配
准。这种配准方法应用范围比较窄。医学图像由于成像区域被限制，参与配准的

图像之间相关度高，因此，医学图像常采用基于灰度的方法进行配准。
（2）基于特征的方法

基于特征的方法并不直接对图像的灰度信息进行操作，而是首先从参考图像
和待配准图像中提取一些共同特征作为配准基元，然后通过建立配准基元之间的
对应关系求解变换模型参数，完成配准。因此，基于特征的匹配方法一般分为两
步：第一步提取图像的特征（选择图像中容易提取并能在一定程度上代表图像相

似性的特征）；第二步计算这些特征间的相似性度量来完成图像之间的配准。
基于特征的图像配准方法有很多，主要区别在于配准基元和特征匹配方法的
选择上。特征的选择以及提取的好坏对特征匹配和图像配准起到关键的作用。点、

线和面特征是三类最常用的配准基元，它们通常对应着遥感图像中的道路、湖泊、
突出的人造或自然结构等。
在基于几何特征的配准方法中，有两类算法，一类从两幅图像的特征集中寻
找对应特征，再通过对应特征进行配准，如基于轮廓线的相似性配准；另一类是

不寻求对应特征，定义 2 个特征集之间的某种相似性测度来进行配准，这类方法
的代表是基于 Hausdorff 距离的配准方法。第二类方法避免了复杂的寻找对应特
征的步骤，但对于边界的完整性敏感，对边界不完整、不完全对应或有噪声的情

况，难以取得较好的效果。
基于特征的方法是提取各类图像中不变的显著特征作为配准的参考信息，因
而它对图像灰度的变化具有鲁棒性，更易适应不同传感器图像间的匹配。同时，
一般特征都是压缩了的图像信息，去除了大量冗余信息，使得匹配计算量减小、

速度加快。与基于灰度的方法相比，基于特征的方法具有以下几个主要优点：
①计算量小。基于特征的方法只是通过两幅图像中少量的同名特征求解变换

模型参数，大大降低了计算量；②稳健性强。基于特征的方法在特征空间上进行
匹配，受待配准两幅图像中的灰度和噪声影响小，算法稳健性较强；③适应性广。
当参考图像和待配准图像之间存在较大的几何变形时，变换模型参数空间就会增

147