图像配准[2] (Image Registration):是根据一些相似性度量来计算不同图像间的
变换参数,使不同成像设备在不同时间和不同视角获取的同一场景的多幅重叠图
像变换到同一坐标系下,并得到最佳匹配的过程。图像匹配[3] (ImageMatching):
在一个大的图像区域寻找一个合适的子区域 ,与目标相似。有时候图像匹配也可
以认为是一种图像配准。
图像融合[4] (Image Fusion): 将多源信道所采集到的关于同一目标的图像数据经
过图像处理和计算机技术等,最大限度的提取各自信道中的有利信息,最后综合成
高质量的图像,以提高图像信息的利用率、改善计算机解译精度和可靠性、提升
原始图像的空间分辨率和光谱分辨率,利于监测。
(1)为了达到图像正确配准,需要对参考图像和待配准图像中的什么信息进行提
取,选择何种搜索策略,以及对所提取的信息如何进行配准;
(2)场景中参考图像和待配准图像之间不仅发生了平移,还有旋转和缩放,或者
在两幅图像之间存在大面积的同色区域等难以匹配的情况 ,如何在这些情况下也
能做到正确的配准;
(3) SIFT 特征应用于图像拼接有大量冗余,导致运算量大,而且非边缘区域的特
征点容易出现匹配错误;
(4) RANSAC 算法是每次随机抽取初步匹配点样本来计算模型参数,这样会导致
迭代次数不定(偏多),带来运算量大的问题;
(5)传统的基于动态规划的最优缝合线搜索技术,很可能与两幅相邻图像的某个
边界离得很近,会导致图像融合的平滑区域过小而无法消除“拼接缝”和“鬼影”。