37、计算机视觉中的图像配准、曲面轮廓与微分几何基础

计算机视觉中的图像配准、曲面轮廓与微分几何基础

1. 图像配准相关内容

1.1 图像配准概述

图像配准是一项实用的技术。近年来有不少关于图像配准的有价值的综述，它曾被用于目标识别，即把模型与图像进行配准，然后根据最终得分来接受假设，但如今该领域有了不同的主导算法。未来的工作有望将现有的配准知识与统计方法相结合。

1.2 配准的难点与方法

配准的一个主要难点是计算到最近点的距离。Chamfer匹配使用一种在网格上缓存的到最近点距离的表示，计算缓存的过程有时被称为距离变换。Borgefors在1988年提出了首个使用距离变换进行对象配准的分层搜索算法。

1.3 基于模型的视觉方法

• 对齐算法 ：“对齐”这一术语由Huttenlocher和Ullman在1990年提出，它是一类推理姿态一致性的通用算法。虽然难以确定谁最先使用这种方法，但很可能是Roberts在1965年，也有可能是Faugeras等人在1984年。Chin和Dyer在1986年进行了当代综述。一些对齐算法的噪声行为已被详细研究，但由于在处理丰富纹理、模型数量增加时扩展性差以及不适用于非刚性对象等问题，这些算法作为目标识别方法逐渐被淘汰。此外，证明模型不存在的计算成本较高。
• 姿态聚类 ：由Thompson和Mundy在1987年提出，与Hough变换的类比表明该方法在有噪声的情况下表现不佳。
• 姿态一致性的应用 ：姿态一致性有多种应用形式，例如识别假设可以得出相机内参的估计，若图像