34、基于流形正则化与薄板样条模型的图像配准算法

基于流形正则化与薄板样条模型的图像配准算法

1 引言

图像配准是一项重要的预处理技术，在计算机视觉、医学和遥感等众多领域都有广泛应用。例如，在遥感领域，图像配准可用于环境监测、变化检测、图像拼接和图像融合等实际任务。

然而，由于成像过程的高度可变性，图像配准问题并非易事。噪声会使特征描述符不准确，从而导致配准结果不佳。因此，研究人员将目标转向区分假定对应关系中的内点和外点，内点应满足变换函数，而外点则不满足。目前已有多种方法用于解决这一问题，如 RANSAC 通过迭代获取内点集并近似变换函数，直至收敛；基于贝叶斯框架的 VFC 利用向量场去除外点；L2E 以稳健的方式估计图像变换；空间聚类可寻找具有多种运动模式的内点对应关系；GS 则利用常见的视觉模式。

但这些方法仍面临挑战，因为它们基于的假定对应关系是在相似性约束下获得的，并未包含所有特征点。有时，这些误匹配点可能包含对提高方法性能非常重要的信息。

为解决这些问题，本文提出了一种基于流形正则化技术和薄板样条模型（TPS）的图像配准新方法（MR - TPS）。该方法具有以下三个主要贡献：
1. 引入由所有特征点组成的流形正则化技术，解决了仅使用部分特征点近似变换函数的问题。
2. 将 TPS 模型与流形正则化相结合，提出了一种新的近似变换函数的方法，该方法可以从假定对应关系中学习变换并去除外点。
3. 将该方法命名为 MR - TPS，并在 SYM 和牛津数据集上与其他方法进行比较，结果表明该方法优于其他方法。

2 方法

2.1 问题表述

为解决图像配准问题，使用混合模型来拟合对应关系的分布。假设已获得对应关系