37、计算机视觉中的图像配准、模型与曲面轮廓分析

计算机视觉中的图像配准、模型与曲面轮廓分析

1. 图像配准相关知识

图像配准是一项非常有用的技术。近年来有不少关于图像配准的有价值的综述，比如Zitova和Flusser（2003）以及Dawn等人（2010）的研究。配准算法曾经被用于目标识别，即把一个模型配准到图像上，然后根据最终得分来接受假设，但如今该领域主导的算法已有所不同。未来的工作有望将配准知识与统计方法相结合。

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的距离表示，计算缓存的过程有时被称为距离变换。Borgefors（1988）提出了首个使用距离变换进行目标配准的分层搜索算法。

2. 基于模型的视觉

“对齐”这一术语由Huttenlocher和Ullman（1990）提出，它是一类用于推理姿态一致性的算法的便捷称呼。很难确定谁最先使用了这种方法，不过很可能是Roberts（1965），也有可能是Faugeras等人（1984）。Chin和Dyer（1986）进行了当代的相关综述。一些对齐算法的噪声行为已经得到了详细研究（Grimson等人1992、1994、1990，Sarachik和Grimson 1993），因此对齐算法被广泛使用，并且有众多变体。

然而，这些算法作为目标识别方法逐渐不再流行，原因如下：
- 在存在丰富纹理的情况下表现不佳。
- 随着模型数量的增加，扩展性较差。
- 不适用于非刚性物体。
- 虽然对存在的模型进行受限搜索可能很高效，但证明一个模型不存在的成本很高（Grimson 1992）。

姿态聚类由Thompson和Mundy（1987）提出，由