图像配准方法之灰度信息法

本文介绍了图像配准中的灰度信息法,包括互相关法、序列相似度检测方法和互信息法。这些方法利用图像灰度相似度来确定配准参数,互相关法基于匹配程度计算,序列相似度法通过残差和判断匹配点,互信息法则通过最大化联合概率密度的互信息来实现配准。然而,灰度信息法对光照变化、计算复杂度和目标变形等问题较为敏感。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

            这系列文章是5年前的,也是从自己的QQ(632846506)日志中移过来的。https://user.qzone.qq.com/632846506/infocenter。

     图像配准的方法主要有三种:基于灰度信息方法;基于空间变换域方法;基于图像特征的方法。

一、灰度信息法。

    灰度信息法直接利用两幅图像之间灰度度量的相似性,以图像内部的信息为依据,采用搜索方法寻找相似度最大或者最小点,确定参考图像和待配准图像之间的变换参数。这种方法实现简单,不需要对参考图像和待配准图像进行复杂的预处理;缺点是云算量大,不能直接用于矫正图像的非线性变换。

   基于灰度信息的方法主要有:互相关法;互信息法;序列相似度检测方法。

    1、1 互相关法

      互相关法是一种匹配度量,通过计算法模板图像和搜索窗口之间的互相关值,来确定匹配的程度,互相关值最大时的搜索窗口位置决定了模板图像在待配准图像中的位置们通常被用于模板匹配和模式识别。

    设I(x,y)为基准图像,T(x,y)为模板图像,令模板图像在基准图像中移动,并计算两者之间的相似程度,峰值出现的地方即为所求的配准位置,在每一个位移点(i,j)上,两者的相似度为:

  &

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值