的有效的图像配准技术也是目前正在积极探索和研究的课题。目前 3D 数据的配准成为学术界的研究热点之一。图像配准的高精度、图 像配准算法的强鲁棒性、图像配准算法的配准速度以及图像配准的自动化一直以来都是图像配准领域所不断追求的目标。 2.1 图像配准简介
图像配准是图像处理的一个基础问题，它源自于多个领域的许多实际问题，如不同传感器获得的信息融合；不同时间、条件获得图像的差异监测；成像系统和物体场景变化情况下获得的图像的三维信息获取；图像中的模式或目标识别等等。
一般来说，图像配准就是对同一场景使用相同或不同的传感器成像条件，在不同条件下，如气候、照度、摄影位置和角度等获得的两幅或多幅图像进行广义的匹配。这些图像之间一般会存在差异，它们之间的差异表现在不同的分辨率、不同的灰度属性、不同的位置平移和旋转、不同的比例尺、不同的非线性变形等等。图像配准研究的目标就是消除以上所述两幅或多幅图像之间存在的种种差异，确定其最佳匹配关系，使它们在目标几何形状上匹配一致，为进一步的分析处理做准备。
图像配准的应用领域概括起来主要有以下几个方面：计算机视觉和模式识别，服务于目标识别、形状重建、运动监测和特征识别等等；医学图像分析，比如肿瘤检测、病变定位、大脑或血管造影、血细胞显微图像分类等等；遥感数据分析，农业、地理、海洋、石油、地矿勘探、污染、城市森林等；目标定位、测量、识别和分析等。根据 Brown
的总结，图像配准在应用上可以粗略地归为四类：多模态配准、模板配准、观察点配准、时间序列配准（表 2.1），从表 2.1 可以看到，图像配准具有非常广谱的方法论，这使得对于图像配准技术的分类和比较评判很困难。每一个配准技术通常是针对某一个具体的应用而设计的，而对于那些特定的应用问题来说，并没有哪一个技术是必须的和唯一的。它们唯一的共性就是每一个配准问题最终都是要在变换空间中寻找一种特定的最优的变换，使得其中一幅图像变换后与另一幅达到某种意义上的匹配。多模态配准分类同一场景上由不同传感方式获得的图像的配准。典型应用多传感器图像的信息融合。方法特点通常需要建立传感模型和变换模型，由于灰度属性或对比度可能有很大的差异，有时需要灰度的预配准，利用物体形状和一些基准标志可以简化问题。医学图像领域：CT、MRI、PET、SPECT 图像结构信息融合。
2.遥感图像领域：多电磁波段图像信息融合，如微波、雷达、可视的或多谱段的等；场景分类，如分类建筑物、道路、车辆、植被等。 模板配准分类在图像中为参考模板样式寻找最佳匹配。
典型应用在图像中识别和定位模板样式，例如：地图、物体、目标物等。方法特点基于模式，预先选定特征，已知物体属性，高等级特征匹配。
遥感数据处理：定位和识别定义好的或已知特征的场景如飞机场、高速路、车站、停车场等。
2.模式识别、字符识别、标志确认、波形分析等。观察点配准分类对
从不同观察点获得的图像进行配准。典型应用深度或形状重建。方法特点变形多为透视变换，常应用视觉几何和表面属性等的假设条件，典型的方案是特征相关，必须考虑阻挡问题。
计算机视觉：从视角差异中构建三维深度和形状信息。目标物的运动跟踪，序列图像分析。时间序列配准分类对同一场景上不同时间或不同条件下获得的图像的配准。检测和监视变化或增长。方法特点需要容忍图像中部分内容的差异和形变对配准造成的影响，有时需要建立传感
噪声和视点变换的模型。医学图像处理：数字剪影血管造影(DSA)、注射造影剂前后的图像配准、肿瘤检测、白内障检测。 遥感数据处理：自然资源监控、核生长监控、市区增长检测。 2.2.2 图像转换类型
对所有图像配准技术而言，最根本的问题就是找出适当的图像变换或映射类型以正确匹配两幅图像。常用到的图像变换主要有刚体变换、仿射变换、投影变换和非线性变换（Nonlinear transformation）。 (1) 刚体变换
如果第一幅图像中的两点之间的距离变换到第二幅图像后仍保持不变，那么这样的变换就称为刚体变换。刚体变换可分解为平移、旋转和反转（镜像）。刚体变换通常用来配准含有刚性物体的图像，例如骨骼图像的配准以及头骨及脑膜均处于非开放状态的脑图像配准。刚体配准也可以应用于物体形变不是太大的物体如连续组织切片及序列 MR 图像的近似配准和物体灰度变化不大的图像如功能性序列
MR 图像的配准。图 2.1 是对一幅 CT 图像进行了刚体变换。 (2) 仿射变换
如果第一幅图像中的一条直线经过变换后映射到第二幅图像上仍然为直线，并且保持平衡关系，这样的变换称为仿射变换。它比刚体变换多了缩放变换。这种变换将直线依然映射为直线，且保持直线间的平行关系但不保持直线段长度和它们的角度。仿射变换通过增加图像每一维度上的比例变化和缩放因子来扩展刚体变换的自由度。仿射变换可以分解为线性（矩阵）变换和平移变换。 (3) 投影变换
如果第一幅图像中的一条直线经过变换后映射到第二幅图像上仍然为直线，但平行关系基本不保持，则这样的变换称为投影变换。投影变换可用高维空间上的线性（矩阵）变换来表示。 (4) 非线性变换
如果第一幅图像中的一条直线经过变换后映射到第二幅图像上不再是直线，则这样的变换称为非线性变换。非线性变换比较适合于那些具有全局性形变的图像配准问题，以及整体近似刚体但局部有形变的配准情况。 2.3 图像配准的方法
迄今为止在国内外的图像处理研究领域，已经报道了相当多的图像配准研究工作，产生了不少图像配准方法。总的来说，各种方法都是面向一定范围的应用领域，具有各自的特点。如何对各种配准方法进行分类，人们也已经进行了一些探索，Brown提出了以三个主要的范畴：
图像特征类别、搜索空间(或等价于应用的变换类型)、搜索策略来进行图像配准分类。 (1) 搜索空间
搜索空间是指一系列可以配准图像的变换操作的集合，以几何变换为主要因素。图像的几何形变可以分为三类：全局的、局部的和位移场形式的。全局的变换通常基于矩阵代数理论，用一个参数矩阵来描述整个图像的变换。典型的全局几何变换包括以下的一种或几种：平移、旋转、各向同性或各向异性的缩放、二次或三次多项式变换等等。局部变换有时候又被称为弹性映射，允许变换参数有位置依赖性，也就是说，不同的位置具有不同的变换参数模型。变换参数往往只是定义在特定的关键点上，而在区域到区域之间进行插值。位移场方法，有时候又称为光流场法，使用一个(连续的)函数优化机制，为图像中的每一点计算出一个独立的位移量，并使用某种规整化机制进行约束。 (2) 图像特征
图像配准中使用的图像特征有着重要的实际意义，因为它们通常决定了这个方法适合于什么样的图像。空间坐标(地标点)被有效应用于很多的同属性图像的配准，但地标控制点的选择是一个困难的过程，不论是自动的还是人工的确定。对于很多图像来说，图像配准精度直接受控制点选择精度的影响。而实际中控制点的数量和精度通常是很有限的。相比较而言，基于初始灰度信息的配准方法充分而又有效地利用所有已知的数据。如果需要，一些二值的掩模或者其他加权过程可以用来强调某些特定的特征信息。恰当的相似性准则的使用可以增加