图像配准-小结

图像配准：找到一对图像间的几何变换关系，并且将待配准图像根据几何变换关系对齐到参考图像上，从而为图像融合、变化检测/监测提供基础。图像匹配，在某些语境中可能与上面的图像配准指的是一个东西，而在某些语境中可能指的是一对图像中确定同名点对的过程。从传统的方法和深度学习方法的分类标准来看，图像配准分为传统的图像配准方法和基于深度学习的方法，这其中，传统的图像配准方法又分为基于特征和基于区域两个方面，由于特征是图像更高层次的表达形式，更容易抵抗多模态图像所具有的非线性辐射畸变，在多模态图像配准时基于特征的传统配准方法受到了研究者的广泛关注并取得很多进展，武汉大学的李加元教授博士学位论文《鲁棒性遥感影像特征匹配关键问题研究》可以作为多模态图像配准很好的参考。基于区域的多模态图像配准方法可以参考西南交通大学叶沅鑫教授的HOPC等论文。基于深度学习的图像配准方法，常见的是将将特征描述符使用深度学习网络获得，比如使用图像分类的卷积网络中的某几层的输出构建描述符，或者使用卷积网络匹配得到的特征描述符以增加匹配点对个数，再如，对于简单而又特殊的刚体变换，直接使用卷积网络预测刚体变换的参数，等等。