图像配准(互信息)

图像配准1.配准的方法分类1.1基于灰度信息的方法1.2基于变换域的方法1.3基于特征的方法基于灰度信息的配准利用图像本身具有的灰度统计信息来度量图像的相似度，采用一定的搜索算法使相似度量最大的变换形式，达到配准图像的目的。互信息的概念用于描述两个系统间的信息相关性，或者一个系统所包含的另一个系统中信息的多少，它可以用熵来表示。互信息配准熵一个信源A输出N个消息，其中n个不同的消息，第i个消息（i=1,2,….n)重复则为每个输出消息的重复频率，故可用概率替换，即，则该信源的平均信息量即熵为：/ihNih1()logniiiHAppiiphN互信息配准联合熵联合熵H(A,B)是检测随机变量A和B相关性的统计量。对于两个随机变量A、B,它们的概率分布分别为和，联合分布为，则它们的联合熵为：()Apa()Bpb(,)ABpab1(,)(,)log(,)nABABiHABpabpab互信息配准互信息I(A；B)=H(A)+H(B)-H(A,B)=H(A)-H(A|B)=H(B)-H(B|A)H(A|B)为系统B已知时系统A的条件熵|,(|)(,)log()aABABbabHABpabpa互信息配准互信息的另一数学表达式是图像联合灰度概率分布11(,)(;)(,)log().()IJijijijijpabIABpabpapb11()(,),()(,),IJkkjjkjijpapabpbpab1,2,..1,2,.((,))iIjJijpab互信息配准基于互信息的图像配准就是寻找一个空间变换关系，使得经过该变换后两幅间的互信息达到最大。1.确定空间变换形式2.对变换后的非整数坐标上点进行灰度插值，计算两幅图像间的互信息3.通过优化算法，使互信息达到最大值互信息配准试验测试1.仿射变换和双线性插值，穷举搜索试验结果互信息配准互信息配准下阶段工作：1.测试仿射变换、PV插值和powell搜索最佳参数（重要之处PV插值优越于其它插值方法）2.互信息和变换域相结合的方法Matlab工具箱imageregistration(见MatlabHelp）1.cp2tform包括linearconformal(线性正投影）affine(仿射）projective（投影）polyomial(多项式）piecewiselinear(分段线性）lwn(局部加权平均）2.Cpselect（控制点选择工具）