Image Registration
Image Registration
复制标题
DOI：
10.1002/9780470872093.ch11
复制
发表时间：
2004
期刊：
影响因子：
--
通讯作者：
Nilanjan Ray
中科院分区：
文献类型：
--
作者：
Nilanjan Ray
本章除了阐述图像配准问题外，主要包括以下几个方面：1）基于水平集的相似性估计。我们使用快速水平集变换（参见TV最小化章节）从两幅图像中提取可靠的特征。对于每个特征，我们关联相似性不变量，然后我们考虑特征对（F1，F2），其中F1在图像1中，F2在图像2中，它们可以以相似性为模进行匹配。我们称这些配对为对应。这些对应投票的四个参数的全球相似性。获得最大投票数的四个参数的集合是估计相似度。2)投影配准。由于投影变形的新模型，即配准组，我们能够在消除纯投影变形（即2个参数）后，将投影匹配减少为相似性匹配。
Besides stating the problem of image registration this chapter is built on the following parts : 1) Similarity estimation by level sets. We use the Fast Level Sets Transform (see the chapter on TV minimization) to extract reliable features from both images. To each feature we associate similarity invariants, then we consider pairs of features (F1, F2), where F1 is in image 1 and F2 in image 2, that can match modulo a similarity. We call these pairs correspondences. These correspondences vote for the four parameters of the global similarity. The set of four parameters that gets the maximum number of votes is the estimated similarity. 2) Projective registration. Thanks to a new model for projective deformation, the registration group, we are able, after elimination of the pure projective deformation (i.e. 2 parameters), to reduce the projective matching to a similarity matching.