图像相似性准则

最近正在找一些图像相似性的衡量方法,找到了一个Orfeo工具箱,其中有篇文档简单介绍了用于图像配准的相似性度量的方法,记录一下,虽然不是我想要的。

一篇翻译,原文在这里

介绍

衡量两幅图像的相似性在图像分析中很常见。衡量可以局限于每幅图像的特定区域。图像相似性准则就是那些量化估计两幅图像或者图像中区域的相似性的方法。

这个技术是图像配准的基础,因为它提供了配准过程是否正确的信息。

医学图像和计算机视觉领域有很多图像相似性度量。没有合适的图像相似性度量,但可以为特定应用找到一个合适的度量集合。这和工具箱中的工具概念很相似,你需要几样工具因为没有一个工具可以完成另一个工具的工作。

下面的表格展示了图像相似性准则的对比。虽然这个对比不是很详尽,但至少对于哪种问题选择什么准则合适,可以提供一些帮助。

相似性准则

这个应该是图像配准问题中最关键的。它定义了这个问题的目标,衡量了一个目标物体与变换后的参考物体直接的相似性。选取准则要考虑配准物体和未配准目标的种类。有些准则使用很大的区域,意味着即使未配准率很高,也可以得到最优结果。一般这样的准则,精度很差。其他的准则有很高的配准精度,但常常需要初始化的参数离优化值很近。

如何选择一个准则并没有一个清晰的标准,这需要在不同条件下的尝试。在某些情况下,可以利用一种准则得到初始的近似变换,然后用另一个准则得到更精确的结果。

准则依赖于它比较的物体。这个工具集提供图像对图像点集对图像的匹配准则:

  • Mean Squares 灰度差的平方和。要求两个物体的灰度值范围一样。
  • Normalized Correlation 灰度值的相关性除以目标和参考目标的自相关行的平方根。允许配准物体的灰度值有线性变换。
  • Pattern Intensity Squared differences between intensity values transformed by a function of type 1/(x+1) and summed them up。这个准则的优势在于,可以同时增加,当有更多采样以及灰度值很接近时。
  • Mutual Information 相互信息是信息理论的一个概念。Mutual information between two sets measures how much can be known from one set if only the other set is known.(略过一些公式)可以选择相互信息准则配准不同形式的图像。