图像配准算法

1. Demons算法是不是只适用于单模态图像配准多模态的图像配准可以吗

可以的，我把资料给你发过去了

2. 图像配准技术及其MATLAB编程实现的图书目录

第1章 绪论
1.1 图像配准原理
1.2 图像配准的基本框架
1.3 配准方法分类
1.4 常用的图像配准技术
1.5 图像配准与融合的意义
1.6 图像配准与融合技术的应用
第2章 数字图像
2.1 X线影像
2.2 CT影像
2.3 MRI检查技术
2.4 SPECT成像
2.5 PET成像
2.6 超声成像
2.7 SPOT影像
第3章 特征空间
3.1 点检测
3.2 线检测
3.3 Hough变换
3.4 边缘检测
第4章 搜索空间
4.1 平移变换
4.2 旋转变换
4.3 缩放变换
4.4 综合变换
第5章 灰度级插值技术
5.1 最近邻插值法
5.2 双线性插值法
5.3 立方卷积插值法
5.4 PV插值法
第6章 搜索策略
6.1 一维搜索算法
6.2 Powell算法
6.3 遗传算法
6.4 蚁群算法
第7章 相似性度量
7.1 最大互信息测度
7.2 AM测度
第8章 图像配准实例
8.1 配准算法
8.2 Matlab编程实现
8.3 程序运行界面及结果
附录A 本书使用的工具箱函数
附录B Matlab 7.0图像处理工具箱函数
参考文献

3. 跪求：基于SIFT的图像匹配算法研究MATLAB程序

请问楼主问什么这个代码里运行那个例子的时候总出现Undefined function or method 'detect_features' for input arguments of type 'uint8'.Error in ==> script_example at 12[features1,pyr1,imp1,keys1] = detect_features(img1);是我运行错了吗？应该怎么做？

4. opencv关于像素点的图像匹配算法

首先，建议你将图像中感兴趣区域（比如上图中的字母）取出来进行归一化，然后在进行匹配率计算。这是因为周围环境会对匹配率产生影响。
其次，建议你将匹配率算法改成Hausdorff距离https://en.wikipedia.org/wiki/Hausdorff，这样对图像有些平移什么的都不怎么敏感了。

5. 图像比对的原理或者算法

有噪声情况下。1、配准；2、两张图的图像块分别计算特征（lbp,sift等）；3、计算特征的距离（欧式距离等）。在matlab或opencv下都可以。

6. 图象匹配比值算法

自相关比值模板匹配算法

7. 如何比较SIFT，SURF，Harris-SIFT图像匹配算法性能

先建立DoG尺度空间，然后确定S的值，最后比较DoG尺度空间中每个像素点和它邻近的26个点，确保尺度空间和二维图像空间都检测得到极值点，这些像素点的集合就是候选的关键点了。

8. 图像匹配的算法

迄今为止，人们已经提出了各种各样的图像匹配算法，但从总体上讲，这些匹配算法可以分成关系结构匹配方法、结合特定理论工具的匹配方法、基于灰度信息的匹配方法、基于亚像元匹配方法、基于内容特征的匹配方法五大类型 基于内容特征的匹配首先提取反映图像重要信息的特征，而后以这些特征为模型进行匹配。局部特征有点、边缘、线条和小的区域，全局特征包括多边形和称为结构的复杂的图像内容描述。特征提取的结果是一个含有特征的表和对图像的描述，每一个特征由一组属性表示，对属性的进一步描述包括边缘的定向和弧度，边与线的长度和曲率，区域的大小等。除了局部特征的属性外，还用这些局部特征之间的关系描述全局特征，这些关系可以是几何关系，例如两个相邻的三角形之间的边，或两个边之间的距离可以是辐射度量关系，例如灰度值差别，或两个相邻区域之间的灰度值方差或拓扑关系，例如一个特征受限于另一个特征。人们一般提到的基于特征的匹配绝大多数都是指基于点、线和边缘的局部特征匹配，而具有全局特征的匹配实质上是我们上面提到的关系结构匹配方法。特征是图像内容最抽象的描述，与基于灰度的匹配方法比，特相对于几何图像和辐射影响来说更不易变化，但特征提取方法的计算代价通常较，并且需要一些自由参数和事先按照经验选取的闭值，因而不便于实时应用同时，在纹理较少的图像区域提取的特征的密度通常比较稀少，使局部特征的提 取比较困难。另外，基于特征的匹配方法的相似性度量也比较复杂，往往要以特征属性、启发式方法及闭方法的结合来确定度量方法。基于图像特征的匹配方法可以克服利用图像灰度信息进行匹配的缺点，由于图像的特征点比象素点要少很多，因而可以大大减少匹配过程的计算量同时，特征点的匹配度量值对位置的变化比较敏感，可以大大提高匹配的精确程度而且，特征点的提取过程可以减少噪声的影响，对灰度变化，图像形变以及遮挡等都有较好的适应能力。所以基于图像特征的匹配在实际中的应用越来越广-泛。所使用的特征基元有点特征明显点、角点、边缘点等、边缘线段等。

9. 基于边缘检测的图像配准（matlab）

边缘配准还是有难度的，毕竟边缘上的点不是一一对应的