以高空间分辨率的全色图像与高光谱分辨率的多光谱图像进行像素级双源融合为例, 详细地总结了卫星 多源遥感图像融合领域像素级融合的步骤、基本融合模型和优缺点, 重点分析了各种常见像素级融合方法的原 理和特点, 并归纳了像素级融合结果的主客观评价标准和评价方法, 以及像素级融合的主要应用领域, 最后讨论 了像素级融合目前存在的问题和今后的发展方向

matlab实现图像的配准，手动选点

《Automatic Panoramic Image Stitching using Invariant Features》 MATTHEW BROWN∗ AND DAVID G. LOWE 给出的全景自动拼接软件，和论文相配套，特别好用！！！

一种基于FFT得快速图像匹配 matlab 带有图片 可运行

arcgis批量配准，快速批量配准，工作上常用到

图像配准资料，综述近年来图像配准方面的文献资料，比较全。

PCL1.8.0+VS2013编写，利用ICP进行粗略配准，利用NDT进行精确配准，当两个点云重叠率较大时有较好的效果，点云数据是用bun000和bun045，今后可能会上传NDT+ICP进行配的代码。

运用matlab对两幅图像进行，该代码主要实现对平移图像的匹配，最终课计算出平移量

在计算机视觉领域，图像配准是一项关键任务，它涉及到将多张图像对齐，以便进行比较、融合或分析。OpenCV（开源计算机视觉库）提供了一系列工具和算法来执行这项工作，其中包括相位相关法。本文将深入探讨如何利用OpenCV实现相位相关图像配准，并详细介绍相关知识点。 相位相关是一种非像素级对齐技术，它通过计算两个图像的频域相位差异来确定它们之间的位移。这种方法基于傅里叶变换理论，傅里叶变换可以将图像从空间域转换到频率域，其中图像的高频成分对应于图像的边缘和细节，低频成分则对应于图像的整体结构。 我们需要理解OpenCV中的傅里叶变换过程。在OpenCV中，可以使用`cv::dft`函数对图像进行离散傅里叶变换。这个函数将输入的图像转换为频率域表示，结果是一个复数矩阵，包含了图像的所有频率成分。 然后，为了进行相位相关，我们需要计算两个图像的互相关。这可以通过将一个图像的傅里叶变换与另一个图像的共轭傅里叶变换相乘，然后进行逆傅里叶变换得到。在OpenCV中，可以使用`cv::mulSpectrums`函数来完成这个步骤，它实现了复数乘法，并且可以指定是否进行对位相加，这是计算互相关的必要条件。 接下来，我们获得的互相关图在中心位置有一个峰值，该峰值的位置对应于两幅图像的最佳位移。通过找到这个峰值，我们可以确定图像的位移量。通常，这可以通过寻找最大值或最小二乘解来实现。OpenCV提供了`cv::minMaxLoc`函数，可以帮助找到这个峰值。 在实际应用中，可能会遇到噪声和图像不完全匹配的情况。为了提高配准的准确性，可以采用滤波器（如高斯滤波器）预处理图像，降低噪声影响。此外，还可以通过迭代或金字塔方法逐步细化位移估计，以实现亚像素级别的精度。 在实现过程中，需要注意以下几点： 1. 图像尺寸：为了进行傅里叶变换，通常需要将图像尺寸调整为2的幂，OpenCV的`cv::getOptimalDFTSize`函数可以帮助完成这一操作。 2. 零填充：如果图像尺寸不是2的幂，OpenCV会在边缘添加零，以确保傅里叶变换的效率。 3. 归一化：为了使相位相关结果更具可比性，通常需要对傅里叶变换结果进行归一化。 一旦得到配准参数，可以使用`cv::warpAffine`或`cv::remap`函数将一幅图像变换到另一幅图像的空间中，实现精确对齐。 总结来说，OpenCV提供的相位相关方法是图像配准的一种高效工具，尤其适用于寻找微小的位移。通过理解和运用上述步骤，开发者可以在自己的项目中实现高质量的图像配准功能。

ICP点云配准算法，基于Python实现 ICP点云配准算法，基于Python实现