问：配准的优化算法
- 答：配准的优化算法，其实就是寻找目标函数的一组最优参数，涉及到寻找目标函数的最小值或者最大则团值。而目标函数，又被称为测度（Metrics），用来量化模型的最终结果。
均方差衡量了两幅图像之间的像素级的相似度，如下图所示，有ImageA和ImageB两张图像，册散对ImageA上的每一个像素点，通过寻找在ImageB上寻找该像素点差最小的像素点，通过不断的迭代，最终实现最优配准。
相对应的计算过程如下图：
如下图所示的，两幅图像中，有Fixed Image和Moving Image，在Fixed Image中有每一个像素点通过不断迭代，总能找到Moving Image中一个全局对应差值最小的像素点。
绘制迭代过程的3维图像如下所示，x 轴和 y 轴分别代表两幅图像的灰度分布，z轴对应了其出现的概率（可能性），如下图表示了两幅图像相关的灰度分布，又被称为灰度相关直方图，图像的全局最小值描述了图像在这一位置达到了最好的配准效果。
通过以上算法，虽然能够求得每个点与之相对应的最好的配准结果，但是通过对每个点求解全局最小值，复杂度太高，因此州盯氏，通过一些优化算法可以加速这一过程，如通过梯度下降法，可以通过，梯度的变化加速以上过程。
图像配准中，常用到的一些优化算法有：
关于梯度下降算法，在 单变量线性回归 的文章中，有过详细的介绍，在此，不再做过多的叙述。
问：图像配准的基本方式
- 答：图像配准的方式
图像配准的方式可扮棚以概括为相对配准和绝对配准两种：相对配准是指选择多图像中的一张图像作为参考图像，将其它的相关图像与之配准，其坐标系统是任意的。绝对配准是指先定义一个控制网格，所有的图像相对于这个网格来进行配准，也就是分别完成各分量图像的几何校正来实现坐标系的统一。本文主要研究大幅面多图像的相对配准，因此如何确定多图像之间的配准函数映射关系是图像配准的关键。通常通过一个适当的多项式来拟合两图像之间的平移、旋转和仿射变换，由此将图像配准函数映射关系厅洞则转化为如何确定多项式的系数，最终转化为如何确定配准控制点（RCP）。
图像配准方法
根据如何确颤核定RCP的方法和图像配准中利用的图像信息区别可将图像配准方法分为三个主要类别：基于灰度信息法、变换域法和基于特征法，其中基于特征法又可以根据所用的特征属性的不同而细分为若干类别。以下将根据这一分类原则来讨论已经报道的各种图像配准方法和原理。
问：怎么样实现图像配准呢 分块操作
- 答：设A图像为参考图像或基准图像，表示为 ，B为要进行校正后与A配准的图像，表示为 ，在A图像中选择几块包含特征信备态息丰富的小区域 作模板 ，戚晌在仿仔源 图像重叠部分选择一个 重叠区域作为模板的搜索区域 ，并使得 ，即 ，如图14－3所示。然后把每一个模板 放在与其对应的搜索区 中，通过两者的相对移动，在逐行逐列的每个位置上，计算 与其覆盖的搜索区 中那部分之间的相似性，产生出表明两者相似程度最大的函数值的位置 。设在待配准图像B搜索到的相似区域为 ，再以 为模板，再用同样的方法在参考图像中去搜索相似程度最大的函数值的区域 ，设定一个阈值Z，如果 ，则认为 和 重合，B图像中的位置 就是B图像与A图像 相匹配的位置；反之，则认为特征区域匹配不正确，即伪匹配。
