孙登第 ，罗 斌 ，卜令斌

（1.安徽大学 计算机科学与技术学院，安徽 合肥 230039；2.安徽省工业图像处理与分析重点实验室，安徽 合肥 230088）

图像配准是对同一场景在不同条件下（如不同的时间、拍摄环境、视角和传感器等）得到的两幅或多幅图像寻求某种空间上的变换，使一幅图像能够和另一幅图像上的对应点达到空间上的一致[1]。图像配准技术是图像处理与分析中的基本任务，已经在计算机视觉、图像融合、全景图像拼接、医学诊断与辅助治疗等众多领域得到广泛的应用[2-3]。

目前，图像配准方法大体分为基于灰度和基于特征两大类。基于灰度的方法建立图像间像素灰度值的目标函数，如互信息测度[4]，通过对目标函数的优化实现配准。该方法没有考虑像素的空间信息，在不同成像条件下的图像配准中，其精度较低、计算量大且配准时间长。

基于特征的配准方法先提取各个图像中的特征，再完成特征之间的匹配，通过匹配的特征建立图像间的映射变换，最后求出配准后的图像。特征点是该类方法最常使用的图像特征，其中BAY H等人提出的SURF（Speeded-Up Robust Features）算法是一种尺度空间的特征点描述方法[5]，对图像间的分辨率、旋转、平移和光照变化等保持不变，且时间复杂度低、速度较快。基于特征点的配准方法减轻了图像灰度差异和噪声的影响，缩短了配准时间。然而，特征点匹配问题本身就是一个尚未得到较好解决的难题，特征点的误匹配直接影响了图像的最终配准结果。……