龚 伟，叶玉堂，张 睿，罗 颖

（电子科技大学 光电信息学院，四川 成都610054）

0 引 言

图像配准是对取自不同时间、不同传感器或者不同视角的同一场景的两幅图像或者多副图像匹配的过程，它被广泛的应用在遥感图像、医学影像、三维重构、机器人视觉等诸多领域中［1］。在需要结合多个图像数据源的图像分析任务中，图像配准是最为关键的一步［2］，直接关系着其后处理的效率和精确度。

目前图像配准的方法总的来说有3种：基于像素灰度的图像配准，基于特征的图像配准和基于其他理论的图像配准［3－4］。基于灰度 相 关 的 匹 配 算 法［5－6］直 接 利 用 全 部 可 用的图像灰度信息，因此能提高检测的精度和鲁棒性。但是它计算量大，难以达到实时性要求，而且一旦进入信息贫乏的区域，会导致误匹配率的上升［7］。基于图像特征的配准方法［8－9］提取了图像的显著特征，大大压缩图像的信息量，使得计算量小，速度较快，而且它对图像灰度的变化具有鲁棒性，目前被较为广泛的应用［7］。基于其他理论的图像配准包括基于模型的匹配技术、基于解释的图像匹配技术、基于神经网络的匹配方法［10］等。

由于传统的基于特征的图像配准算法所采用的特征点都需要经过大量的计算，比如边缘点、Sift角点、Harris角点等，并且在找到之后还需要利用较多补充信息进行特征点的匹配，在高分辨率图像或者复杂图像的配准上效率较低。为了降低算法的复杂度，提高图像配准效率，使图像的实时性检测得以实现，考虑到与模板相近似的目标图像采集过程中，平移、旋转以及缩放基本不改变图像表面的连通区域外形以及比例特征，因此本文针对具有复杂多连通区域的图像提出了基于连通区域特征的配准方法。……