张俊娜，穆华平

(1.河南师范大学计算机与信息工程学院，河南新乡453007;2.鹤壁职业技术学院，河南鹤壁458030)

1 前言

图像配准是将不同时间、不同成像设备或不同条件下(天候、照度、摄像位置和角度等)从同一场景拍摄的两幅或多幅图像通过像素的空间特征点变换模型，进行匹配、叠加使两幅图像在相同的位置具有灰度上的最大相似度，达到最佳对准［1］，图像配准有相对配准和绝对配准两种，相对配准是一张图像作为参考图像，其他多张图像将与之配准，坐标系统可任意变换;绝对配准所有的图像相对于原来规划的网格来进行配准，实现坐标的统一。图像配准可用于分析图像之间的相似度，在航空影像自动制图、图像三维重构、计算机视觉、遥感融合、模式识别等领域都有重要应用。

目前基于灰度信息的方法利用图像灰度的统计信息来度量图像的相似程度，但是不能直接用于校正图像的非线性形变，算法需要处理的数据量大［2］;基于图像特征的配准算法，利用图像上某些显著特征点、线、区域为配准基元，实现两幅图像之间逐像素的配准，但是异质图像的配准则是像素级精度，高精度的配准则不足［3］;基于对图像的理解和解释的配准算法，能自动识别相应像点，具有极高的可靠性和精度，涉及智能算法并依赖于算法的提高［4］。智能算法方面，目前应用比较多的是粒子群算法和云计算，粒子群算法具有易于实现的优点，但是存在早衰、陷入局部极值缺点，云计算具有随机性又有稳定倾向性的特性，构成定性和定量相互间的映射［5］。……