张晓闻，任勇峰

中北大学 仪器与电子学院，太原030051

随着计算机及科学技术的飞速发展，与图像处理相关的各种应用也越来越受研究学者的追捧。图像处理可广泛用于航空航天[1]、国防建设[2]、医疗诊断[3]、机器视觉[4]等各个方面。图像匹配方法主要是用于图像预处理后，图像拼接、图像融合、图像理解等环节。研究学者们已经提出了各种不同的匹配方法，大体可以分为以下几类：基于解释的匹配方法、基于特定理论的匹配方法、基于灰度像素信息的匹配方法、基于亚像素的匹配方法和基于特征的匹配方法。基于解释的图像匹配[5]核心是基于图像的关系结构进行匹配，该方法的优点是计算量小，但同时使得结构之间的关系表述不全面，并且缺乏一套完善的衡量体系。因此，该种方法并未取得突破性进展；基于特定理论的图像匹配，顾名思义是与目前现有的特定理论进行结合而进行的匹配，常见的特定理论有神经网络[6]和小波变换[7]等。这些方法的决定因素是根据特定理论进行的，会加入学习或迭代等过程，在进行图像匹配时会花费大量的时间。因此，实用性和实时性相对较差；基于灰度像素信息的匹配[8]核心技术是图像相关技术，目前提出了各种快速匹配的方法，但是相比较其他方法，该方法的匹配精度不高，而且在实际工作中会出现实时性差等问题，该方法灵活性较低，因此很少被应用到实际问题。基于亚像素的匹配方法[9]的匹配像元是基于图像的亚像素进行，经过图像信息比对，粗略信息和精细信息匹配等过程后，计算像元偏移量。……