1．2研究背景

国内外都有许多关于图像匹配技术的研究，这些研究也随着时间的推移不断改变，不断完善，直到1980年以后，才有越来越多的人们开始重视图像匹配技术，并发现了图像匹配技术的巨大前景和发展趋势。

图像匹配技术一般分为单模和多模，其中关于单模图像配准问题比较简单容易理解，所以已经基本解决了，所以很多学者开始着手研究多模问题，这个问题比较复杂，涉及的领域也比较全面。

图像匹配技术最早是一些欧美国家利用来进行航空飞行的定位和导航，重点考虑的是图像匹配技术的精准定位，速度性以及抗干扰的能力。现在国内关于图像匹配技术的研究也有所突破，比方说基于局部灰度极值[1]的配准方法,非刚性配准[2]—分割算法,图像配准在放疗中应用的关键问题[3]论文网

如今在图像处理，生物工程，交通系统等方面，图像匹配技术都应用广泛，已经渗透在我们生活的方方面面，我们现在手机也有指纹识别，门锁也有指纹识别和脸部识别，刷脸技术也在逐步完善。

灰度相关的配准方法是从待拼接图像[4]的灰度值出发，利用相同尺寸相同规模图像之间的数学关系，主要是利用最小二乘法误差平方和，最小误差函数计算其灰度值的差异，通过对比原始图和匹配图的差异，来判断两幅图的相似程度，从而是想基于灰度的图像匹配技术。本文主要是介绍了六种以灰度为基础的图像匹配技术，这六种方法分别是线匹配方法，块匹配方法，互相关法，最大互信息法，序贯相似性检测法，模板匹配法。简单的介绍了这六种方法的原理，并用MATLAB进行仿真了序贯相似性检测法和模板匹配法，通过分析图像匹配的结果，得出这两种方法的特点，其中模板法匹配方法原理简单，计算速度很快，一般光照良好的图片都可以快速进行匹配：受光照影响比较大，如果图像存在遮挡，可能无法识别；序贯相似性检测算法匹配时间比一般的匹配方法少很多，匹配速度快，计算量也少，定位很准确，匹配度比较高。

2图像匹配技术

图像匹配是利用一定的匹配算法在两幅以上的图像之间进行同名点。这种技术已经渗透在我们生活的方方面面，影响着我们的日常生活。一般来说，图像匹配技术分为以灰度为基础的匹配技术和以特征为基础的匹配技术，其中以灰度为基础的匹配技术直观性好，计算量比较小，应用更为广泛。本章主要是介绍关于图像匹配技术的一些基本知识，并引出基于灰度的图像匹配方法。

2．1图像匹配技术的概念

图像匹配[5]是一个对取自不同时间，不同传感器或不同视点的同一主体的多幅图像匹配的过程。

在原始图和匹配图这两幅图之间通过一定的算法识别它们之间的同名点[7]，就比如说利用原始图和匹配图之间相同的部分，利用对比两幅图之间大小相同的部分的相关性，然后找到两幅图之间的最大相似性，即相似性最大的区域就是两幅图的匹配区域。

假设fa(x,y)是原始图的灰度分布，fb(x,y)是匹配图的灰度分布，则有如下关系：

我们把n(x,y)定义为灰度噪声，dx(x,y)表示在距离。

2。2图像匹配技术的一般流程文献综述

每种图像匹配技术的流程都是有所差异的，但是大体上，所有匹配技术的流程都是相似的，一般我们会分成五个步骤。

以下是图像匹配的流程图：

图2。1图像匹配流程图

2。3图像匹配技术的方法分类

图像匹配主要可分为两类，一类是以灰度为基础的匹配，一类是以特征为基础的匹配。灰度匹配方法的基本思路为:利用一些数学方法和相关性来找寻图像之间的相关性，