目前在图像的配准方面已开展了许多研究工作，提出了多种图像配准方法。据统计，在最近10年里，关于研究图像配准问题的学术论文至少有超过上千篇。仅2002年网上公布的美国申请专利中，与图像配准有关的就有超过50项，一些大型跨国企业（如IBM和GE等）甚至有自己专门研究图像配准问题的工作组。当前用于图像配准已有一些成型的软件，如MITK、MIAMI Fuse、AIR、SPM、VTK CISG软件包等，但这些软件主要用于医学领域。在最近的一些国际顶级学术会议上，关于图像配准的专题讲座层出不穷，这都说明了图像配准问题在目前和将来都将是科学研究的热点。59627

定义图像配准很简单，我们都能理解配准的原理，但是图像内部本身复杂的结构使得我们很难得到非常精确的配准，而且精确性也很难检验。综合已有文献，目前主要的配准算法大致可分为三类：

第一类：基于灰度的图像配准方法，这类方法只适合于同种传感器获取的图像，因为对比度差异或不同的灰度属性对这种方法的影响非常大。为了把这种方法扩展应用到不同传感器得到图像上，人们已经提出了一些基于图像互信息的配准方法，它们现在已经广泛的应用于医学图像的配准方面，但是由于这些方法需要估计概率密度，因而很耗时。

第二类是基于傅氏变换的图像配准方法，该类方法只适合配准灰度有线性变化的图像，例如低频噪声的图像或者由旋转平移和尺度变化引起的灰度改变的图像。

第三类是基于特征的配准方法，该类方法提取图像的显著特征，大大压缩了图像的信息量，使得计算量小，速度较快，对灰度变化有较强适应能力。但另一方面，正是由于只有部分的图像灰度信息被使用了，所以这类方法对特征提取和特征匹配的错误更敏感，需要可靠的特征一致性。这类方法主要有基于点特征、直线、边缘、轮廓和闭合区域的配准方法。

尽管国内外目前在图像的配准方面已开展了许多研究工作，提出了许多种图像配准方法，但仍存在着不少问题论文网，主要表现在：

(1)异构传感器图像配准技术。不同成像特性的图像传感器所获得图像的灰度和特征往往存在很大不同。目前的图像配准方法大多主要针对影像波段、分辨率、景物特征等一致或接近的图像。对于性质完全不同的传感器图像，或波段、分辨率、景物特征等差别大的图像之间的配准问题没有很好解决，更无法满足快速、自动配准的要求，难以满足大规模影像数据处理的需要。

(2)快速图像配准算法。在建立实时、准实时图像融合系统时，必须采用快速图像配准算法。如何提高配准处理速度，达到快速和实时的要求仍是图像配准的一大难题。

(3)高精度图像配准算法。多源图像配准作为图像融合的前提步骤，其精度直接影响融合效果。如多源遥感图像融合，其配准误差通常要求达到亚像素级、甚至深亚像素级。在实际应用中，由于图像受噪声影响大，利用图像景物特征配准时获取区域和边缘困难，或图像缺乏必需的地面特征点，实现高精度的图像配准难度很大。

(4)大失配条件下配准技术。当待配准图像之间存在大比例变化、旋转或平移，存在大的图像非线性畸变，或存在严重的几何校正残余误差等情况下，其配准也存在相当难度。一些算法在遇到以上情况时甚至无法完成配准。

由此，未来的图像配准将要求能满足大失配和异构传感器图像配准，进一步追求实时性、高精度和可靠性。随着新方法的不断出现，基于特征点的图像配准方法有良好的发展前景和应用前途。