对于图像匹配技术，国内外已经研究了很多方面，有基于图像灰度方面的，也有基于图 像特征方面的[2]。其中，国外的 A 。Averbuch 为了得到图像间的位相相关函数且是归一化的，而利用快速傅 立叶变换，并用 Fourier 系数计算得到移相函数，并且利用最小平方估计迭代法，算出图像间 亚像素级精度的平移量[3]。Leila M。G。Fonseca 和 Jun-wei Hsieh 等人采用了小波变换理论对图 像进行多尺度分析，并提取图像特征，即该图像的边缘点[4-5]。PE Anuta 研究了采用 FFT 对图 像进行互相关检测[6]。Wells W 等利用多源图像的最大互信息，将它们进行配准[7]。Gaens T 也利用了图像的互信息很好地解决了多模态且非刚性图像之间的配准问题[8]。Kitchen 和 Rosenfeld 探讨了如何用二阶微分法来提取图像角点[9]。Moravec[10]提出了直接利用图像的灰度 自相关函数从图像中提取图像角点的算法，被称为 Moravec 算子；Harris 等[11]对 Moravec 算 子进行了改进，使得该算法对于图像的旋转变化具有不变性，被称为 Harris 算子；Smith 等 [12]提出的一种基于统计学角度的更加接近人类视觉察觉过程的经典的角点检测算法 SUSAN 算 法； Brown 等[13] 在 2003 年提出了一种完全自动并且效果相比之前算法较好的基于 SIFT（Scale-Invariant Feature Transform，SIFT）不变量技术的图像配准算法；Lowe[14]在 2004 年提出了完整的 SIFT 算法，该算法将特征点检测、特征点的描述和匹配作为一个统一的过程； Lowe[15]提出尺度不变特征检测的方法，在高斯差分尺度空间找到极值点作为特征点，提高了 提取特征的速度，该方法检测出的特征点在图像尺度变化、旋转、视角变化和光照变化的条 件下都具有较好的不变性，在特征提取工作中具有非常重大的意义；Bay 等[16]提出了一种被 称为 SURF 的算法，它是对 SIFT 算法的改进。文中对 SURF、GLOH（Gradient Location and Orientation Histogram）、SIFT、PCA-SIFT 等几种算法进行比较，结果显示，SURF 在各方 面均靠近或超过 SIFT 的性能，而且计算速率是 SIFT 的 3 倍左右；77981

而在国内。1997 年，汪小睿等分别用序贯相似性检测（SSDA）和标准化产品相关的两 个类似的措施，建立了模板图像和输入图像之间的相似性度量[17]，然后用模拟退火算法搜索 最优迅速准确地找到最佳匹配点。2004 年，赵向阳、杜立民提出了一种基于特征点匹配的图 像自动拼接算法[9]，其中使用了 Harris 算法[18]提取角点并进行匹配。这个算法可以更稳健的 进行算法配准，鲁棒变换估计技术是这个方法的基础。但是这个方法也是有弊端的，就是计 算的速度相对一般的算法慢了很多。刘贵喜等[19]提出了一种基于特征和灰度结合的配准方法， 该方法使用 Harris 算法提取角点，利用单演相位相关建立初始匹配集合，再利用 RANSAC论文网

（Random Sample Concensus，RANSAC）去除误匹配点；文杨天等[20]采取简化的 SUSAN 算子 检测刚体的特征点，通过特征点和刚体形状稳定的特征，利用特征点对的几何关系实现图像 配准。陈裕等[21]利用 SIFT 算法和马氏距离进行图像配准，提高了特征点的匹配正确率；张锐 娟等[21]用 SURF 算法以及最近邻匹配策略分别对不同类型的图像完成了配准过程，均达到了较好的效果。阮芹等[22]在 SURF 算法基础上加入了 BBF（Best-Bin-First）搜索策略提高了特征 点匹配的速度。