基于灰度的图像匹配研究样本
一种新的基于灰度的图像匹配方法
４ 算法实验结果
为 了 验 证 新 算 法 的 有 效 性 ， 本 文 进 行 了 实 验 （ Ｐｅｎｔｉｕｍ（Ｒ） ４
的 机器 ， ＣＰＵ 主 频 为 １．５０ＧＨＺ） ， 将 新 算 法 和 广 泛 使 用 的 Ｈａｕｓ－ ｄｏｒｆｆ 距离方法进行比较。实验用两幅不同模态的同一区域的光 学 图 像 ｉｍｇ１（ 图 １） 和 ＳＡＲ 图 像 ｉｍｇ２， 大 小 为 的 ｉｍｇ１ 作 为 基 准 图， 在 ｉｍｇ２ 上 多 次截 取 大 小为 的 图 像 作 为 待 匹 配 图 像 ， 进 行 多
全不相关时， 取值接近于 ２。我们的目的是找到 Ｓ（ｘ，ｙ）的最小值。
３．３ 种群初始化和选择机制
一 般 的 种 群 初 始 化 都 是 采 用 随 机 选 取 。考 虑 到 初 始 种 群 的
质量会影响到后代的质量， 进而影响到我们算法的收敛。我们 采用了择优初始化方法， 先随即产生 ｎ 个位置， 求取它们适应 度函数值的均值 ｍ 作为后来选取种群的门限。大于门限 ｍ 的 被选择为初始种群中的个体， 直到选择量达到设定的值 Ｎ 为
假设表示待匹配图像， 其大小为
；Ｂ（ｘ，ｙ）表 示 基 准 图
像 上 以（ｘ，ｙ）为 左 上 角 的 在 其 范 围 内 的 大 小 为
的一幅截取
图。这样我们定义我们的适应度函数如下：
（６）
根据分析可以知道适应度函数随两幅图像之间的相关程
度增加而递增， 当两幅图像完全相关时， 取值为 ０； 两幅图像完
－２９６－ ３６０元 ／ 年 邮局订阅号： ８２－９４６
《 现场总线技术应用 ２００ 例》
您的论文得到两院院士关注
图像处理
差分别为
和 ， 同理定义 Ａ 相对于 Ｂ 灰度值为 ｎ 的对
基于灰度和几何特征的图像匹配算法研究
河北工业大学硕士学位论文基于灰度和几何特征的图像匹配算法研究姓名:宋晓闯申请学位级别:硕士专业:计算机应用技术指导教师:于明20081101河北工业大学硕士学位论文基于灰度和几何特征的图像匹配算法研究摘要图像匹配是计算机视觉和图像处理领域一项重要的研究工作,本文主要对图像匹配领域进行了深入细致的研究。
本文主要研究了两类图像匹配算法:基于灰度信息的算法和基于特征的匹配算法。
对基于灰度信息的算法,主要研究了两种算法,一种是对传统算法进行研究,提出了一种改进的互相关匹配算法,另一种是根据图像编码的思想,对图像进行分块,重点研究了基于灰度值编码的匹配方法。
实验表明,此算法在遥感图像和工件字符定位方面,尤其是在复杂背景(目标与背景难分离下,算法都具有很强的鲁棒性和稳定性。
对基于特征的匹配算法,主要研究了HU不变矩、圆形度、矩形度等几何特征,最后选取几种特征作为特征参数,运用基于欧式距离的匹配方法进行匹配. 对二百多个样本图像进行测试,匹配成功率达到了92.5%。
得到了很好的实验效果。
关键词:计算机视觉模板匹配图像处理互相关i基于灰度和几何特征的图像匹配算法研究The Study of Image Matching Algorithms Based On Gray Value andGeometric FeaturesABSTRACTImage matching is an important research topic in computer vision and image processing. A great deal of work is done in the field of image matching in the paper.It studied two types of image matching algorithms in the paper. gray-scale information-based algorithm and feature-based matching algorithm. About the algorithm based on the information of gray–scale, it mainly studied two algorithms, Firstly it studied the traditional algorithm, Then one new improved cross-correlation algorithm was proposed. The other is based on the thinking of image coding. This algorithm divided the image into certain size blocks called R-block. It focused on the algorithms of gray value image coding. Through t he experiments, It is found that the algorithm had a very strong robustness and stability ,When it was used in remote sensing images and Optical Character positioning, particularly in the Complex background(with the background of the difficult goal of separation. About the feature-based matching algorithm, Firstly, it mainly studied HU invariant moments, elongated-ness, roundness and other geometric features. Finally it selected a few features from them as the features of the parameters. Then it was calculated and matched with the algorithm based on template matching of Euclidean distance. Two hundred of samples was tested and experimented, and the average accuracy rate is 92.5%. The result shows that the system is good enough to meet the needs of real-time reaction and high recognition rate.KEY WORDS: computer vision,template matching, image pre process, correlationii原创性声明本人郑重声明:所呈交的学位论文,是本人在导师指导下,进行研究工作所取得的成果。
基于图像灰度的模板匹配方法
基于图像灰度的模板匹配方法图像匹配技术是数字图像信息处理和计算机视觉领域中的—个基本问题，并在卫星遥感、空间飞行器的自动导航、武器投射系统的末制导和寻的、光学和雷达的图像目标跟踪、地球资源分析与检测、气象预报、医疗诊断、文字读取以及景物分析中的变化检测等许多领域中得到广泛应用㈣。
一般来说，由于图像在不同时间、不同传感器、不同视角获得的成像条件不同，因此即使是对同一物体，在图像中所表现出来的几何特性、光学特性、空间位置都会有很大的不同，如果考虑到噪声、干扰等影响会使图像发生很大差异，图像匹配就是通过这些不同之处找到它们的相同点。
图像匹配算法主要分为两类口：一类是基于灰度匹配的方法；另一类是基于特征匹配的方法。
前者主要用空间的一维或二维滑动模板进行图像匹配，不同算法的区别主要在模板及相关准则的选择方面，这类方法一般匹配率高，但计算量大，速度较慢；后者则通过在原始图像中提取点、线、区域等显著特征作为匹配基元，进而用于特征匹配，一般匹配速度较陕，但匹配精度不一定高。
1.概念解释：①数字图像:数字图像是由被称做像素的小块区域组成的二维像素矩阵。
一般把图像分成3种形式：单色图像，灰度图像和彩色图像。
②像素：表示图像颜色的最小单位③灰度图像：灰度图是指只含亮度信息，不含色彩信息的图像，就像平时看到的黑白照片：亮度由暗到明，变化是连续的。
灰度图的每个像素的亮度用一个数值来表示，通常数值范围在0—255之间，即可用一个字节来表示，0表示黑，255表示白，而其他表示灰度。
④点阵图:显示器的屏幕由可以发光的像素点组成. 并且从几何位置看, 所用这些像素点构成一个矩形的阵列.利用计算机控制各像素点按我们指定的要求发光,就构成了我们需要的图形.这种方式构成的图形我们可称之为点阵图形.⑤点阵图形的坐标系统：各像素点有一个坐标唯一指定了它的位置.如果点阵图形的大小是N ×M, 那么它的点阵共有M 行N 列, 每个像素点的位置就由它所在的行和列的位置所唯一确定. 这个行和列的位置就给出了点阵图形的坐标系统. 按照前面的顺序, 第m 行, 第n 列的像素点顺序数就是m+(n-1)N.反之, 顺序数为s 的像素点在第s Mod N 行, 第Int(s/N ) + 1列, 这里的s Mod N 是s 除以N 后的余数, Int( s/N ) 是s/N 的整数部分.需要注意的是第m 行, 第n 列的像素点的坐标可能不是(m; n), 而是(m-1; n-1). 这是因为有时为了在计算机中处理的方便, 像素点的行列的排序不是从1, 而是从0开始的. 我们常用的显示器的像素坐标就是如此.2．数字图像匹配算法设计：在此软件中我采用了两种图像匹配算法：①基于灰度的模板匹配算法②基于灰度的快速匹配算法。
图像匹配算法的研究进展
图像匹配算法的研究进展一、本文概述随着信息技术的飞速发展，图像匹配算法在诸多领域，如人脸识别、物体追踪、自动驾驶、医学影像分析以及遥感图像处理等，都发挥着越来越重要的作用。
图像匹配算法的核心在于通过一定的算法和策略，从大量图像中快速准确地找到目标图像，或者从同一场景的不同图像中找出相似或相同的部分。
本文旨在探讨图像匹配算法的研究进展，包括经典的算法、新兴的算法以及它们在不同领域的应用。
我们将回顾传统的图像匹配算法，如基于特征的方法、基于灰度的方法等，分析它们的优缺点以及适用场景。
然后，我们将重点介绍近年来兴起的深度学习在图像匹配领域的应用，包括卷积神经网络（CNN）、孪生网络（Siamese Network）等，以及它们在提高匹配精度和效率方面的突出表现。
我们还将讨论图像匹配算法在实际应用中面临的挑战，如光照变化、视角变化、遮挡等问题，以及针对这些问题的解决方案。
我们将展望图像匹配算法的未来发展趋势，包括算法性能的进一步提升、多模态图像匹配的研究、以及在大规模图像数据库中的应用等。
通过本文的综述，我们希望能够为读者提供一个全面而深入的图像匹配算法研究进展的概览，同时也为相关领域的研究人员提供有益的参考和启示。
二、图像匹配算法的基本原理图像匹配算法是计算机视觉领域的一个核心问题，它旨在从大量图像中找出具有相似性或相关性的图像。
这些算法的基本原理主要基于特征提取和相似性度量两个方面。
特征提取是图像匹配算法的首要步骤。
在这一过程中，算法会从图像中提取出关键信息，这些信息通常是对图像内容的抽象描述，如边缘、角点、纹理、颜色分布等。
这些特征的选择对后续的匹配效果至关重要，因为它们需要既能代表图像的主要内容，又具有一定的鲁棒性，能够在不同的光照、视角、尺度等条件下保持一致。
相似性度量是图像匹配算法的另一关键步骤。
在提取了特征之后，算法需要一种方法来量化两个图像之间的相似性。
常见的相似性度量方法包括欧氏距离、余弦相似度、汉明距离等。
一种基于灰度投影块匹配算法的电子稳像方法
值 ， 为 第 ｋ帧 图像 第 行 的灰 度 投影 值 ， Ｇ （） Ｇ （，）
为第 ｋ帧图像 上 （，） 置 处的像 素灰 度值 。 位 ② 相关计 算 将 第 点帧 图像 的行 、 灰度 投 影 曲线 与 参考 帧 图 列 像 的行 、 列灰 度投 影 曲线 做互 相关 运算 ， 根据 两条相关 曲线 的波谷值 即可确定 当前 帧图像 相对 于参考 帧 图像 的行 、 位移 矢量值 。 式为进 行行 相关 运算 的计 算公 列 下
式 （ ） ， ． 为第 ｋ帧 图像 第 列 的灰 度 投 影 ４ 中 Ｇ （） 『
索 区域 内所有 的候 选块 中 ， 出于前 一 帧参 考块 在 某 找 匹配 准则 下 最相似 的块 ， 即匹配块 ， 考块 与其 匹配块 参
之 间 的相对 位移 即为该块 的运动矢 量 。 最 佳 匹配可 以通过使某 一 目标 函数最 小或最 大而 求 出 ， 用 的 目标 函数 有 绝 对 误 差 和 （ ＡＤ， ｕ ｆ 常 Ｓ Ｓ ｍ ｏ
一
种 基 于 灰 度 投 影 块 匹 配 算 法 的 电 子稳 像 方 法
向量 。全 局块 匹配法 的实 现过程 如 图 １ 示 。 引 所
当前 帧 （）
现过 程 可 由两 个 主要 的步 骤 组成 ， 图像 的灰度 映 射 即 和相关 计算 。
①灰 度映 射
搜 索 块
把 每 一 帧 图像 灰 度 值 映射 成 两 个 独 立 的一 维 波 形， 即把两 维 图像信息 用两 个独 立 的一维 信息来 表示 。 其 投 影公式 可表 示为 ：
Ｍ ＳＥ（ ｘ ） １ ＃ ， ＝ ）
基于Harris角点的图像匹配算法
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ：Ａ ｎ ｅ ｗ ｈ ｉ ｇ ｈ－ｓ ｐ ｅ ｅ ｄ ｉ ｍａ ｇ ｅ ｍａ ｔ ｃ ｈ ｉ ｎ ｇ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ｂ ａ ｓ ｅ ｄ Ｏ ｉ ｌ ｆ ｅ ａ ｔ ｕ ｒ ｅ ｐ ｏ ｉ ｎ ｔ ｉ ｓ ｐ ｒ ｅ ｓ ｅ ｎ ｔ ｅ ｄ．Ｔ ｈ ｅ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ｃ ｏ ｍｂ ｉ ｎ ｅ ｓ ｃ ｏ ｉ ｎｅ ｒ ｆ ｅ ａ ｔ ｕ ｒ ｅ ｓ ｗｉ ｔ ｈ ｇ ｒ ａ ｙ ｖ ａ ｌ ｕ ｅ ｆ ｅ ａ ｔ ｕ ｒ ｅ ｓ ．Ｈａ ｒ ｒ ｉ ｓ ｃ ｏ ｒ ｎ ｅ ｒ ｐ ｏ ｉ ｎ ｔ ｂ ａ ｓ ｅ ｄ ｏ ｎ ｔ ｈ ｅ ｇ ｒ ａ ｙ ｖ ａ ｌ ｕ ｅ ｃ ｈ ａ ｒ ａ ｃ ｔ ｅ ｒ ｉ ｓ ｔ ｉ ｃ ｓ ｉ ｓ ｄ ｅ ｆ ｉ ｎ ｅ ｄ．Ｉ ｔ ｔ ａ ｋ ｅ ｓ ｆ ｕ ｌ ｌ ａ ｄ ｖ ａ ｎ ｔ ａ ｇ ｅ ｏ ｆ ｇ ｒ ａ ｙ ｖ ａ ｌ ｕ ｅ ｏ ｆ ｔ ｈ ｅ ｃ ｏ ｒ ｎ ｅ ｌ ’ｐ ｏ ｉ ｎ ｔ ａ ｎ ｄ ｇ ｒ ａ ｙ ｖ ａ ｌ ｕ ｅ ａ ｒ ｏ ｕ ｎ ｄ ｔ ｈ ｅ ｃ ｏ ｒ ｎ ｅ ｒ ｐ ｏ ｉ ｎ ｔ ａ ｎ ｄ ｐ ｏ ｓ ｉ ｔ ｉ ｏ ｎ ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ ｔ ｏ ｍａ ｔ ｃ ｈ ．Ｅ ｘ ｐ ｅ ｒ ｉ ｍｅ ｎ ｔ ｒ ｅ ｓ ｕ ｌ ｔ ｓ ｈ ｏ ｗｓ
摘 要 ：提 出 了 新 的 基 于 特 征 点 的 高 速 图 像 匹 配 算 法 。 该 算 法 把 角 点 特 征 和 灰 度 值 特 征 结 合 起
来， 定 义 了 一 种 基 于 Ｈａ ｒ ｒ ｉ ｓ角 点 的 灰 度 值 特 征 ， 并 充 分 利 用 角 点 灰 度 值 以 及 角 点 周 边 灰 度 值 和 位 置 信
改进的归一互相关法的灰度图像模板匹配方法_陈丽芳
1
以灰度为基础的匹配
灰度匹配的基本思想： 以统计的观点将图像看成是二维 信号， 采用统计相关的方法寻找信号间的相关匹配。利用两 个信号的相关函数， 评价它们的相似性以确定同名点。 基于灰度的匹配方法是直接利用图像的灰度值度量两幅 图像之间的相似性， 用某种相似性度量， 判定两幅图像中的对 应关系。灰度信息匹配方法只对图像的灰度进行处理， 避免 了主观因素的影响， 可以实现完全自动的匹配。
4 改进传统 NC 算法的搜索策略
传统的模板匹配的基本算法就是将模板图在搜索图上遍 历所有可能的位置， 从中找出相关度最大位置即认为是匹配 位置。由于传统做法需要遍历所有点， 当模板图很大的情况 下， 显然其计算量是相当大的， 要加快运算速度比较有效的方 法是减少搜索位置和每个位置处的计算量， 所以提出了变换 模板图和改变搜索步长的方法来加快匹配的速度， 并通过实 验验证了该方法的准确性和快速性。 （1） 变换模板 变换模板图存在两种情况： 一种是参考图和模板图都比 较大的情况， 先按照一定的比例同时缩小参考图和模板图， 寻 找出大概位置后， 从原始参考图中截取参考图的有效性区域， 利用有效性区域和原始模板图进行匹配； 另一种是当模板图 比较大的情况下， 根据一些明显特性， 利用手工比对的方法先 把模板图的特征区域截取出来， 利用特征区域模板图和参考 图进行匹配， 得到参考图的候选区域， 最后再利用原始模板图 和候选区域进行匹配得到所要的结果。 （2） 改变搜索步长 传统模板匹配， 都是遍历每点， 这样会浪费大量的时间在
基金项目： 江苏省科技厅基金项目 （No.SBE200800983） ； 江南大学自主科研计划 （No.JUSRP30909） 。 作者简介： 陈丽芳 （1973—） ， 女， 硕士， 副教授， 主研方向： 图像处理、 计算机应用； 刘渊 （1967—） ， 男， 硕士， 教授； 须文波 （1946—） ， 男， 博导。 E-mail： may7366@ 收稿日期： 2011-02-25； 修回日期： 2011-04-28
基于子图灰度比较的匹配模板选取算法
基于子图灰度比较的匹配模板选取算法洪寒冰【期刊名称】《激光与红外》【年(卷),期】2011(041)010【摘要】In order to reduce the time of matching template selection,a novel algorithm based on sub-image coding by comparison of gray scale is presented. Firstly,every sub-image was divided into 2×2 blocks equally. Then,by comparing the gray scale of the 4×4 blocks including the sub-image and its neighborhood, an 80-bits-binary-code is given to this sub-image. The next step is to find out the least repeated code and chose the obverse sub-image or the sub-images with the highest image variance as the image matching template. Verified by time analyses and simulation experiments, the aforementioned algorithm has less time complexity than several commonly used algorithms.%为降低图像匹配模板选取算法的时间复杂度,提出一种基于子图灰度比较编码的图像匹配模板选取算法.首先将子图等分为2×2子块,以子图及邻近区域的4×4子块的灰度比较关系为子图赋予一个编码；其次在所有子图编码中选取重复次数最少的编码对应的一个子图或若干个子图中图像方差最大者作为匹配模板.算法复杂度分析和仿真实验结果表明,该匹配模板选取算法在保证了一定的有效性的前提下,其时间复杂度优于若干常用匹配模板选取准则.【总页数】5页(P1172-1176)【作者】洪寒冰【作者单位】北京遥感设备研究所,北京100854【正文语种】中文【中图分类】TP391【相关文献】1.基于模板核灰度的 Susan 特征向量匹配算法 [J], 王仁丽;代月明2.基于相似度比较的图像灰度匹配算法研究 [J], 杨小冈;曹菲;缪栋;张云鹏3.基于Mean Shift算法和灰度模板匹配的运动目标主动跟踪 [J], 张德秀;尚振宏;尚晋霞;刘会珍4.基于相邻基准子图灰度统计相关的快速互信息匹配算法 [J], 符艳军;孙开锋5.基于灰度统计的快速模板匹配算法 [J], 陈皓;马彩文;陈岳承;孙小林;唐自力因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于灰度图像匹配研究李涛（P1496）摘要：众所周知，可以说视觉对环境感知效率是很高，人类对外部世界感知80%是由视觉完毕。
咱们所简介计算机视觉，用通俗话说就是一门研究如何让机器来“看”科学。
详细说来，就是用计算机和摄像头来代替人眼功能，实现对目的记别、测量或者是跟踪并且相应做出图像解决，甚至可以最后做出对目的判断或者做出反映。
固然，计算机视觉和其他技术同样，经历了长期发展过程。
而是在近数十年计算机技术突飞猛进背景下，它才真正得到关注和发展。
图像匹配是计算机视觉和图像解决领域中一项非常重要且难度很高工作。
它重要用于将不同步间、不同传感器、不同视角及不同拍摄条件下获取两幅或多幅图像进行匹配。
图像匹配是各种图像解决及应用基本，匹配效果直接影响到其后续图像解决工作。
正由于其应用广泛性，需求增多，大大推动了图像匹配技术研究向前发展。
但同步，咱们也要结识到图像匹配也是一种难点问题。
因而，对既有图像匹配算法展开分析对于实际工程提高图像解决质量和辨认精度具备非常重要意义。
本文作为一篇综述性文章，咱们重要向人们简介图像匹配问题由来，其中包括重要内容，以及该问题所包括重要技术和算法。
核心字：图像匹配；灰度；特性；算法。
The Research of Image Matching Based On The GrayLi TaoAbstract：As we all know，we can say the efficiency of visual perceiving the environment is very high，80% of the human perceiving outside world is completed by the visual. The so called computer vision，is a kind of science that about how to make machines to "see" in simple words. Specifically，is using computers and cameras to replace the function of the human eyes，to achieve the target recognition，measurement or make a track and the corresponding image processing，and even be able to make the final judgment on the target. Of course，computer vision has been gone through a long process of development. And it really gets attention in recent decades occurred in the context of rapid development of computer technology.Image matching is a very important and hard job in computer vision and image processing field. It mainly used in a kind of situation that we obtain two or more images to match in different times，different sensors，different perspectives and different shooting conditions. Image matching is the base of a variety of image processing and application，result of the matching directly impact on the effectiveness of subsequent image processing. Because of the large of its extensive application，demand for many new applications and new requirements to vigorously promote the image matching technology research steps forward. At the same time，we have to recognize that image matching is not only a hot issue，but also a difficult problem. Therefore，the existing image matching algorithm to analyze the actual construction improving the quality and accuracy of identification of the image processing has a very important significance. As a review of the field，we mainly to introduce the origin of the image matching problem，which contains the main content，and the problem consists primarily of techniques and algorithms.Key words：Image Matching；Gray；features；algorithm1绪论计算机视觉通过对图像数字感知和理解来模仿人类视觉，通过由三维世界所感知到二维图像来研究并提取出三维景物物理构造。
在投影过程中，传感器将三维景物物理性质、空间关系及表面反射特性综合成二维图像灰度值。
普通状况下，计算机视觉包括了两个某些：低层视觉和高层视觉。
底层视觉即为图像解决，涉及图像增强、噪声滤除和边沿检测等某些；高层视觉涉及图像分析和图像理解，重要是模仿人类对图像信息认知和决策能力。
数字图像解决(Digital Image Processing)是通过计算机对图像进行去除噪声、增强、复原、分割、提取特性等解决办法和技术。
数字图像解决产生和迅速发展重要受三个因素影响:一是计算机发展;二是数学发展(特别是离散数学理论创立和完善);三是广泛农牧业、林业、环境、军事、工业和医学等方面应用需求增长。
图像匹配是计算机视觉研究中一项非常重要工作，是由图像解决到图像分析核心环节。
图像匹配技术有着广泛应用，1998年自动化图像协会关于机器视觉报告中指出，大概有40%机器视觉应用中需要用到图像匹配技术。
图像匹配技术所涉及应用领域也很广泛，从工业检测可以推广到地形匹配、飞机导航、武器投射系统制导、光学和雷达图像模板跟踪、工业流水线自动监控、工业仪表自动监控、资源分析、气象预报、医疗诊断、交通管理、文字辨认、图像数据库检索以及景物分析中变化检测等等。
2图像匹配理论2.1图像匹配定义在计算机视觉辨认过程中，经常需要把不同传感器或者是同一种传感器在不同步间、不同环境条件下对同一对象获取两幅或多幅图像，进行比较，找到该组图像中共有景物，或是进行图像配准，或是依照已知模式到另一幅图中寻找相应模式，这就叫图像匹配。
从上面这个定义咱们很容易想到，由于图像在不同步间、不同传感器、不同视角下获得成像条件不同，那么虽然咱们是针对同一物体，在图像中所体现出来几何特性、光学特性、空间位置等要素都会有很大差别，如果咱们再考虑到噪声、干扰等因素干扰，最后得到图像会发生很大变化，而图像匹配就是通过这些不同之处找到它们相似点。
2.2图像匹配普通过程图像匹配是一种多环节过程。
从总体上说，大概可分为图像输入、图像预解决、匹配特性提取、图像匹配、输出成果等几种环节。
虽然在实际工作过程中，由于咱们所采用办法各不相似，并且不同匹配算法之间环节也会有很大差距，但是它们大体过程在逻辑上是基本一致。
下面是描述图像匹配基本过程简略方框图。
2.3图像匹配三要素2.3.1特性空间咱们所说特性空间是由参加匹配图像特性构成，可以理解为是图像特性集合。
特性可以是灰度值，也可以是边界、轮廓、表面、明显特性、记录特性、高层构造描述与句法描述等等。
有一点十分重要，选取合理特性可以有效提高匹配性,减少咱们搜索空图1 图像匹配普通过程间、减小不必要噪声等不拟定性因素对算法影响，大大提高适应性。
2.3.2相似性度量相似性度量指是咱们用什么度量来拟定待匹配特性之间相似性，它普通可以定义为某种代价函数或者是距离函数形式。
典型相似性度量涉及有关函数和Minkowski距离，近年来人们提出了Hausdorff距离、互信息作为匹配度量。
Hausdorff距离对于噪声非常敏感，分数Hausdorff距离能解决当目的存在遮挡和出格点状况，但计算费时；基于互信息办法因其对于照明变化不敏感已在医学等图像匹配中得到了广泛应用，它也存在计算量大问题，并且规定图像之间有较大重叠区域。
2.3.3搜索方略搜索方略是用适当搜索办法在搜索空间中找出平移、旋转等变换参数最优预计，使得图像之间通过变换后相似性可以达到最大。
在这里搜索方略有穷尽搜索、分层搜索、模仿退火算法、Powell方向加速法、动态规划法、遗传算法和神经网络等等等。
遗传算法采用非遍历寻优搜索方略，可以保证寻优搜索成果具备全局最优性，所需计算量较之遍历式搜索小得诸多；相比之下，神经网络具备分布式存储和并行解决方式、自组织和自学习功能以及很强容错性和鲁棒性，可以说两种办法各有所长，因而这两种办法在图像匹配中得到了更为广泛使用。
2.4图像匹配办法2.4.1基于区域（图像灰度）匹配办法基于灰度信息图像配准办法普通不需要对图像进行复杂预先解决，而是运用图像自身具备灰度某些记录信息来度量图像相似限度。
重要特点是实现简朴，但应用范畴较窄，不能直接用于校正图像非线性形变，在最优变换搜索过程中往往需要巨大运算量。
通过几十年发展，人们提出了许多基于灰度信息图像配准办法，大体可以分为三类：互有关法（也称模板匹配法）、序贯相似度检测匹配法、交互信息法。
互有关法是最基本基于灰度记录图像配准办法，普通被用于进行模板匹配和模式辨认。
它是一种匹配度量，通过计算模板图像和搜索窗口之间互有关值，来拟定匹配限度，互有关值最大时搜索窗口位置决定了模板图像在待配准图像中位置。