1. 研究目的与意义（文献综述）

随着对图像信息的需求日益强烈，对图像信息进行分析和处理的研究蓬勃兴起。图像配准是图像的预处理步骤，也是最重要的步骤，因为其结果将直接影响后续处理的结果。图像配准技术在遥感图像处理、医学图像处理、计算机视觉和模式识别等领域得到广泛应用，主要用于将不同时间、不同传感器、不同视角及不同拍摄条件下获取的多幅图像进行匹配，建立图像之间的对应关系，如不同图像传感器获得的信息融合，不同时间、条件下获得图像的差异检测，成像系统和物体场景变化情况下图像的三维信息获取，图像中的模式或目标识别，从而矫正图像的形变。

图像配准的基本问题在于寻找一种图像转换的方式，用以协调多幅图像中由于不同情况引起的图像的变化，图像配准的关键问题是相似性测度，它用来衡量两幅图像配准的程度。经过多年的研究，图像配准技术已经取得了众多研究成果，但由于图像配准的输入数据来源以及配准问题复杂多样，图像配准技术还有待于更进一步的发展。

目前所采用的图像配准方法大致可以分为两类：基于灰度的图像配准方法和基于特征的图像配准方法。基于特征的图像配准方法是图像配准最常用的方法之一，其优势在于能够将对整个图像进行的各种分析转化为对图像的特征点、特征曲线等进行分析，从而大大减少了图像处理过程的运算量，具有操作简单、配准速度较快、精度较高等特点，但这类方法也同时具有需要人工干预、特征点的获取比较困难等缺点，特征提取的准确程度和定位的精确程度将对整个配准过程产生很大的影响。而通过图像分割等技术来确定图像的特征也存在着较大的问题，因为图像分割的精度和评价标准都没得到很好的解决，给配准结果带来很大的不确定性。对于基于灰度的图像配准方法来说，由于只对图像的灰度进行处理，可以避免主观因素的影响，配准结果只依赖于配准方法本身，同时可以避免因图像分割带来额外的误差，并能实现自动配准。但其缺点在于需要遍历图像中的每一个像素点的灰度信息，因此这种配准方法的计算量较大，并且由于对图像的灰度信息较为敏感，而用不同成像原理的拍摄设备所获取的图像在色彩和分辨率等方面存在较大差异，从而影响图像的配准精度。除了如何快速准确地提取图像特征点的问题之外，如何选择特征匹配准则同样影响着图像配准的效果。

2. 研究的基本内容与方案

图像配准是图像处理及应用的一项基本技术，它用来匹配相互间具有偏移的多幅图像，其配准效果将直接影响到后续的图像处理。本次设计将分别介绍基于灰度的图像配准方法和基于特征的图像配准方法，着重研究基于特征的图像配准方法，选取基于灰度信息的互相关法以及三种常用的特征配准算法：sift算法、pac-sift算法、surf算法，分析算法的原理和实现方法，给出具体的实现步骤，进行计算机仿真和分析。

根据特征选择和匹配方法的不同所衍生出的具体配准方法是多种多样的，但这类方法都是通过对待配准图像进行预处理，提取图像特征，再利用提取的特征完成图像特征之间的匹配，建立图像之间的空间变换关系，其基本步骤如下：

1）图像预处理

3. 研究计划与安排

第1-3周：查阅相关文献资料，熟悉题目含义及基本研究内容，撰写开题报告。

第4-9周：完成相关理论知识的学习与研究，对图像处理及配准的关键技术进行学习。

第10-14周：复习matlab相关知识，对图像配准主要算法进行仿真实现。

4. 参考文献（12篇以上）

[1] 顾煜洁. 遥感图像特征提取与匹配关键技术研究[d]. 南京理工大学, 2017.

[2] 孙伟晔. 基于sift算法的快速图像配准技术[d]. 吉林大学, 2017.

[3] gang wang,jing-na li,qing-tang su,等. algorithm based on morphological component analysis andscale-invariant feature transform for image registration[j]. shanghai jiaotonguniversity press, 2017, 22(1): 99-106.