图像匹配的研究国外始于 1960 年，但是真正引起关注是到了二十世纪八十年代。1990 年以后，一些图像匹配的基本问题已经解决，如单模图像。但是因为比较复杂，学科交叉， 多模图像的问题一直还没有得到解决[4]。经过相关调查，图像匹配技术的研究在二十世纪 九十年代就越来越多[5]。此时也正好是我国国内初涉此领域的开始。作为一种经典的匹配 方法，灰度相关的方法是诸多技术的基础。75840

朱近，司美玲对局部灰度极值方法进行了研究，并用于多光谱图像匹配法[6]。对于多 光谱遥感图像，采用了局部灰度极值方法。在需要匹配的图像和原图像中同时查找一块小 区域，这块区域含有灰度极值，然后利用多项式对于这块区域拟合，最后计算极值点也就 是特征点匹配。他们还用仿真模拟和实际试验对试验结果进行了验证，从而证明所提算法 的有效性。这个案例是对于灰度相关方法的一个扩展应用。

林相波,邱天爽提出一种新图像匹配算法——分割算法，其具体表现为集灰度和形状 信息于一体的全自动同模态医学图像非刚性匹配[7]。该算法为了构造出新的代价函数，将 欧氏距离表示的形状信息与基于灰度的匹配算法相融合。所提算法对于灰度相近、边缘模 糊等结构都能够很好的分割，并且应用于多目标分割中，尤其与医学图像有关。通过验证， 证明了算法的有效性，比基于灰度的图像匹配方法更优秀些。论文网

张密,吴效明对于在医学放疗中图像匹配的应用进行了研究[8]。文章主要深入研究了 互信息测度、归一化相关测度和均方测度等三种基于灰度的方法。研究首先对算法原理进 行了分析和程序实现，提出了不同的评价方法，采用的是综合匹配误差算法，并且与传统方法进行了对比。通过研究和分析，发现三种方法都可以对图像进行匹配，也比较准确。 从速度和精度上来说，互信息测度的方法更稳定，误差是另外两种算法的 50%。所得结论 相对来说比较客观，也说明了如果在放疗中实行图像匹配的话，此方法还是比较理想的。 Luigi 等人利用柯西--施瓦兹不等式提出一种新的匹配方法，这种方法基于零均值正 则化互相关函数，利用其有界部分进行匹配，从而可以得出新的下界，计算量方面也得以

减少，可以从繁琐的计算中解放出来[9]。 罗钟铉等人研究了一种基于灰度的改进方法。该方法通过结合投影特征和小波变换，

利用阈值的设置减小了错误匹配的机率，时间上也缩短了不少[10]。 图像匹配技术目前受到了人们的日益关注，无论是在生物、信息处理还是别的其他领

域，都得到了长远的发展。而且随着科学技术水平的发展和提高，发展趋势也越来越好。 本文重点研究了基于灰度的模板匹配方法及其改进方法——快速模板匹配算法。前者 是图像匹配算法中比较经典的一种。该算法从待拼接图像的灰度值出发，用误差平方和测 度和归一化互相关算法实现图像匹配。后者是采用图像灰度值编码的方法以实现图像拼接

[11]。其实基于灰度相关的方法同时也可以采用傅立叶变换先把图像从时域变换到频域，接

着开始图像匹配。当图像的位移量较大时，图像映射关系可以通过校正旋转图像之后建立。 如果判别标准采用的是像素点灰度值的差异，累计其差值是最简单的方法。但是此方法也 有缺点，经常容易使得拼接失败，这种失败是由于对比度、亮度等引起的。还有一种方法， 可以通过把计算相关系数，如果是对应像素点的灰度值系数比较大，那么就说明图像有着 较高的匹配度,这种方法成功率较高[12]。 图像匹配国内外研究现状:http://www.youerw.com/yanjiu/lunwen_86885.html