图 像 配 准 技 术 在 飞 行 器 导 航 、人 脸 识 别 、文 字 识 别 、指 纹 识 别 、机 器 人 视 觉 、航 空 图 像 分 析 、序 列 图 像 分 析 、视 频 图 像 分 析 、 电 子 地 图 、信 息 的 三 维 重 构 、导 弹 的 地 形 和 地 图 匹 配 制 导 、景 象 匹 配 、光 学 和 雷 达 的 目 标 跟 踪 与 识 别 、自 然 资 源 分 析 、环 境 研 究 ，气 象 预 报 、医 疗 诊 断 、图 像 拼 接 和 图 像 融 合 等 方 面 具 有 重 要 的作用 [l]。
参考文献
l.孙仲康，沈振康.数字图像处理及应用[M].北京：国防工业出版社，l985 2.0u G et aI.ReaI-time image registration based on genetic aIgotithm. SPIE，l996：l72~l76 3.Hongjie Xie，NigeI Hicks，G Randy KeIIer et aI.An IDL / ENVI im-
在 图 像 处 理 领 域 中 ， 图 像 配 准 技 术 研 究 已 经 比 较 深 入 ，存 在 的 算 法 很 多 ，总 的 来 说 ，可 以 分 为 两 类 ：基 于 图 像 灰 度 的 配 准 和 基 于 图 像 特 征 的 配 准 。前 者 直 接 利 用 图 像 的 灰 度 信 息 进 行 匹 配，通过像素对之间某种相似性度量的全局最优化实现配准， 这 种 方 法 不 需 进 行 分 割 和 特 征 提 取 ，因 而 可 以 避 免 由 这 些 预 处 理 所 造 成 的 精 度 损 失 。后 者 是 用 图 像 分 割 方 法 提 取 图 像 中 反 映 图 像 形 状 变 化 的 特 征 ，将 其 作 为 参 考 特 征 ，通 过 特 征 空 间 的 相 似 性 度 量 来 确 定 配 准 位 置 ，这 种 方 法 由 于 经 过 特 征 提 取 ，数 据 量 小 ，特 征 变 化 明 显 ，更 能 比 较 两 幅 图 像 之 间 的 差 别 。基 于 图 像 灰度的配准方法主要采用对基准图像每个像素依次扫描来得
Abstract：Now，there are two methods for image match.one matching method is based image gray.The advantage of the method is higher matching probabiIity，and the disadvantage is sIower matching veIocity.The other one is based image feature.This method is faster，but Iower matching probabiIity.To overcome the disadvantage of image match based image gray，the paper first gives the definition of “image trace”，then by computing the trace difference of images and geting the Ieast vaIue of accumuIative errors，it finishes the image matching.The tests show that the method not onIy keeps higher matching probabiIity and greater improves the matching veIocity，but has very good anti-noise properties.because the method has onIy add and minus operation，it can be easiIy impIemented by DSP hardware etc. Keywords：image match，image trace，matching probabiIity，accumuIative errors
l 引言
图 像 匹 配 是 数 字 图 像 处 理 的 一 个 基 本 任 务 ，用 于 将 不 同 时 间，不 同 空 间 ，不 同 视 觉 ，不 同 场 景 下 ，不 同 传 感 器 或 者 不 同 成 像 条 件 下 的 两 幅 或 多 幅 图 像 进 行 叠 加 、拼 接 、对 准 、匹 配 等 操 作，以 校 正 图 像 之 间 的 平 移 、缩 放 、旋 转 、扭 曲 等 几 何 差 异 和 灰 度差异。
（3）对 特 征 矩 阵 做 差 分 ；实 际 上 特 征 矩 阵 做 差 分 就 是 上 面
对角化后特征值相减，得到新的特征矩阵，其特征为：!R（j）=!（fi j） -!G（j ）。
（4）对 差 分 后 的 矩 阵 按 照 序 贯 相 似 的 办 法 求 累 计 误 差 ；累
N
! 计误差为：erro（r i）= !R（j）。
表 l 实时图为 256X256 的不同模板下算法时间对比
图 像（pixeI）
实 时 图 大 小（256X256）
方法
模板图大小 模板图大小 模板图大小
l6Xl6
32X32
64X64
时 间（s）
一般的累计误差方法 8.7530
l0.625
30.7350
该文求图像的迹方法 6.0490
7.2800
l3.0890
2 匹配算法分析
2.l 图像的迹
对于以给定的矩阵 !，现假设的矩阵 "X"，如果不满足行
列相等，可以以行和列的最大值为基准差值补零。经过对角化后，
可以得到 " 个特征值 !（i i=l，2，…，M）；于是矩阵的迹为：
M
! TRA CE（!）= !i
i=l
（l）
同 样 对 于 图 像 I， 现 假 设 其 灰 度 值 构 成 的 矩 阵 为 #X# 矩
图 l 实时图 256X256 图 2 模板图分别为 l6Xl6，32X32，64X64
4 结论
近 年 来 ，经 过 多 方 面 的 深 入 研 究 ，图 像 匹 配 技 术 正 向 着 实 时[2]、自动[3]、高效、稳健的方向发展。小波变换，分 形 理 论 ，神 经 网 络 ，遗 传 算 法 等 工 具 在 图 像 匹 配 中 也 得 到 广 泛 的 应 用 。 文 章 主 要 从 完 善 基 于 灰 度 匹 配 速 度 慢 的 角 度 出 发 ，提 出 了将 从 基 于 特 征 匹 配 概 率 低 的 角 度 出 发 ，完 善特征匹配算法。（收稿日期：2004 年 l0 月）
文章编号 l002-833l-（2005）05-005l-02 文献标识码 A 中图分类号 TP39l
A Novel and Accelerated Algorithm for Image Match
Yang Fanglin Yang Fengbao Wei Ouanfang Han Yan （Dept. of EIectronic Engineering and Information Science，North University of China，Taiyuan 03005l）
到实时图像与基准图像之间的差异，这种方法一般配准率很 高 ，但 是 速 度 较 慢 ；基 于 特 征 的 配 准 对 图 像 的 各 种 非 本 质 变 化 （如 旋 转 、缩 放 和 光 照 强 度 变 化 等 ）不 敏 感 ，一 般 速 度 较 快 、但 配 准率较低。
文 章 将 矩 阵 的 迹 引 入 到 图 像 中 ，定 义 了 图 像 的 迹 ，并 由 此 提 出 了 一 种 新 的 图 像 匹 配 方 法 ，而 且 针 对 有 一 定 平 移 量 ，旋 转 角度较小（试验证明不要超过 l 度）的空中目标图像，进行了大 量 匹 配 试 验 。试 验 表 明 这 种 方 法 较 好 地 解 决 了 基 于 灰 度 的 图 像 匹配度慢的缺点。
39.2860 l86.569
该文求图像的迹方法 20.l590
33.2l80 95.5970
表 3 一般的累计误差方法和该文方法算法复杂度的对比
一般的累计误差方法 该文求图像的迹方法
算法复杂度 （M-N+l）XN2 （M-N+l）XN
从 上 面 表 中 数 据 ，可 以 看 出 该 文 的 方 法 大 大 加 快 了 匹 配 的 时间和大大减少了算法的复杂度，而且随着图像数据的增加， 这种匹配时间的缩短效果和算法复杂度的减少效果越来越明 显 。 这 为 后 续 图 像 匹 配 的 自 动 化 、实 时 化 打 下 坚 实 的 基 础 。
阵 化 后 的 实 时 图 为 M>M，模 板 图 为 N>N，（M>N），那 么 提 取 的
子 块 数 为 ：M>N+l。
（2）对 各 子 块 和 模 板 图 进 行 对 角 化 ，得 到 各 特 征 值 ；例 如 ：
实时图为 f，提取若干子块后为 fi，（i=l，2，…，M-N+l），模板图 为 G，对角化后的特征值对应为 !（fi j），!G（j）（j=l，2，…，N）。
计算机工程与应用 2005.5 5l
N
! TRA CE（!）= !i
i=l
2.2 算法分析
（2）
利 用 前 面 图 像 迹 的 定 义 ，笔 者 构 造 基 于 图 像 迹 的 图 像 匹 配
算 法 ，基 本 步 骤 如 下 ：
（l）将 实 时 图 按 模 板 图 的 大 小 提 取 若 干 子 块 ；例 如 ：经 过 方
图 3 实时图 5l2X5l2 图 4 模板图分别为 l6Xl6，32X32，64X64
表 2 实时图为 5l2X5l2 的不同模板下算法时间对比