基于Demons算法的图像配准研究摘要图像配准实质上是评价两幅图或多幅图像的相似性以确定同名点的过程，其作为图像处理中的一个基本问题，同时也是众多图像分析和处理任务的关键步骤，被广泛应用于医学、军事、遥感、计算机视觉等众多领域，严格地说, 图像配准问题就是将位于不同坐标系下同一场景的二幅或多幅图像,寻找一种特定的最优几何变换,将两幅或多幅图像变换到同一坐标系的过程。
图像配准算法则是设法建立两幅或多幅图像之间的对应关系，确定相应几何变换参数，对两幅图像中的一幅进行几何变换的方法，是图像配准最关键的技术，直接决定图像配准的准确性。
本文在学习了解了现有的图像配准算法后，主要针对重要的图像配准算法—Demons算法，通过研究原始Demons算法、Active Demons算法和Symmetric Demons算法的基本原理和各自在图像配准中的应用，对三种算法的性能进行对比分析，确定三种算法的优缺点，进而找到影响图像配准结果的根本原因。
关键词：图像配准原始的Demons算法Active Demons算法Symmetric Demons算法AbstractImage registration is to determine corresponding point evaluation two pictures or images virtually, as a basic problem of image processing, meanwhile, it is also the key steps of many image analysis and processing tasks. It is widely used in medical, military, remote sensing, computer machine vision fields. Strictly speaking, the problem of image registration is finding a certain optimal geometric transformation to make two or more images in different coordinate systems transform into the same coordinate system. Image registration algorithm is trying to establish the correspondence between two or more images, determining the corresponding geometric parameters. It is the key of image registration It also directly determines the accuracy of image registration. On the base of understanding of the existing image registration algorithms .Thepaper mainly study the basic principles of the original Demons algorithm, Active Demons algorithm and Symmetric Demons algorithm and their application in image registration. By comparing the performance of the three algorithms in image registration process we can determine the advantages and disadvantages of the three algorithms and to find the fundamental effect of image registration.Key words: image registration, the original Demons algorithm , Active Demons algorithm ,Symmetric Demons algorithm1、绪论1.1 图像配准的研究意义近年来，伴随着现代科学技术的迅速发展和各种新型图像捕获仪器的不断涌现，我们获取图像数据的能力不断提高，各式各样的图像也充满了我们的生活。
由于不同物理特性的图像获取器所产生的图像不断增多，同一场景往往可以获得大量不同光谱、不同时相、不同尺度的多源图像数据信息。
在利用多源图像信息进行目标识别、目标变化检测、数据融合、等多源协同处理工作之前，都必须进行多源图像配准工作，因此，图像配准工作不仅仅是图像处理的一个基本问题，同时也是多个领域中各种图像处理过程中的一个必要的前期预处理工作，其配准精度的高低直接影响到后续应用效果的好坏。
所以，如何对图像进行快速的、高精度的配准多年以来就是图像处理领域的一个热点与重点，也是科研工作者们非常感兴趣的一个领域。
本文主要针对图像配准技术中的demons算法及其改进算法Active demons 算法和Symmetric demons在图像配准中的表现进行研究，并应用实例进行对比分析，从而分析它们在应用中的优缺点，找出影响配准结果的根本原因。
因此，本论文对于完善配准理论、拓展demons算法的配准应用领域等都具有重要的理论和实践意义。
1.2 图像配准的国内外现状目前,图像配准已经成为科学研究的一个热点问题,近年来国内外许多研究学者深入的研究了图像的配准技术，也提出来了大量的配准算法。
随着图像配准的不断发展，对于图像配准的具体要求也不断提高，新技术，新理论也就不断地产生。
图像配准最早是在七十年代美国从事的飞行器辅助导航系统、武器投射系统的末制导以及寻地等应用研究中被提出来。
随后，科研工作者们就对图像配准进行了深入细致的研究，提出了大量的配准技术，也产生了大量的图像配准方面的文献。
八十年代后，大量配准技术的研究就已经在遥感领域，模式识别，医学诊断，自动导航，计算机视觉等很多不同领域中如火如荼的进行着。
各个领域的配准技术都是对各自具体的应用背景结合实际情况量身订制的技术。
但是不同领域的配准技术之间在理论方法上又具有很大的相似性,从而使得在某领域的配准技术很容易移植到其它相关领域，这就使得图像配准的研究十分的复杂和繁琐。
图像配准经历了数十年发展历史主要研究成果有：70 年代初，P.E.Anuta提出了使用FFT 进行互相关图像检测计算的图像配准技术[2]，以提高配准过程的速度性能；D．I．Barnea和H.F.Silverman[4]等提出了使用模板子图像差值相似性测度的图像配准技术，它比P.E.Anuta提出的使用FFT计算互相关相似性测度进行图像检测的方法处理速度更快、处理精度更高； W．K．Pratt在文献数字图像处理[5]中全面的研究了各种用于图像配准的相关相似度量函数；后来A.Roche 等将相关相似度量函数进行了扩展并将其成功地应用到多模态图像配准当中[3]M．Svedlow比较分析了图像配准的相似性测度和预处理方法；Eric．Rignot 等在较高层次上对多图像的自动配准技术和要求进行比较和分析；Flussr则提出了一个自适应映射的方法，这种方法针对变形图像间的匹配，自动地对两幅遥感图像进行分割，使得分割后两幅图像上相应子块间的相似度较大，利用这些子块之间的空间位置关系来对原来的两幅图像进行匹配。
这些学者们对于图像配准的发展都做出了非常突出的贡献，也产生了大量的研究文献和相关理论。
另外，根据ISI(Institution of Scientific Information)统计，仅仅在2006年之前的10年里，研究配准问题的学术论文已超过1000篇。
并且在接下来的几年时间里，有关配准的文章仍然很多，各种创新性的配准算法不断涌现。
在国内，相对于国外，图像配准技术起步较晚，但后来获得了快速的发展。
最早由李智等学者提出了一种基于轮廓相似性测度的图像配准方法，这种算法适用于轮廓特征比较丰富的图像的配准研究。
王小睿等提出并实现了一种自动图像配准方法，该方法用于图像的高精度配准，但本质上，它是一种使用互相关函数作为相似性测度的半自动的图像配准方法；郭海涛等提出了一种将重要数学模型——遗传算法（Genetic Algorithm，简称GA）用于图像配准的算法。
熊兴华等提出了将遗传算法和最小二乘法结合用于图像的子像素级配准。
经过不断地研究创新，国内的图像配准研究也取得了举世瞩目的研究成果。
并且，图像配准的研究在国内学术界也具有相当重要的地位。
由此可见，图像配准技术经过多年的研究发展，已经取得了很多研究成果，也产生了许多图像配准算法，但是由于图像配准的输入数据来源的多样性，以及不同的应用对图像配准的要求各不相同，同时，也由于影响图像配准的因素的多样性，以及配准问题的复杂性，图像配准的技术还不是很完善，也没有一种图像算法适用于所有的图像配准工作，所以，图像配准的研究工作还需继续进行，图像配准的技术也有待于进一步发展。
1.3图像配准应用图像配准在经过了多年研究及发展后，已初步形成了一个比较完整的体系，并且作为图像处理中的一个基本问题，同时也是众多图像分析和处理任务的关键步骤，其应用及其广泛，归纳起来可划分为以下四类：1.不同视点下的图像配准(多视点分析)：目的在于获取更大范围的二维视角或重构被摄场景的三维信息。
应用实例：遥感—被摄区域图像镶嵌、计算机视觉—形状恢复。
2.不同时间的图像配准(多时段分析)：这种图像配准是为了寻找并度量两幅或多幅不同时间获得的图像中场景的变化。
应用实例：遥感—区域规划、计算机视觉—运动跟踪、医学成像—肿瘤病变检测、白天和黑夜的场景以及夏天和冬天的图像特征研究等。
3.不同传感器的图像配准(多模式分析)：该应用是融合不同传感器信息，以获取更为丰富细致的场景信息。
应用实例：可见光和红外图像配准、医学成像—CT和MRI、多波段的人脸识别。
4.场景与场景模型图像配准：场景模型多为场景的数字表示，如地理信息系统(GIS)中的数字高程图等。
配准场景与场景模型的目的在于在场景中定位模型，或在模型中定位场景，或者对场景与模型作相应的比较。
应用实例：遥感—将航片或卫片与地图或GIS相配准、计算机视觉—匹配模板图像与实时场景、医学成像—将数字解剖图与病人的图片相比照。
其实，图像配准技术除了在医学、遥感、计算机视觉等领域应用外，在其他很多领域也有着广泛的应用，因此，近年来图像配准已成为图像处理技术研究的重点之一。