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。