1、圖像配準(zhǔn)是圖像處理和模式識別中一種非?；镜膱D像處理技術(shù)，在人類生活的很多領(lǐng)域都有急切的需求和廣泛的應(yīng)用，比如醫(yī)學(xué)圖像處理、計算機(jī)視覺、遠(yuǎn)程感知技術(shù)等。隨著應(yīng)用范圍的日益廣泛，對配準(zhǔn)技術(shù)的精確性、有效性和魯棒性有著更加迫切的要求。在圖像配準(zhǔn)技術(shù)中，由于基于特征的圖像配準(zhǔn)方法可以有效并且快速地處理不同類型圖像的配準(zhǔn)，在圖像嚴(yán)重幾何變形的情況下也能對其進(jìn)行處理，這種方法在機(jī)器學(xué)習(xí)和視覺系統(tǒng)中更為常用。特征匹配作為圖像配準(zhǔn)系統(tǒng)中最重要的部分，

2、一直以來都是研究的重心。本文重點(diǎn)研究基于特征點(diǎn)的特征匹配技術(shù)，旨在實(shí)現(xiàn)特征的精確和有效匹配。
　　本研究主要內(nèi)容包括：⑴研究了兩種主要的角點(diǎn)檢測算法的基本原理，在不同的圖像狀況下，對Harris和Susan角點(diǎn)檢測算法在精準(zhǔn)性和魯棒性上進(jìn)行比較和分析。實(shí)驗(yàn)結(jié)果表明， Harris在計算速度、圖像亮度和尺度變化時，性能優(yōu)于 Susan算法；但是， Susan算法在定位精度、圖像旋轉(zhuǎn)和加入噪聲污染時性能更占優(yōu)勢。⑵針對迭代最近鄰特征匹

3、配算法（ ICP）容易陷入局域最優(yōu)的問題，采用差分進(jìn)化方法對其進(jìn)行改進(jìn)。通過對引入新的能量函數(shù)和特征點(diǎn)表示方式，旨在尋求特征點(diǎn)匹配的近似全局最優(yōu)。本文將基于ICP的差分進(jìn)化（DE）算法在非結(jié)構(gòu)化的變換點(diǎn)集和在自然圖像中提取的點(diǎn)集上進(jìn)行測試。實(shí)驗(yàn)結(jié)果表明，相對于ICP算法，本文所采用算法在特征匹配性能上更加優(yōu)異。⑶針對匹配過程中產(chǎn)生的誤匹配點(diǎn)，本文在加權(quán)圖變換匹配（WGTM）算法的基礎(chǔ)上，提出了針對不同問題的兩種改進(jìn)策略：同時對感知圖像和