(1)点特征匹配。它是配准中经常用到的图像特征之一，包含角点、拐点、T-交叉点、高曲率点等。其中主要用到的是角点，它选取的基本思路是：分别在两幅图像中提取角点，然后建立相互关联，确定同名角点作为控制点，确定图像中的配准。解决点特征匹配的方法包括[3]：松弛法、Hausdorff距离度量及相位相关法等。

(2)边缘特征匹配。边缘检测的实质是运用某种算法来分辨出对象和背景间的交界线。边缘特征可以代表图像的本质结构，保留了图像的目标特征，且由于边缘数据要远远少于原图数据，这样一来，就降低了运算的复杂度，提高了运算效率。

常见的微分算子有[7]Robert算子、Sobel算子、Robinson算子和Laplacian算子等。为了得到更好的检测效果，可以先对图像进行滤波，再求图像边缘，这类方法中LOG和Canny算子最为常见。其中高斯一拉普拉斯算子(LOG)是对二维高斯函数求二阶导数，提取其零交叉点就可以得到边缘信息。

(3)区域特征匹配。通过图像或局部图像的不变矩来控制，进行目标间的匹配[6]。它对于图像的平移、旋转、缩放等转换具有良好的不变性，所用到的相似性度量函数为欧式距离[7]。区域特征匹配的基本思想是使基准图和所要匹配的图像间不变矩的相似性达到最大，它的缺点是一致性不易达到。

1.4.3  基于变换域的图像配准方法

基于傅里叶变换的方法是最为经典的图像变换域配准方法之一。图像的平移、旋转、缩放等变换都能在傅里叶变换中很好地体现出来，同时，对于实际中可能存在的噪声问题有一定的抗干扰能力。此外，它可采用FFT方法提高执行速度[6]。由于有成熟的快速算法并且易于硬件实现，傅氏变换在实现上有其独特的优势。

从分析可以看出，这一方法只适用于在傅里叶变换中有相应形式(如平移、旋转、缩放等)的图像转换中，一般运用于仿射变换的图像配准中，对于形式较为复杂的图像转换则显得力不从心。如遇到此类情况，则需要用基于图像特征的方法来解决。论文网

1.5  国内外图像配准技术的研究现状和研究意义

1.5.1  图像配准的研究现状

1.5.2  图像配准的研究意义

1.6  本论文主要内容

特征点的提取和匹配是基于特征的图像配准方法的核心，配准精度直接由匹配正确率决定。因此本文算法只讨论到匹配，并不涉及配准的完整过程。

本文的目的是深入研究图像局部二值特征描述符，实现图像快速、高精度、有效地配准。本文主要讨论BRIEF配准算法的优缺点，同时通过实验和SIFT配准算法作比较，以获得良好的匹配效果。

第一章绪论介绍了本文的选题意义，图像配准的基本原理，包括常见的图像配准方法。最后介绍了国内外图像配准技术的研究现状和研究意义。

第二章主要介绍了图像的局部特征。主要包括特征点检测和局部特征描述符两部分。详细介绍了四种关于角点检测的算子，四种关于blob特征的算子还有基于区域的描述子。大体介绍了局部特征描述符的两类描述。

第三章主要介绍了SURF算法的原理和基本步骤，包括特征点检测、特征点描述、特征点匹配三部分。引入积分图像的概念，采用基于 Hessian 矩阵的检测器，运用Harr小波，最后采用RANSAC 和最小二乘法剔除误点。

第四章主要介绍了BRIEF算法的原理和基本步骤，包括特征点识别，计算描述符向量和特征匹配。引入二进制字符串和汉明距离的概念，大大提高了匹配速度。

第五章主要通过实验配准标准数据库中的各幅图片，主要分析BRIEF算法和SURF算法的优缺点。