表1-2 匹配三要素

特征空间 相似性度量 搜索策略

灰度 相关函数 层次

特征点 归一化相关系数 迭代点匹配

边缘强度 归一化相关系数及匹配滤波器 层次迭代或模拟退火

二值边缘 统计相关与匹配滤波器 模拟退火

曲线 绝对差之和、局部熵差 遗传算法、神经网络

表面 奄模相关 树或图匹配

统计属性 Hausdorff距离 松弛算法

模型 最小距离分类器 能量最小化

高层匹配 互信息 快速FFT

2  图像匹配的算法

图像匹配涉及领域广泛，关于这个方面需要具备快速性、稳定性、鲁棒性能好等特点，虽然目前社会上已经有很多种相关方法，对于像素灰度以及图像特征相关匹配等方式，但应用的算法都必须有效、稳定且速度大。

2。1  基于像素灰度相关的匹配算法文献综述

基于灰度相关的匹配算法，就是得两幅图像用一定的灰度阵列按某种或者几种相似性度量顺次搜索匹配的方法，其匹配性能主要取决于相似性度量及搜索策略的选择。匹配性能的好坏在很大程度上会受到来自匹配窗口尺寸选取的影响，通常情况下，当存在遮蔽物或表面粗糙时，窗口尺寸的选取则对于匹配效果有着十分重要的影响。运用图像的全部信息进行匹配，而且也需要用到其灰度值[7]。

（1）平均绝对差算法（Mean Absolute Differences，简称MAD算法），它是Leese在1971年提出的一种匹配算法。

假使S(x,y)是mxn的搜索图像，T(x,y)是MxN的模板图像，算法思路如下，

在图S中，左上角设定为(i,j)，取MxN的子图，算出子图与模板的相似程度；把所有的搜索图都浏览一遍，并且是在可以获得的全部的子图中，寻找到和模板图相同程度最高的那个作为最后的匹配结果。MAD算法的相似性测度公式如下。显而易见，相似程度是和平均绝对差D(i,j)成反比的，故D(i,j)最小的那个便是可以匹配的子图位置：