不同传感器或同一传感器在不同时间，不同视点获得的图像在空间上往往会存在差异，因而在图像融合前需要进行图像配准处理，来消除待融合图像间的差异。图像配准是图像融合的重要前提，配准的精度直接影响融合的质量，图像配准是图像融合的关键技术之一。对于不同的图像及应用领域，适用的配准方法也有差别，找出合适的配准方法是解决图像融合的关键。

总而言之，随着人们对高质量的图像的需求，如何将不同类型的图像进行配准是一个亟待解决的问题，具有重大的现实意义。

1.3图像配准的应用

       图像融合不是简单的叠加，它产生新的包含更多有价值的信息，即达到1加2大于2，甚至大于2的效果，随着图像传感技术及计算机计算能力的提高，图像配准和图像融合的应用会越来越广泛。在医学领域，不同模态的图像有各自的特性，如CT和MRI以较高的空间分辨率提供器官的解剖结构信息，而PET和SPECT以较低的空间分辨率提供器官的新陈代谢功能信息。在实际临床中，一般需要将不同的模态的图像融合在一起，以便为医生正确诊断提供基础。在遥感领域，大量不同波段的遥感图像融合为更方便，更全面地认识环境和自然资源提供可能，其成果在大地测绘，天气预报，植被分类与农作物生长态势评估，自然灾害检测等方面有广泛应用。除此之外，图像融合技术还大量应用于军事目标的检测，识别与跟踪，集成电路的检测；产品表面测量与检测，复杂设备的诊断，交通管制，无损检测，智能机器人，安检系统，环境监控，网络安全等方面。而配准技术是这些应用领域的基础，只有配准好了的图像才可进一步去融合，所以配准技术非常重要。

2 图像配准基本理论

2.1 图像配准原理

2.1.1 数字图像的定义

把xy实平面分为网格，每一网格中心的坐标是笛卡尔积Z2的一对元素，Z2是所有有序元素对（Zi，Zj）的组合,Zi和Zj是Z中的整数。令（x,y）为Z2中的整数，f为把灰度级值R赋予每个坐标对（x,y）的函数，则就f(x,y)表示一幅数字图像.

2.1.2 图像配准的数学定义

数字图像可以用一个二维矩阵表示，如果用I1（x,y）,I2(x,y)分别表示浮动图像和参考图像在点(x,y)处的灰度值，那么图像I1,I2的配准关系可表示为：

                      I2(x,y)=g(I1( f(x,y)))                    (2.1)

式(2.1)中，f表示二维的几何变换函数；g表示一维的灰度变换函数。

配准的主要任务就是寻找最佳的空间变换关系f与灰度变换关系g，使两幅图像实现最佳对准。由于空间变换是灰度变换的前提，而且有些情况下灰度变换关系的求解并不是必须的，所以寻找空间几何变换关系f便成为配准的关键所在，因此关系式(2.1)可改写为式(2.2),

                            I2(x,y)=I1(f(x,y))                  (2.2)

2.2 图像配准的基本框架

       图像配准的基本框架包含四个方面：特征空间、搜索空间、搜索策略、相似性度量。

2.2.1 特征空间

        特征空间是指从参考图像和浮动图像中提取的可用于配准的特征。在基于灰度的配准方法中，特征空间为图像的灰度值；而在于特征的方法中，特征空间可以是点、边缘、曲面、曲线、不变矩等。源:自~优尔·论`文'网·www.youerw.com/

        特征空间的选取对图像配准有着极其重要的意义，不仅直接关系到图像中的那些特征对配准算法敏感，哪些特征被匹配，而且决定了配准算法的运行速度、鲁棒性等性能。