图像配准是数字图像处理中的一个重要的研究方向,也是计算机视觉和模式识别领域中的一项重要的研究课题,图像配准已经在军事、航天、模式识别、遥感监测、医学图像处理等方面得到了广泛的应用。简单的说图像配准是指对同一场景使用相同或不同的传感器(成像条件),在不同条件下(时间、天气、光照度、摄影位置和角度等)获得的两幅或多幅图像进行广义的匹配、处理的过程。总体来说,图像的配准方法可以分为两大类:基于灰度的配准方法和基于特征的配准方法。基于特征的配准因其具有运算量小、速度快等特点得到了广泛的研究与应用,而各种边缘检测技术是提取图像特征的常用方法之一。本文所使用的SUSAN(Smallest Univalue Segment Assimilating Nucleus)算法是上世纪九十年代中期提出的一种边缘检测算法,与传统的边缘检测算法相比,这种算法具有速度快、抗干扰能力强等特点。在基于边缘特征的图像配准中有两个重要的环节:一是边缘特征点的提取,二是相似性度量,即特征匹配准则。边缘特征点提取的准确性及定位的精确程度将对相似性度量产生影响。换言之,选择不同的特征匹配准则将对边缘特征点提取有不同的要求。两者都是基于边缘特征的图像配准的关键。本文主要完成以下工作:第一、研究了图像配准的原理、数学模型及各种常用的配准方法。第二、针对基于特征的图像配准方法,重点研究了传统的边缘检测算法,并通过实验验证了传统经典边缘检测的性能。第三、研究了SUSAN算法的概念、原理及性能,重点研究了SUSAN边缘检测算法,研究了SUSAN边缘检测算法的原理、数学模型及与传统边缘检测算法相比较的优点,同时,通过实验验证了SUSAN边缘检测算法的性能。第四、研究了虚拟圆技术在图像配准中的应用。第五、利用SUSAN边缘检测算法与虚拟圆技术,提出了一种新的图像配准方法,并通过实验验证了此方法的可行性。传统的基于特征的图像配准方法,一般是通过提取图像中固有的特征(如直线、圆)作为图像配准的基础,通过比较原始图像与待配准图像中的这些特征达到图像配准的目的,在我们提出的新的配准方法中,充分利用SUSAN边缘检测可以通过控制其门限值取得不同边缘检测效果的特性,同时,我们充分利用了占图像大部分的空白区域作为图像的特征,并在这些空白区域中提取虚拟圆,通过比较原始图像与待配准图像虚拟圆集合的方法,计算图像配准的相关参数,从而达到图像配准的目的。