1、圖像配準是對來自不同時間，不同傳感器或不同視角的同一場景兩幅或者多幅圖像進行匹配和疊加，是模式識別與計算機視覺領域的一個重要的基礎性問題，是圖像融合、拼接等技術的前提，其研究成果可廣泛地應用于遙感遙測、醫(yī)學成像、基于多傳感器融合的目標識別等諸多領域。
　　 圖像配準算法基本上可分為兩類，即基于灰度的圖像配準算法和基于特征的圖像配準算法。相對于基于灰度的圖像配準算法，基于特征的圖像配準算法在可靠性和魯棒性方面都具有很突出的優(yōu)勢，是

2、近年來研究的熱點，該方法首先提取圖像局部不變描述子作為圖像特征，然后把圖像配準問題轉化為尋找兩個特征集合間的匹配問題。但圖像特征存在著多樣性與多變性，基于特征的圖像配準并沒有完全解決，需要進行深入地研究。
　　 本論文主要應用非抽樣Contourlet變換(NSCT)和圖模型來研究圖像配準問題，將圖像匹配和圖像配準問題從空間域轉化到NSCT域，并將SIFT算法與圖模型相結合來提高算法的性能，主要研究內容和研究成果如下：
　

3、　 1、提出了一種基于NSCT和SIFT的遙感圖像配準算法，綜合利用了NSCT在圖像分解上的靈活性和SIFT算法在特征描述上的有效性來進行遙感圖像配準。首先分別對參考圖像和待配準圖像用NSCT進行分解，然后把分解的低頻圖像作為SIFT算法的輸入并得到匹配結果，利用匹配結果求解模型參數，最后通過重采樣和雙線性插值完成遙感圖像的配準。實驗結果表明，該算法在運算速度和匹配精度方面均比SIFT算法和SWT+SIFT算法優(yōu)越。
　　 2

4、、提出了一種基于圈基的譜匹配算法。首先，利用兩幅待匹配圖像的特征點分別構造一組圈基，其次分別根據圈基構造賦權鄰接矩陣，并進行SVD分解，然后利用分解所得到的特征向量構造反映特征點之間匹配程度的關系矩陣和匹配概率矩陣，最后通過交替歸一化將匹配概率矩陣轉化為雙隨機矩陣以獲得匹配結果。模擬與真實圖像實驗結果均表明了該算法的可行性和有效性。
　　 3、提出了一種基于NSCT和SIFT特征的譜匹配算法。首先用非抽樣Contourlet變換