图像配准技术是图像预处理中非常重要的一个步骤,就图像配准技术而言,官方早就给出了关注,无论是在图像处理领域还是医学图像等其他领域,图像配准技术都得到了广泛的研究和应用。本文在第一章中简单介绍了本课题的研究目的和意义,然后详细总结了图像配准技术近十年的国内外发展现状,主要针对图像配准过程中所应用到的算法和应用进行了概述。最后举例说明了该技术在变化追踪和形态学方面的应用。之后在第二章详细介绍了非刚体配准技术的相关理论,验证了非刚体图像配准原理。针对特征点提取和匹配的相关方法进行了研究,包括尺度不变特征变换(SIFT)算法和角点检测(Harris)算法两种。文中详细阐述了特征提取和特征匹配的理论方法,并给出了分别用SIFT和Harris角点检测进行图像匹配的仿真结果和对比分析结果,最后总结出两种算法的优缺点。本文还对一种快速鲁棒性特征(SURF)算法进行了探讨,并将其与SIFT进行了对比仿真实验。该方法应用积分图像和盒子滤波的概念,使之在速度上较SIFT提升了3倍左右。详细阐述了SURF算法进行特征提取的步骤,结合随机抽样一致性(RANSAC)算法剔除误匹配点后利用最小二乘法完成参数转换,最后使用双线性插值法完成重采样,达到图像配准的目的。本文使用MATLAB 2010计算机仿真平台。对比分析仿真结果发现,改进后的SURF算法不仅能完成彩色图像的特征提取和匹配,还能更快速更稳定的将其完成,仿真结果显示,SURF算法在图像配准上同样具有可行性,且在速度上要更优于未改进之前的算法。这对特征提取领域研究来说又是一个大的跨步。