这俩天一直在做关于物体匹配的方面的工作，前几天朋友推荐我看西安电子科技大学张瑞娟的一篇硕士论文“图像配准理论及算法研究”，我收获很大，所以我也总结一些对我有用的算法，将来便于查找应用。
我做的目标追踪这一块，虽然和图像配准不是一个方向，但是前期工作都是一样的，首先都需要物体检测，特征检测和匹配。这里我总结一些对我有用的，也希望对和我一样研究方向的人有帮助。这里图像配准可以换成物体匹配的。
1， 图像配准要素结合：特征空间，搜索空间，搜索策略，近似性度量
2， 图像配准方法：
2.1基于灰度信息的方法，
交叉相关（互相关）方法，相关系数度量，序贯相似检测算法，信息理论的交换信息相似性准则
2.2基于变换域的方法
相位相关法，Walsh Transform变换
2.3基于特征的方法
常用的图像特征有：特征点（包括角点、高曲率点等）、直线段、边缘（Robert、高斯-拉普拉斯LoG、Canny、Gabor滤波等边缘检测算子）或轮廓、闭合区域、特征结构以及统计特征如矩不变量等
注：像素灰度信息的互相关算法相比，特征提取包含了高层信号信息，所以该类算法对光照、噪声等的抗干扰能力强。
3，常用的空间变换模型
刚体变换（平移、旋转与缩放的组合）、仿射变换、透射变换、投影变换、非线性变换
4， 常用的相似性测度
4.1距离测度
均方根误差，差绝对值和误差，兰氏距离，Mahalanobis距离，绝对差，Hausdorff距离等
4.2角度度量法（概率测度）。
4.3 相关度量法
5，配准算法的评价标准
配准时间、配准率、算法复杂度、算法的可移植性、算法的适用性、图像数据对算法的影响等（这里虽然不是目标追踪的评价标准，但是我们可以借鉴这些评价算法的标准）