图像配准是图像处理的基本任务之一,它的主要作用是将不同时间、不同传感器、不同视角及不同拍摄条件下获取的两幅或多幅图像进行匹配(主要是几何意义上的)。近年来对图像配准技术的研究涵盖了多个应用领域,在计算机视觉、模式识别、医学图像分析和遥感数据处理等学科中图像配准技术均占有举足轻重的地位,图像配准己成为很多研究课题的必备环节。图像配准中的一个关键的问题是如何利用一种行之有效的方法来评价图像间的相似程度。自1991年,一种基于Hausdorff距离的计算图像间的相似度的方法提出后,Hausdorff距离作为一种评价两个图形位置关系的量化标准已被大量应用到图像配准的研究领域中,其良好的配准精度也被大量的实验和研究所证明。然而在图像配准中,单纯的Hausdorff距离在计算上存在着一个比较大的缺点,就是对于噪声和孤立点的敏感性,但是由Hausdorrff距离改进的LTS(Least Trimmed Square)Hausdorff距离却可以很好的克服这些问题,作为一种改进方法,LTS Hausdorff距离在数字图像配准中具有比较理想的精确度和健壮性。该文提出了一种基于改进的Hausdorff距离(LTS Hausdorff距离)与遗传算法的图像配准方法。算法首先是对参考图像和待配准图像进行预处理,然后在此基础上结合遗传算法对待配准图像进行配准操作,遗传算法的执行过程中利用LTS Hausdorff距离作为适应度函数,最终的目的是通过遗传算法搜索到最优变换参数,本文的主要内容如下:(1)在分析和阐述了传统的Hausdorff距离的概念、原理以及在图像配准中的缺点的基础上,引入了LTS Hausdorff距离。并且将LTS Hausdorff距离作为衡量图像相似程度的主要度量应用到图像配准中,很好的解决了传统的Hausdorff距离在图像配准中所出现的对于噪声和孤立点过于敏感的问题,而且可以保证整个配准的精度。(2)完整的阐述了遗传算法结合LTS Hausdorff距离进行图像配准的算法的流程。在图像预处理的环节中对图像进行了锐化、平滑、二值化以及边缘检测等操作。首先,在比较关键的边缘检测的处理中使用了Butterworth滤波方法进行图像点特征的提取,使图像经过预处理的环节后,能够呈现更清晰和准确的轮廓点图像。然后,将遗传算法应用到图像配准中,并且根据图像配准的特点对遗传算法进行了一些改进,例如:放弃传统的二进制的编码形式,采用实数编码;根据具体的配准实验情况确定种群大小和遗传代数;最重要的是,将LTS Hausdorff距离作为适应度函数应用到遗传算法当中,这样使得整个算法在抵抗噪声和孤立点方面有了很大的优势。对于128×128像素的人体脑部MRI图和PET图的配准实验结果证明了,本文算法具有比较好的配准精度。并且笔者还用本文的算法和采用了传统的Hausdorff距离的算法进行了比较。在几种算法对于同样的加入了噪声的图像进行配准实验后,实验的结果表明:本文采用的方法具有更好的健壮性。