同一目标或者场景，在不同的视觉条件下会表现出不同的外观。图像配准就是探讨如何获取同一事物不同外观之间的对应关系的一门技术。它不仅是计算机视觉、机器智能、图像处理等研究领域亟待解决的理论问题，也是实现目标追踪、视频检索、图像拼接、电子稳像等重要实际应用的共性课题。因此，对图像配准技术进行深入研究，具有理论和实践的双重意义。　　 在当前众多图像配准方法中，基于局部特征的方法表现出较好的性能优势和巨大的发展潜力，已成为该领域十分活跃的研究课题，但同时也存在诸多难点。本论文在国家“863”计划和国防“十一五”基础研究项目等课题的支持下，立足于对图像局部不变特征原理的思考，从工程学的角度出发，不仅对局部特征算法的评估准则、检测算子融合的有效性等基础性问题进行了探讨，也面向增强现实中的目标追踪和数字图像真伪鉴别等不同的实际应用，提出了具有针对性的解决方法。　　 本论文主要在以下四个方面的开展了较有创新性的研究工作：　　 ①现有的误匹配约束方法均不能完全有效的剔除错误匹配，某些保留下来的错误匹配对于实际配准效果的影响是致命的。然而，当前的评估指标往往关注于对应特征的总数和重复率，以及在全局配准过程中的正确率，却忽略了匹配误差大小对于配准结果的影响。为了获得一种全面的考察算法性能的评估指标，方便研究人员对算法作出全面客观的评价，作者提出重建相似度评估指标，其核心思想是通过图像配准过程建立的两幅图像局部特征之间的对应关系，利用其中一幅图像的材质对另一幅图像进行重建，将重建出的图像与原始图像的相似程度作为配准算法性能的度量。因此，它不仅能够反映配准算法所建立的对应特征的数量和正确率，还能够反映误差大小的程度，适合作为一种用以考察算法整体性能的评估指标。　　 ②自从尺度不变特征变换(SIFT)及其改进算法梯度位置和朝向直方图(GLOH)提出以来，之后提出的诸多新方法并未在配准精度和对应总数上有实质性的超越，尤其是在宽基线测试条件下。最近涌现的算法更多的是在算法效率上的提升，例如快速健壮特征(SURF)等。针对目前高精度配准算法的性能瓶颈，作者提出将当今两类特征检测算子(特征区域检测算子和特征点检测算子)进行融合来实现性能提升的思路，并对这一思路的有效性进行分析与实验验证。在此基础上，作者提出在宽基线视觉条件下具有较高鲁棒性和对应总数，同时具有较好运算效率的MDSS算法。实验证明，MDSS算法在不高于GLOH的运算时间的情况下，其重建相似度评价优于GLOH和SIFT算法。对于灰度图像，采用最稳定极值区域方法替代最稳定色彩区域方法得到的MDSS-算法，也是一个具有良好性能的方法。　　 ③在实际系统中，算法的精度、健壮性以及执行时间等指标很难兼顾，如何在实时条件下尽可能提高配准算法的鲁棒性是研究人员在项目实践中面临的突出难题。作者针对当前基于特征点的局部特征算法普遍运算量大，内存开销大的问题，提出由区域粗对应到特征点精细对应的二步式配准方法。算法首先在两幅待配准图像中分别获取具有较高独特性的特征区域，并建立这些区域间的对应关系；然后利用一种轻量级的局部特征配准算法，在已建立对应关系的特征区域上进一步获取对应特征点的精确定位。由于特征点精细对应是约束在己建立对应关系的特征区域中，而这些区域本身具有良好的仿射不变性，所以算法对于仿射变化均具有较强的鲁棒性。并且，得益于由粗到精的二步式框架以及所采用的轻量级特征点对应算法，算法的运算复杂度显著降低。实验结果表明，同SIFT与GLOH算法相比，该算法仅占用SIFT算法19.94％的运行时间，但在常规视觉条件下无显著的性能损失，在大视角偏移时性能更加接近甚至有所超越。作者将该算法应用于无标记增强现实的虚拟目标定位中，并取得了较为理想的效果。　　 ④近年来，图像造假事件层出不穷，探索一种行之有效的影像真伪鉴别方法，已成为技术工作者亟待解决的课题之一。作者将图像局部特征配准算法应用到图像分析领域，提出了尺度空间的有序性准则和图像中物体的偏转描述法，并在此基础上提出一种被动式数字图像真伪鉴别方法。该方法的核心思想是有效利用图像局部特征配准方法在配准过程中得到的尺度空间信息和描述符朝向信息，挖掘隐含于图像之中但凭借肉眼不能定量描述的信息，进而找出人为篡改的痕迹或不符合成像规律之处。作者将该方法应用于在全国范围内引起轩然大波的“周老虎”系列数码照片的真伪鉴别中，用详实确凿的实验数据揭示了其假老虎的本质。