图像配准是图像融合、图像分析、目标变化检测与识别等问题中的重要步骤,其应用遍及军事、遥感、医学、计算机视觉等多个领域。互信息(Mutual Information)来自于信息论,是两个随机变量统计相关性的度量,由于其具有无需预处理、自动化程度高以及鲁棒性强等特点,近几年将互信息作为一种相似性测度进行图像配准成为图像处理领域的研究热点。随着传感器、遥感平台等相关技术的发展,信息的获取途径越来越多,获得的数据量也随之急剧增长,而许多应用领域对图像配准处理速度的要求也越来越高。显然,传统的单处理器配准处理串行算法已经无法满足这样的运算需求,而并行处理是解决这一问题的重要技术手段。目前,国内外的研究主要集中在提高配准质量上,而针对海量数据配准和强实时性配准的大规模并行算法研究尚处于起步阶段。因此研究并实现图像配准的并行算法,将大大提高配准处理效率,具有广阔的应用前景。本文针对上述需求,重点针对基于互信息的图像配准并行算法进行深入研究和实践工作。本文的主要工作和贡献如下:1、深入研究了互信息理论的计算方法。采用直方图和Parzen窗两种方法计算互信息,并分析比较了这两种计算方法。实验结果表明,直方图法得到的结果比较粗糙,但计算速度较快。基于Parzen窗估计的计算方法,样本估计的效果取决于窗函数的形式和宽度,在样本数目足够大时,计算精度高,但是在计算时需要进行多个累加和,计算量很大。2、深入研究了图像配准算法的三种常用的相似性测度——互信息、相关系数、差方和,并通过实验从计算时间、锐度、对噪声的容忍性以及对多模图像配准的影响等方面分析和比较了三种测度的优劣。实验表明,在多数情况下,互信息的配准精度是这三种相似性测度中最高的。3、提出并实现了一种基于互信息的刚性图像配准并行算法。该算法基于刚性变换模型,图像数据采用块(block)划分,在算法运行过程中实现了数据分块并行读入,较好地解决了负载平衡问题。采用二叉树规约方法计算互信息,加快配准速度。实验结果表明该算法获得了良好的加速比,可扩展性好,并行效率较高。4、提出了一类(基于基函数)非刚性图像配准并行算法设计模型,并应用该模型对一种具体的非刚性串行算法进行了并行化。该模型采用并行读入交叉划分数据、并行自动选取标记点、二叉树规约计算互信息和并行输出分块图像。理论分析表明,该算法设计模型的并行效率高,通用性较强。