图像配准技术是图像处理技术中一项重要的技术,它能够实现相互具有偏移量的两幅或者多幅图像之间的匹配。图像配准技术的应用领域广泛,涉及变化检测、图像融合、图像拼接、三维建模以及计算机视觉等方面。在许多需要以图像配准为基础的图像处理技术中,图像配准的效果直接影响了其处理技术中后续工作的效果。探索能够提高图像配准的配准效果的方法是我们一直需要追求的目标,为了这个目标,本文提出了一种基于种群增量学习(PBIL)算法的图像配准的方法。本文先就图像处理技术和图像配准技术的研究背景、研究现状及其发展方向进行了详细的描述,并对图像配准技术的数学概念、原理进行了详细的介绍说明,并举例说明了几种采用率比较高的配准方法和其相应的配准模型。其中着重介绍了基于尺度不变特征(SIFT)的匹配算法,对其算法流程进行了详细的介绍。该算法提取出来的图像特征具有尺度不变性和旋转不变性,对光照变化,噪声等外界因素影响都有着较强的适应性,且具有比较高的辨别性。之后介绍了互信息的原理及其数学定义,然后在SIFT和基础上提出了一种搜索算法—种群增量学习(PBIL)算法。以互信息(MI)为相似性测度,在SIFT的基础上利用PBIL算法对特征点对进行搜索,寻找最优的变换参数,从而实现匹配精度的提高。最后,在SIFT特征的基础之上加入多尺度Harris特征,利用双向匹配对两种特征分别进行匹配,设定一个条件对特征进行筛选,将两种特征点中满足条件的特征点放入一个集合。以MI为相似性测度,利用PBIL算法在特征点集合进行搜索,寻找最优的变换参数,进一步实现匹配精度的提高。