分形理论是现代数学与非线性科学研究中的一个十分活跃的分支。近年来,它在图像处理方面已获得了一系列的成功应用。特别是分形编码,它以简洁的迭代函数系统来表征图像,所以在图像压缩方面取得了很好的效果,同时,它也能应用到图像匹配中,本文在分析传统的灰度图像匹配的基础上提出几种基于分形方法的图像匹配。方法1:基于值域块参数对( D ,LMSE)的图像匹配分形编码理论基于同一图像或不同图像之间的局部相似性。一个值域块的分形编码,一定会有一个定义域块(D)和最小均方误差(LMSE )与之一一对应,从而得到描述此值域块的一组参数( D ,LMSE),将此参数对作为图像匹配的参数特征进行匹配。待匹配图像分割为相同大小的值域块,然后将每一值域块按给定的定义域块进行分形编码,得到一组参数( Di , LMSEi ),进而求得整个图像的LMSE ,计算该LMSE与此待匹配图像通过自身的分形编码求得的LMSE org的欧氏距离,从而求得最佳的匹配图像。方法2:基于分形邻距( FND )的图像匹配分形邻距是针对经过分形编码的图像而定义的一种图像间相似性的测度方法。它具有分形编码的吸引子唯一不变性特点,因而对旋转、缩放、平移和光照都有不变性。在图像匹配中,把它作为图像相似性的度量标准。分别将匹配图像通过分形编码求得分形码,在解码的过程中,以待匹配图像作为解码的输入图像进行一次迭代,求得FNDi ,从而得到最佳的匹配图像。