图像配准算法理论及当前研究进展
     图像配准（Image Registration）在图像处理领域中是一项非常基本的工作。它一般用于匹配(Match)不同时间、不同传感器或不同视角基础上采集的两幅或多幅图像。图像配准是一种在空间域匹配两幅图像的处理方法，它可以使得同一场景两幅图像中对应象素对准到同一物理位置，是许多图像处理应用中不可避免的研究问题。许多年过去了，人们已经针对不同类型数据和问题的配准技术和方法进行了广泛的研究。不同领域内的各种实际问题都要求将图像进行配准。
    当前的配准算法主要集中在以下三个领域中[1]：
1) 计算机视觉和模式识别领域——大量的不同性质的任务。比如分割、对象识别、形状重建、运动跟踪、立体匹配以及特征识别等方面。
2) 医学图像分析领域——医学图像诊断方面，如脑瘤检测和病因定位；生物医学研究方面，如血细胞显微图像分类等。
3) 遥感数据处理领域——民用和军用系统中。农业、地质、海洋学、石油和矿产探测、城市和森林污染、目标定位等方面。
    目前图像配准领域的算法有很多[2]：Sclaroff和Pentland的模板匹配方法是一种建立两个形状中鲁棒特征点匹配的有效方法。这种方法一般对所匹配的形状进行轮廓取样，然后分析与描述每一形状轮廓的相关点集，以及其虚拟弹性形体的抖动行为（模板扩张）；相似的抖动点则成为一对匹配点。
   Mecocci和Bussotti则认为两幅图像的点特征匹配问题非常重要，而且已经在立体视觉、运动结构以及图像序列中运动对象跟踪等各方面得到广泛应用。因此，利用模板匹配方法，他们提出了一种两幅图像间的大量点特征匹配的可靠算法来实现图像配准。新加坡的Yao jianchao则将图像配准方法分为两类：(1)基于特征的图像匹配；(2)基于强度(intensity)的图像匹配；他同时研究了基于特征与强度的算法优缺点，进而提出了一种同时结合特征与强度匹配的新的图像配准算法。
    Loh Kor Heng等人利用分层方法实现了旋转和位移图像的高精确性配准。这种算法与传统的基于空间域或频域的插值或相关算法相比非常有效，而且具有良好的鲁棒性，并可以获得亚象素图像配准精度。而Pramod K.Varshney的方法和前面算法类似，但他采取了小波变换来实现图像的金字塔分层，在图像分区同时实现了图像灰度级别重新分级，大大增加了处理的可靠性。
   图像配准技术的基本思想是寻找某种空间几何变换或映像类型，使得图像可以达到适当配准。尽管图像中可能有种种变形，但图像配准算法必须选择一种变换关系，使得图像中由于采集差异引起的空间形变得到消除。
    图像配准中常用的空间几何变换可以分为刚体变换、仿射变换、透视变换、投影变换和非线性变换等。结合这几种变换，当前主要的图像配准方法分为以下几种：1)相关法2)傅立叶方法3)点映射方法 4)基于模板的弹性匹配方法。
    图像配准最新的研究是以弹性模板为中心。这些方法并不直接应用分段插值来计算得出某种变换，而是将图像的变形模型化为某种弹性物质的形变，从而实现一幅图像的控制点映像到另一幅图像。
1.3  印刷质量检测系统国内外发展现状
对本课题的研究主要是在最近二十年内进行的，国内外很多学者提出了许多有关图像处理算法和印刷质量检测的方法[3][4]，使印刷质量检测技术得到了很大的发展。
1.3.1 国外的研究现状
1990年，日本的Tanimizu对印刷工业自动质量检测进行了研究，提出了索引空间法(Index Space Method)，以X，Y轴表示各象素点的位置坐标，以Z轴表示象素点灰度值，建立了空间坐标系，通过比较坐标系中模板图像和待检图像对应位置的灰度值，来确定待检图像中是否存在缺陷点，这种方法的优点是图像处理过程和检测过程相对独立，能够检测比较复杂的图片。缺点是算法比较复杂，应用上很不方便。
1993年，法国的B.Mehenni提出了一种把n-tuple方法和逐象素比较相结合的方法，这种方法具有速度快、参数输出多等特点，但它需要专门的硬设备，同时要通过示教才能完成自动质量检测的任务。
2003年，英国埃克塞特大学的J.Luo和Z.Zhang，基于图像处理技术，提出了一种彩色印刷品检测算法。该算法首先进行照明修正，然后给出色彩三维直方图，进行特征提取，最后利用神经网络进行图像分类，识别合格图像。
目前，国外许多厂家已经研制出了各种印刷品自动化质量检测系统。例如：
德国Vision Experts公司开发的印刷质量检测系统能在线检测出各种纸张、多种材料表面的印刷错误。
德国的ELTROMAT公司生产的GED NOTA-SAVE系列高精度印刷质量检测系统已用于对钞票印刷的质量检测过程。实践证明它们大大缩短了检测的时间，提高了检测速度，达到了监控高精度印刷品生产过程的目的。
以色列AVT公司也已生产出用于检测印刷质量的PrintVision系列产品，能够探测到颜色差异、漏印、条痕以及斑点等印刷错误。
1.3.2 国内的研究现状
近年来，国内对此课题的研究也取得了很大进展，一些研究成果也已成功应用在钞票印刷等现代化生产在线。
1998年，中国科学院合肥智慧机械研究所对小张钞票的印刷质量检测问题进行了研究，初步设计了小张钞票质量检测系统，基本能够在2米/秒的运动速度下，完成废错钞票的识别和分检，实现人民币印刷质量的自动监控。
2001年，北方交通大学的阮秋琦教授对此课题进行了研究，提出了一种基于动态阈值和分层检测方法的图像缺陷识别算法。该算法可以根据阈值的设定来对一些象素点进行免检，从而达到缩短检测时间的目的。
2001年，南京航空航天大学和南京一家生产烟草包装质量检测设备公司合作，发挥各自的优势开发了香烟小包装实时检测系统。
2002年，华东船舶工业学院的韩斌等利用遗传算法技术对印刷品缺陷进行计算机自动检测，能够从印刷品图像中提取缺陷图像，实现印刷品表面的印后缺陷自动检测。但是应用遗传算法对准图像存在着一定的误差，还需改进。
2003年，哈尔滨工业大学的李娟建立了模拟印刷品印刷过程的实验系统，并对常见印刷品缺陷进行了初步检测验证。
另外，目前国内也有一些厂家研究生产印刷质量检测系统。比较著名的是大恒图像公司的印刷质量在线检测系统，系统的最高检测速度为6米/秒，检测标准可以自动学习设定，能够检测出墨色浓淡、颜色深浅、线条断线、文字缺残等。在检测出质量问题时，能发出声光报警信号，并显示错误类型及相应的图像信息。
总的说来，我国高精度印刷质量自动化检测的发展水平还不很高，而质量检测的发展现状已经制约了高精度印刷业的快速发展，迫切需要将图像信息处理理论中的图像缺陷识别技术应用到对高精度印刷业的质量检测上来。
1.4  论文的结构和工作安排
    论文的工作主要是对图像配准算法及其在印刷质量检测中的应用进行研究。结构安排如下：
第1章  绪论
    介绍本论文的研究背景和意义。简要介绍了图像配准算法理论及当前的研究进展；第三部分介绍了印刷质量检测系统的国内外发展现状；最后一部分介绍本论文的结构与安排。
第2章  印刷质量检测系统简介
    简单介绍检测系统的总体方案和系统实现的难点分析。为后面几章讨论的算法的应用提供一个大环境。
第3章  模板图像的建立
    主要讲述采用基于图像配准的“多图像平均法”建立检测系统所需的标准模板图像的方法。
第4章  印刷质量检测系统的图像配准方法
    本章首先介绍各种图像配准理论，分析了几种图像配准算法。而后结合印刷质量检测系统的精度、速度要求提出了一种基于控制点搜索的最大互相关图像配准算法。一系列的实验结果表明：该算法可以高精度、高效率地实现实测图像与模板图像之间的配准。
第5章  印刷品缺陷检测
提出了一种基于动态灰度阈值差影和分层检测技术的图像缺陷检测算法。该方法基于视觉特性设定动态灰度差影阈值，对图像进行隔点分层检测识别不合格印刷品，减少了需要检测的象素点数目，大大缩短了检测时间。
结论
    这一部分对整个设计工作进行了总结并提出了有进一步研究的地方。