上，为减少运算量，引入了塔形处理的思想，提出了分层比较法。利用图像的塔形分解，可以分析图像中不同大小的物体。同时，通过对低分辨率、尺寸较小的上层进行分析所得到的信息还可以用来指导对高分辨率、尺寸较大的下层进行分析，从而大大简化分析和计算。在搜索过程中，首先进行粗略匹配，每次水平或垂直移动一个步长，计算对应像素点灰度差的平方和，记录最小值的网格位置。其次，以此位置为中心进行精确匹配。每次步长减半，搜索当前最小值，循环这个过程，直到步长为零，最后确定出最佳匹配位置。算法的具体实现步骤如下（1）将待匹配的两幅图像中22也就是将低一级的图像42邻域内的像素点的像素值分别取平均，作为这一区域4
2像素值，得到分辨率低一级的图像。然后，将此分辨率低一级的图像再作同样的处理，4邻域内的像素点的像素值分别取平均，作为这一区域4
点的像素值，得到分辨率更低一级的图像。依次处理，得到一组分辨率依次降低的图像。2从待匹配的两幅图像中分辨率最低的开始进行匹配搜索，由于这两幅图像像素点的数目少，图像信息也被消除一部分，因此，此匹配位置是不精确的。所以，在分辨率更高一级的图像中搜索时，应该在上一次匹配位置的附近进行搜索。依次进行下去，直到在原始图像中寻找到精确的匹配位置。算法的优点1该算法思路简单，容易理解，易于编程实现。
f2该算法的搜索空间比逐一比较要少，在运算速度较逐一比较法有所提高。算法的缺点1算法的精度不高。在是在粗略匹配过程中，移动的步长较大，很有可能将第一幅图像上所取的网格划分开，这样将造成匹配中无法取出与第一幅图像网格完全匹配的最佳网格，很难达到精确匹配。2对图像的旋转变形仍然不能很好的处理。与逐一比较法一样，该算法只是对其运算速度有所改进，让搜索空间变小，并无本质变化，因此对图像的旋转变形并不能进行相应处理。323相位相关法相位相关度法是基于频域的配准常用算法。它将图像由空域变换到频域以后再进行配准。该算法利用了互功率谱中的相位信息进行图像配准，对图像间的亮度变化不敏感，具有一定的抗干扰能力，而且所获得的相关峰尖锐突出，位移检测范围大，具有较高的匹配精度。相位相关度法思想是利用傅立叶变换的位移性质，对于两幅数字图像st，其对应的傅立叶变换为ST，即
SFs
e
TFt
e
36
若图像st相差一个平移量xy，即有sxytxxyy37
根据傅立叶变换的位移性质，上式的傅立叶r