基于图像特征的配准方法的优点

1)计算量小：基于区域灰度的方法的基本操作是：定义一个相似性度量准则，
遍历图像空间来寻找一组最优变换参数，找到相似度最大的位置。特别是在没有
任何先验信息的情况下，该算法复杂度很高；而基于特征的方法不需要穷举搜索
空间，它只需要提取出匹配的控制点就可以解出对应的变换模型的参数，因此可
以大大减少计算量。
2）鲁棒性好：基于区域灰度的方法中，最大的特点就是直接在灰度空间上寻找
匹配，因为它要求参加配准的图像满足一定的灰度相似性，所以这类方法对噪声
的影响敏感；而基于特征的方法由于在特征空间上进行匹配，避免了直接对图像
灰度的操作，因此这类方法对图像的灰度属性和噪声的影响不是很敏感，算法更
为鲁棒和稳健。
3）对复杂的几何影变不敏感：对基于灰度的方法来说，当变换的参数空间增大
时，其搜索和匹配运算的计算量将以指数级的速度增加，因此对于复杂几何形变
的图像配准，基于区域灰度的方法是实现不了的；而对基于特征的图像配准方法，
是在特征空间进行操作，只要能够提取出足够多的控制点对，理论上是能够解出
任何复杂几何变换模型的参数。