影像匹配的特征 由于原始相片中的灰度信息可转换为电子、光学或数字等形式的信号，因而可构成电子相关、光学相关或数字相关等不同的相关方式；而由于可运用于多个领域中，影像相关所匹配的对象也是多种多样的，如卫星遥感影像、航空摄影影像、近景摄影影像等，这些原始数据往往都不是理想的数据源，因此要针对各种特点选择合适的算法进行匹配。但一般来说，无论是光学相关、电子相关还是数字相关，所匹配的对象也有不同，但其理论基础都是相同的。影像相关是利用互相关函数，评价两块影像的相似性以确定同名点。即首先取出以待定点为中心的小区域中的影像信号，然后取出其在另一影像中相应区域的影像信号，计算二者的相关函数，以相关函数最大值对应的相应区域中心点为同名点。即以影像信号分部最相似的区域为同名区域，同名区域的中心点为同名点。这也是自动化立体量测的基本原理。同名点的确定是以匹配测度为基础的，因此定义匹配测度是影像匹配最首要的任务，基于不同的理论或不同的思想可以定义各种不同的匹配测度，因而形成了各种影像匹配方法及相应的实现算法。常见的基于像方灰度的影像匹配算法有相关函数法、协方差函数法、相关系数法、差平方和法、差绝对值和法、最小二。
写出图像处理中，相关系数匹配测度公式，并给出相关系数计算程序流程图 是H.264吗 利用傅立叶变换 具体区找书 一下子我也背不下来
统计学研究的是数据，所以数据必须是定量数据，对吗？
偏自相关系数 一、自协方差和自2113相关系数p阶自回归5261AR(p)自协4102方差 r(t，s)=E[X(t)-EX(t)][X(s)-EX(s)]自相关系数ACF=r(s，t)/[(DX(t).DX(s))^16530.5]二、平稳时间序列自协方差与自相关系数1、平稳时间序列可以定义r(k)为时间序列的延迟k自协方差函数：r(k)=r(t，t+k)=E[X(t)-EX(t)][X(t+k)-EX(t+k)]2、平稳时间序列的方差相等DX(t)=DX(t+k)=σ2，所以DX(t)*DX(t+k)=σ2*σ2，所以[DX(t)*DX(t+k)]^0.5=σ2而r(0)=r(t，t)=E[X(t)-EX(t)][X(t)-EX(t)]=E[X(t)-EX(t)]^2=DX(t)=σ2简而言之，r(0)就是自己与自己的协方差，就是方差，所以，平稳时间序列延迟k的自相关系数ACF等于：p(k)=r(t，t+k)/[(DX(t).DX(t+k))^0.5]=r(k)/σ2=r(k)/r(0)3、平稳AR(p)的自相关系数具有两个显著特征：一是拖尾性；二是呈负指数衰减。三、偏相关系数对于一个平稳AR(p)模型，求出滞后k自相关系数p(k)时，实际上得到并不是x(t)与x(t-k)之间单纯的相关关系。因为x(t)同时还会受到中间k-1个随机变量x(t-1)、x(t-2)、…、x(t-k+1)的影响，而这k-1个随机变量又都和x(t-k)具有相关关系，所以自相关系数p(k)里实际掺杂了其他变量对x(t)与x(t-k)的影响。为了能单纯测度x(t-k)对x(t)的影响，。
