互信息（MI）是用于图像配准的一种流行的相似性度量，通过最大化联合直方图中簇的紧密度可以实现良好的配准。 但是，MI对出现在一个图像中的“物体异常”敏感，而对另一图像中的物体则不敏感，并且还遭受局部最大值和有偏最大值的影响。 我们提出了一种新颖的联合显着图（JSM）以突出显示两个图像中的相应显着结构，并着重将这些显着结构分组到加权联合直方图中的平滑紧实簇中。 该策略可以解决离群值和局部最大值问题。 实验结果表明，基于JSM-MI的算法不仅具有精确性，而且对于具有异常值的挑战性图像对的配准也具有鲁