【正文】 中在算法上而不是編程上，從而能大大提高研究效率。由于不同模式的圖像傳感器的成像機理不同，工作電磁波的波長不同，所以不同圖像傳感器獲得的同一場景的多幅圖像之間具有信息的冗余性和互補性，經圖像融合技術得到的合成圖像則可以更全面、更精確地描述所研究的對象。該算法需要計算出特征點以及特征點的匹配點，同時還要將所有4對特征點帶入式322求解變換系數，計算量大。 該算法的主要缺點: (2)誤匹配發(fā)生的概率小，因為利用了參考圖像T包含特征點的特征區(qū)域來尋找相應匹配，因此在搜索圖S中相應的特征區(qū)域容易確認。 (1)圖像的特征信息得到了利用，能夠有的放矢，不是在盲目的搜索。取其中最小者為像元((c,r)的興趣值:IV(c,r)=V=min{ V , V , V , V } 　　(2)根據給定的閡值，選擇興趣值大于該闡值的點作為特征點的候選點。特征點主要指圖像中的明顯點，如房屋角點、圓點等。同時，在確定特征線間距時，選的過大，則不能充分利用重疊區(qū)域的圖像信息。由于照片中存在大塊紋理相同的部分，所以與模版的差別就不大，這樣有很多匹配點，很容易造成誤匹配。此算法對照片先進行垂直方向上的比較，然后再進行水平方向上的比較，這樣可以解決上下較小的錯開問題。 (3)利用參考圖像T中的比值模板在搜索圖S中尋找相應的匹配。假定垂直錯開距離不超過n個像素，多取的n個像素則可以解決圖像垂直方向上的交錯問題。 該算法的具體實現步驟如下:這樣在比較中只利用了一組數據，而這組數據利用了兩列像素及其所包含的區(qū)域的信息。對于任意變換模型，不能直接進行處理，而要使用控制點方法，控制點方法可以解決諸如多項式、局部變形等問題。 相位相關度法的缺點:另外，傅立葉變換的硬件實現也比其它算法容易。 (36)若圖像s,t相差一個平移量(x ,y )，即有:它將圖像由空域變換到頻域以后再進行配準。 (2)從待匹配的兩幅圖像中分辨率最低的開始進行匹配搜索，由于這兩幅圖像像素點的數目少，圖像信息也被消除一部分，因此，此匹配位置是不精確的。依次處理，得到一組分辨率依次降低的圖像。在搜索過程中，首先進行粗略匹配，每次水平或垂直移動一個步長，計算對應像素點灰度差的平方和，記錄最小值的網格位置。　　 分層比較法 　　圖像處理的塔形(或稱金字塔:Pyramid)分解方法是由Burt和Adelson首先提出的，其早期主要用于圖像的壓縮處理及機器人的視覺特性研究。 (1)很難選擇待配準圖像分塊。 (34)當R(i,j)越大時，D(i,j)越小，歸一化后為:因此相關函數為:R(i,j)= [S (m,n)] 2 D(i,j)= D(i,j)=在現實圖像中，兩幅圖像完全一致是很少見的，一般的判斷是在滿足一定條件下，T和S 之差最小。 圖像配準總是相對于多幅圖像來講的，在實際工作中，通常取其中的一幅圖像作為配準的基準,稱它為參考圖,另一幅圖像,為搜索圖。配準可以用描述為如下的問題:給定同一景物的從不同的視角或在不同的時間獲取的兩個圖像I ,I 和兩個圖像間的相似度量S(I ,I ),找出I ,I 中的同名點，確定圖像間的最優(yōu)變換T,使得S(T(I ),I )達到最大值。 3 、5 5 區(qū)域，也可以有不同形狀，如線狀、圓形、十字形、圓環(huán)形?！　　　≈兄禐V波是基于排序統(tǒng)計理論的一種能有效抑制噪聲的非線性信號處理技術。序號為0是當前像素，序號為1至8是鄰近像素。各種類型的噪聲反映在圖像畫面上，大致可以分為兩種類型。一般來說，噪聲是不可預測的隨機信號，通常采用概率統(tǒng)計的方法對其進行分析。因此，解決幾何畸變的問題顯得很重要?！　?圖像的預處理 　　 圖像的校正 　　當照相系統(tǒng)的鏡頭或者照相裝置沒有正對著待拍攝的景物時候，那么拍攝到的景物圖像就會產生一定的變形。圖像融合就是為了讓圖像間的拼接縫隙不明顯，拼接更自然　　 圖像的獲取方式 　　圖像拼接技術原理是根據圖像重疊部分將多張銜接的圖像拼合成一張高分辨率全景圖 。待拼接的圖像之間，可能存在平移、旋轉、縮放等多種變換或者大面積的同色區(qū)域等很難匹配的情況，一個好的圖像配準算法應該能夠在各種情況下準確找到圖像間的對應信息，將圖像對齊。在圖像質量不理想的情況下進行圖像拼接，如果不經過圖像預處理，很容易造成一些誤匹配。 圖像拼接的基礎理論及圖像預處理 　　 第五章主要介紹圖像拼接軟件實現本文的算法。　　本文的組織結構：　　第一章主要對圖像拼接技術作了整體的概述，介紹了圖像拼接的研究背景和應用前景，以及圖像拼接技術的大致過程、圖像拼接算法的分類和其技術難點。　　 本文的主要工作：(1) 總結了前人在圖像拼接方面的技術發(fā)展歷程和研究成果。一系列的圖像分割技術都被用到特征的抽取和邊界檢測上。 基于特征的配準方法不是直接利用圖像的像素值，而是通過像素導出圖像的特征，然后以圖像特征為標準，對圖像重疊部分的對應特征區(qū)域進行搜索匹配，該類拼接算法有比較高的健壯性和魯棒性。另一種方法是計算兩塊區(qū)域的對應像素點灰度值的相關系數，相關系數越大，則兩塊圖像的匹配程度越高。也可以通過FFT 變換將圖像由時域變換到頻域，然后再進行配準。根據圖像匹配方法的不同仁闊，一般可以將圖像拼接算法分為以下兩個類型：　　（1) 基于區(qū)域相關的拼接算法。所以把相鄰的各幅圖像拼接起來是實現遠程數據測量和遠程會診的關鍵環(huán)節(jié)圓。這種基于全景圖的虛擬現實系統(tǒng)，通過全景圖的深度信息抽取，恢復場景的三維信息，進而建立三維模型。這在紅外預警中起到了很大的作用。近年來隨著圖像拼接技術的研究和發(fā)展，它使基于圖像的繪制（IBR）成為結合兩個互補領域——計算機視覺和計算機圖形學的堅決焦點，在計算機視覺領域中，圖像拼接成為對可視化場景描述（Visual Scene Representaions）的主要研究方法：在計算機形學中，現實世界的圖像過去一直用于環(huán)境貼圖，即合成靜態(tài)的背景和增加合成物體真實感的貼圖，圖像拼接可以使IBR從一系列真是圖像中快速繪制具有真實感的新視圖。In general, the process of image mosaic by the image acquisition, image registration, image synthesis of three steps, one of image registration are the basis of the entire image mosaic. In this paper, two image registration algorithm: Based on the characteristics and transform domainbased image registration algorithm. In featurebased registration algorithm based on a robust featurebased registration algorithm points. First of all, to improve the Harris corner detection algorithm, effectively improve the extraction of feature points of the speed and accuracy. And the use of a similar measure of NCC (normalized cross correlation Normalized crosscorrelation), through the largest correlation coefficient with twoway matching to extract the feature points out the initial right, using random sampling method RANSAC (Random Sample Consensus) excluding pseudofeature points right, feature points on the implementation of the exact match. Finally with the correct feature point matching for image registration implementation. In this paper, the algorithm adapted, in the repetitive texture, such as relatively large rotation more difficult to automatically match occasions can still achieve an accurate image registration.　　Key words: image mosaic, image registration, image fusion, panorama　　第一章然后利用相似測度NCC(normalized cross correlation——歸一化互相關),通過用雙向最大相關系數匹配的方法提取出初始特征點對,用隨機采樣法RANSAC(Random Sample Consensus)剔除偽特征點對,實現特征點對的精確匹配。 一般來說,圖像拼接的過程由圖像獲取,圖像配準,圖像合成三步驟組成,其中圖像配準是整個圖像拼接的基礎。圖像拼接在攝影測量學、計算機視覺、遙感圖像處理、醫(yī)學圖像分析、計算機圖形學等領域有著廣泛的應用價值。首先改進Harris角點檢測算法,有效提高所提取特征點的速度和精度。　　Abstract：Image mosaic is a technology that carries on the spatial matching to a series of image which are overlapped with each other, and finally builds a seamless and high quality image which has high resolution and big eyeshot. Image mosaic has widely applications in the fields of photogrammetry, puter vision, remote sensing image processing, medical image analysis, puter graphic and so on. ?！　≡缙诘膱D像拼接研究一直用于照相繪圖學，主要是對大量航拍或衛(wèi)星的圖像的整合。使用圖像拼接技術，在根據拍攝設備和周圍景物的情況進行分析后，就可以將通過轉動的拍攝器材拍攝的涵蓋周圍360 度景物的多幅圖像進行拼接，從而實時地得到超大視角甚至是360 度角的全景圖像。在虛擬現實領域中，人們可以利用圖像拼接技術來得到寬視角的圖像或360 度全景圖像，用來虛擬實際場景。在醫(yī)學圖像處理方面，顯微鏡或超聲波的視野較小，醫(yī)師無法通過一幅圖像進行診視，同時對于大目標圖像的數據測量也需要把不完整的圖像拼接為一個整體。圖像拼接的質量，主要依賴圖像的配準程度，因此圖像的配準是拼接算法的核心和關鍵?；趨^(qū)域的配準方法是從待拼接圖像的灰度值出發(fā)，對待配準圖像中一塊區(qū)域與參考圖像中的相同尺寸的區(qū)域使用最小二乘法或者其它數學方法計算其灰度值的差異，對此差異比較后來判斷待拼接圖像重疊區(qū)域的相似程度，由此得到待拼接圖像重疊區(qū)域的范圍和位置，從而實現圖像拼接。這種辦法效果不是很好，常常由于亮度、對比度的變化及其它原因導致拼接失敗。(2) 基于特征相關的拼接算法。然后在兩幅圖像對應的特征集中利用特征匹配算法盡可能地將存在對應關系的特征對選擇出來。特征匹配的算法有：交叉相關、距離變換、動態(tài)編程、結構匹配、鏈碼相關等算法。 (4) 用matlab實現本文中的圖像拼接算法(5) 總結了圖像拼接中還存在的問題，對圖像拼接的發(fā)展方向和應用前景進行展望。第四章主要介紹討論了圖像融合的一些算法?！　〉诙?圖像拼接技術主要有三個主要步驟：圖像預處理、圖像配準、圖像融合與邊界