【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(jī)理不同，工作電磁波的波長(zhǎng)不同，所以不同圖像傳感器獲得的同一場(chǎng)景的多幅圖像之間具有信息的冗余性和互補(bǔ)性，經(jīng)圖像融合技術(shù)得到的合成圖像則可以更全面、更精確地描述所研究的對(duì)象。該算法需要計(jì)算出特征點(diǎn)以及特征點(diǎn)的匹配點(diǎn)，同時(shí)還要將所有4對(duì)特征點(diǎn)帶入式322求解變換系數(shù)，計(jì)算量大。 該算法的主要缺點(diǎn): (2)誤匹配發(fā)生的概率小，因?yàn)槔昧藚⒖紙D像T包含特征點(diǎn)的特征區(qū)域來(lái)尋找相應(yīng)匹配，因此在搜索圖S中相應(yīng)的特征區(qū)域容易確認(rèn)。 (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(jù)給定的閡值，選擇興趣值大于該闡值的點(diǎn)作為特征點(diǎn)的候選點(diǎn)。特征點(diǎn)主要指圖像中的明顯點(diǎn)，如房屋角點(diǎn)、圓點(diǎn)等。同時(shí)，在確定特征線間距時(shí)，選的過(guò)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(diǎn)，很容易造成誤匹配。此算法對(duì)照片先進(jìn)行垂直方向上的比較，然后再進(jìn)行水平方向上的比較，這樣可以解決上下較小的錯(cuò)開(kāi)問(wèn)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(yīng)的匹配。假定垂直錯(cuò)開(kāi)距離不超過(guò)n個(gè)像素，多取的n個(gè)像素則可以解決圖像垂直方向上的交錯(cuò)問(wèn)題。 該算法的具體實(shí)現(xiàn)步驟如下:這樣在比較中只利用了一組數(shù)據(jù)，而這組數(shù)據(jù)利用了兩列像素及其所包含的區(qū)域的信息。對(duì)于任意變換模型，不能直接進(jìn)行處理，而要使用控制點(diǎn)方法，控制點(diǎn)方法可以解決諸如多項(xiàng)式、局部變形等問(wèn)題。 相位相關(guān)度法的缺點(diǎn):另外，傅立葉變換的硬件實(shí)現(xiàn)也比其它算法容易。 (36)若圖像s,t相差一個(gè)平移量(x ,y )，即有:它將圖像由空域變換到頻域以后再進(jìn)行配準(zhǔn)。 (2)從待匹配的兩幅圖像中分辨率最低的開(kāi)始進(jìn)行匹配搜索，由于這兩幅圖像像素點(diǎn)的數(shù)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(guò)程中，首先進(jìn)行粗略匹配，每次水平或垂直移動(dòng)一個(gè)步長(zhǎng)，計(jì)算對(duì)應(yīng)像素點(diǎn)灰度差的平方和，記錄最小值的網(wǎng)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(jī)器人的視覺(jué)特性研究。 (1)很難選擇待配準(zhǔn)圖像分塊。 (34)當(dāng)R(i,j)越大時(shí)，D(i,j)越小，歸一化后為:因此相關(guān)函數(shù)為:R(i,j)= [S (m,n)] 2 D(i,j)= D(i,j)=在現(xiàn)實(shí)圖像中，兩幅圖像完全一致是很少見(jiàn)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(zhǔn)總是相對(duì)于多幅圖像來(lái)講的，在實(shí)際工作中，通常取其中的一幅圖像作為配準(zhǔn)的基準(zhǔn),稱它為參考圖,另一幅圖像,為搜索圖。配準(zhǔn)可以用描述為如下的問(wèn)題:給定同一景物的從不同的視角或在不同的時(shí)間獲取的兩個(gè)圖像I ,I 和兩個(gè)圖像間的相似度量S(I ,I ),找出I ,I 中的同名點(diǎn)，確定圖像間的最優(yōu)變換T,使得S(T(I ),I )達(dá)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(jì)理論的一種能有效抑制噪聲的非線性信號(hào)處理技術(shù)。序號(hào)為0是當(dāng)前像素，序號(hào)為1至8是鄰近像素。各種類(lèi)型的噪聲反映在圖像畫(huà)面上，大致可以分為兩種類(lèi)型。一般來(lái)說(shuō)，噪聲是不可預(yù)測(cè)的隨機(jī)信號(hào)，通常采用概率統(tǒng)計(jì)的方法對(duì)其進(jìn)行分析。因此，解決幾何畸變的問(wèn)題顯得很重要?！　?圖像的預(yù)處理 　　 圖像的校正 　　當(dāng)照相系統(tǒng)的鏡頭或者照相裝置沒(méi)有正對(duì)著待拍攝的景物時(shí)候，那么拍攝到的景物圖像就會(huì)產(chǎn)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(shù)原理是根據(jù)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(zhuǎn)、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(gè)好的圖像配準(zhǔn)算法應(yīng)該能夠在各種情況下準(zhǔn)確找到圖像間的對(duì)應(yīng)信息，將圖像對(duì)齊。在圖像質(zhì)量不理想的情況下進(jìn)行圖像拼接，如果不經(jīng)過(guò)圖像預(yù)處理，很容易造成一些誤匹配。 圖像拼接的基礎(chǔ)理論及圖像預(yù)處理 　　 第五章主要介紹圖像拼接軟件實(shí)現(xiàn)本文的算法?！　”疚牡慕M織結(jié)構(gòu)：　　第一章主要對(duì)圖像拼接技術(shù)作了整體的概述，介紹了圖像拼接的研究背景和應(yīng)用前景，以及圖像拼接技術(shù)的大致過(guò)程、圖像拼接算法的分類(lèi)和其技術(shù)難點(diǎn)。　　 本文的主要工作：(1) 總結(jié)了前人在圖像拼接方面的技術(shù)發(fā)展歷程和研究成果。一系列的圖像分割技術(shù)都被用到特征的抽取和邊界檢測(cè)上。 基于特征的配準(zhǔn)方法不是直接利用圖像的像素值，而是通過(guò)像素導(dǎo)出圖像的特征，然后以圖像特征為標(biāo)準(zhǔn)，對(duì)圖像重疊部分的對(duì)應(yīng)特征區(qū)域進(jìn)行搜索匹配，該類(lèi)拼接算法有比較高的健壯性和魯棒性。另一種方法是計(jì)算兩塊區(qū)域的對(duì)應(yīng)像素點(diǎn)灰度值的相關(guān)系數(shù)，相關(guān)系數(shù)越大，則兩塊圖像的匹配程度越高。也可以通過(guò)FFT 變換將圖像由時(shí)域變換到頻域，然后再進(jìn)行配準(zhǔn)。根據(jù)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(gè)類(lèi)型：　?。?) 基于區(qū)域相關(guān)的拼接算法。所以把相鄰的各幅圖像拼接起來(lái)是實(shí)現(xiàn)遠(yuǎn)程數(shù)據(jù)測(cè)量和遠(yuǎn)程會(huì)診的關(guān)鍵環(huán)節(jié)圓。這種基于全景圖的虛擬現(xiàn)實(shí)系統(tǒng)，通過(guò)全景圖的深度信息抽取，恢復(fù)場(chǎng)景的三維信息，進(jìn)而建立三維模型。這在紅外預(yù)警中起到了很大的作用。近年來(lái)隨著圖像拼接技術(shù)的研究和發(fā)展，它使基于圖像的繪制（IBR）成為結(jié)合兩個(gè)互補(bǔ)領(lǐng)域——計(jì)算機(jī)視覺(jué)和計(jì)算機(jī)圖形學(xué)的堅(jiān)決焦點(diǎn)，在計(jì)算機(jī)視覺(jué)領(lǐng)域中，圖像拼接成為對(duì)可視化場(chǎng)景描述（Visual Scene Representaions）的主要研究方法：在計(jì)算機(jī)形學(xué)中，現(xiàn)實(shí)世界的圖像過(guò)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(shí)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(shí)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(cè)度NCC(normalized cross correlation——?dú)w一化互相關(guān)),通過(guò)用雙向最大相關(guān)系數(shù)匹配的方法提取出初始特征點(diǎn)對(duì),用隨機(jī)采樣法RANSAC(Random Sample Consensus)剔除偽特征點(diǎn)對(duì),實(shí)現(xiàn)特征點(diǎn)對(duì)的精確匹配。 一般來(lái)說(shuō),圖像拼接的過(guò)程由圖像獲取,圖像配準(zhǔn),圖像合成三步驟組成,其中圖像配準(zhǔn)是整個(gè)圖像拼接的基礎(chǔ)。圖像拼接在攝影測(cè)量學(xué)、計(jì)算機(jī)視覺(jué)、遙感圖像處理、醫(yī)學(xué)圖像分析、計(jì)算機(jī)圖形學(xué)等領(lǐng)域有著廣泛的應(yīng)用價(jià)值。首先改進(jìn)Harris角點(diǎn)檢測(cè)算法,有效提高所提取特征點(diǎn)的速度和精度?！　bstract：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(xué)，主要是對(duì)大量航拍或衛(wèi)星的圖像的整合。使用圖像拼接技術(shù)，在根據(jù)拍攝設(shè)備和周?chē)拔锏那闆r進(jìn)行分析后，就可以將通過(guò)轉(zhuǎn)動(dòng)的拍攝器材拍攝的涵蓋周?chē)?60 度景物的多幅圖像進(jìn)行拼接，從而實(shí)時(shí)地得到超大視角甚至是360 度角的全景圖像。在虛擬現(xiàn)實(shí)領(lǐng)域中，人們可以利用圖像拼接技術(shù)來(lái)得到寬視角的圖像或360 度全景圖像，用來(lái)虛擬實(shí)際場(chǎng)景。在醫(yī)學(xué)圖像處理方面，顯微鏡或超聲波的視野較小，醫(yī)師無(wú)法通過(guò)一幅圖像進(jìn)行診視，同時(shí)對(duì)于大目標(biāo)圖像的數(shù)據(jù)測(cè)量也需要把不完整的圖像拼接為一個(gè)整體。圖像拼接的質(zhì)量，主要依賴圖像的配準(zhǔn)程度，因此圖像的配準(zhǔn)是拼接算法的核心和關(guān)鍵?；趨^(qū)域的配準(zhǔn)方法是從待拼接圖像的灰度值出發(fā)，對(duì)待配準(zhǔn)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(shù)學(xué)方法計(jì)算其灰度值的差異，對(duì)此差異比較后來(lái)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(shí)現(xiàn)圖像拼接。這種辦法效果不是很好，常常由于亮度、對(duì)比度的變化及其它原因?qū)е缕唇邮　?2) 基于特征相關(guān)的拼接算法。然后在兩幅圖像對(duì)應(yīng)的特征集中利用特征匹配算法盡可能地將存在對(duì)應(yīng)關(guān)系的特征對(duì)選擇出來(lái)。特征匹配的算法有：交叉相關(guān)、距離變換、動(dòng)態(tài)編程、結(jié)構(gòu)匹配、鏈碼相關(guān)等算法。 (4) 用matlab實(shí)現(xiàn)本文中的圖像拼接算法(5) 總結(jié)了圖像拼接中還存在的問(wèn)題，對(duì)圖像拼接的發(fā)展方向和應(yīng)用前景進(jìn)行展望。第四章主要介紹討論了圖像融合的一些算法。　　第二章 圖像拼接技術(shù)主要有三個(gè)主要步驟：圖像預(yù)處理、圖像配準(zhǔn)、圖像融合與邊界