【正文】 之差最小。 (34)當(dāng)R(i,j)越大時(shí)，D(i,j)越小，歸一化后為: (1)很難選擇待配準(zhǔn)圖像分塊?！　?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。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。 (2)從待匹配的兩幅圖像中分辨率最低的開始進(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。 (36)若圖像s,t相差一個(gè)平移量(x ,y )，即有:另外，傅立葉變換的硬件實(shí)現(xiàn)也比其它算法容易。 相位相關(guān)度法的缺點(diǎn):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。 該算法的具體實(shí)現(xiàn)步驟如下:假定垂直錯(cuò)開距離不超過(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。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)開問(wèn)題。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。 (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。 該算法的主要缺點(diǎn):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。cpselect函數(shù)顯示圖像界面，手動(dòng)在兩幅圖像的重疊部分選取配準(zhǔn)控制點(diǎn)，Matlab自動(dòng)進(jìn)行亞像素分析，由cp2tform函數(shù)值正重疊部分的幾何差異。這是基于在不同分辨率圖像中，具有較大值的像素(或系數(shù))包含更多的圖像信息。融合效果得到提高。 融合處理?！　。?）對(duì)序列斷層圖像作三維重建和顯示，根據(jù)目標(biāo)特點(diǎn)建立數(shù)學(xué)模型?！　?5) 參數(shù)提取:從融合圖像中提取和測(cè)量特征參數(shù)，定性、定量分析　　 本章小結(jié) 　　本章主要介紹了圖像融合的概念，方法以及步驟。Matlab編寫簡(jiǎn)單，所以編程效率高，易學(xué)易懂。 　　5．高效方便的矩陣和數(shù)組運(yùn)算 我們相信，在不斷使用中，讀者會(huì)發(fā)現(xiàn)它的巨大潛力?；叶葓D像之間的融合，在大體上可分為三大類。此外，小波變換具function Y = fuse_pca(M1， M2)%Y = fuse_pca(M1， M2) image fusion with PCA method% %[z2 s2] = size(M2)。if (D(1，1) D(2，2)) M1 input image A% fused image error(39。 % calculate and store actual image size % check if image expansion necessary )。 M2 = dec2(G2)。 39。 % select valid image region 小波變換（DWT）算法程序 　　在眾多的圖像融合技術(shù)中，基于小波變換的圖像融合方法已成為現(xiàn)今研究的一個(gè)熱點(diǎn)。 ap coefficient selection highpass (see ) %Input images are not of same size39。 g1 = [zeros(1，floor(2^(i12)))， ， zeros(1，floor(2^(i11)1))， ， zeros(1，max([floor(2^(i12))，1]))]。valid39。39。valid39。 Z1 = conv2(es(M2， fh， 1)， h1， 39。 E(1，i1) = {selc(A1， B1， ap)}。 % filter (rows) A3 = conv2(es(E{3，i1}， fh， 2)， g239。)。 )。 從實(shí)驗(yàn)結(jié)果可以看出，三種方案都可以得到較滿意的視覺(jué)效果，消除了原圖像的聚焦差異，提高了圖像的清晰度，在合成圖像中左、右兩邊的目標(biāo)都很清晰。它可以用來(lái)建立大視角的高分辨率圖像，在虛擬現(xiàn)實(shí)領(lǐng)域、醫(yī)學(xué)圖像處理領(lǐng)域、遙感技術(shù)領(lǐng)域和軍事領(lǐng)域中均有廣泛的應(yīng)用。　　 　　經(jīng)過(guò)3個(gè)月的研究，本文對(duì)圖像拼接技術(shù)的研究涉及到了現(xiàn)有圖像拼接領(lǐng)域的大多方法。但是，圖像拼接在用于實(shí)際應(yīng)用的時(shí)候，有時(shí)是針對(duì)某一特定的圖像。 陳傳波，陸楓，計(jì)算機(jī)圖形學(xué)基礎(chǔ)，電子工業(yè)出版社， 2004/2。 飛思科技產(chǎn)品研發(fā)中心編著 北京：電子工業(yè)出版社，200021 Matlab信號(hào)處理與應(yīng)用 北京：國(guó)防工業(yè)出版社，2005轉(zhuǎn)貼于 中國(guó)論文下載中心 轉(zhuǎn)貼于 中國(guó)論文下載中心 。 徐昕, 李濤, 伯曉晨等編著16 王小睿，199717數(shù)字圖象處理：MATLAB版：using MATLAB18 MATLAB Surveys, 1992/4/24，4. Richard Szeliski. Video mosaics for virtual environments. ComputerGraphics and Applications, IEEE, Mar 1996.，郁道銀，1999 ，1997/10/2，蘇志勛，8. Barbara Zitova, Jan Flusser. Image registration methods:a survey. Imaging and Vision Computing,2003, ，pp. 9771000.9. B. K. Ghaffary, A. A. Sawchuk. A survey of new techniques for I mageregistration and mapping, Proceedings of the SPIE:Applications of Digital Image Processing, ，1983, pp. 222239.10 孫家廣 等，計(jì)算機(jī)圖形學(xué)（第三版），清華大學(xué)出版社，1998/9。 根據(jù)圖像拼接技術(shù)的研究體會(huì)，本人認(rèn)為以下幾個(gè)方面有待于進(jìn)一步研究:圖像配準(zhǔn)是圖像拼接技術(shù)中的核心部分。% copy imageY = A4。 A2 = conv2(es(A2+A1， fh， 1)， g2， 39。 39。 fh = floor(length(h2)/2)。 M2 = B4。 E(2，i1) = {selc(A2， B2， ap)}。valid39。)。 B1 = conv2(es(Z1， fh， 2)， g139。valid39。 A2 = conv2(es(Z1， fh， 2)， h139。valid39。 h1 = [zeros(1，floor(2^(i12)))， ， zeros(1，floor(2^(i11)1))， ， zeros(1，max([floor(2^(i12))，1]))]。 [z s]if (z1 ~= z2) | (s1 ~= s2) Y% copy imageY = M1。 = M1T + E{i1}。valid39。 M1 = dec2(G1)。valid39。 39。 M1 = adb(M1，ew)。 else， ew(2) = 0。 = s。% cells for selected imagesE = cell(1，zt)。[z2 s2] = size(M2)。 zt maximum deposition level%% and fuseY = a(1)*M1+a(2)*M2。% pute， select amp。 M2 input image 2%%由于可以選擇正交小波核，因此不同分辨率包含的信息是唯一的，而金字塔分解在兩個(gè)不同的尺度之間含有冗余，另外金字塔不同級(jí)的數(shù)據(jù)相關(guān)，很難知道兩級(jí)之間的相似性是由于冗余還是圖像本身的性質(zhì)引起的。簡(jiǎn)單的圖像融合方法不對(duì)參加融合的源圖像進(jìn)行任何變換和分解，而是直接對(duì)源圖像中的各對(duì)應(yīng)像素分別進(jìn)行選擇、平均或加權(quán)平均、多元回歸或其它數(shù)學(xué)運(yùn)算等處理后，最終合成一幅融合圖像。這種為科學(xué)研究著想的設(shè)計(jì)是通用的編程語(yǔ)言所不及的。　　3．?dāng)U充能力強(qiáng) 　　高版本的Matlab語(yǔ)言有豐富的庫(kù)函數(shù)，在進(jìn)行復(fù)雜的數(shù)學(xué)運(yùn)算時(shí)可以直接調(diào)用，而且Matlab的庫(kù)函數(shù)同用戶文件在形成上一樣，所以用戶文件也可作為Matlab的庫(kù)函數(shù)來(lái)調(diào)用?！　?3 )利用特征點(diǎn)進(jìn)行圖像配準(zhǔn):可視作兩個(gè)數(shù)據(jù)集間的線性或非線性變換，使變換后的兩個(gè)數(shù)據(jù)集的誤差達(dá)到某種準(zhǔn)則的最小值。　　 圖像融合步驟 　　目前國(guó)內(nèi)外己有大量圖像融合技術(shù)的研究報(bào)道，不論應(yīng)用何種技術(shù)方法，必須遵守的基本原則是兩張或多張圖像上對(duì)應(yīng)的每一點(diǎn)都應(yīng)對(duì)位準(zhǔn)確。高空間分辨率數(shù)據(jù)與高光譜分辨率數(shù)據(jù)通過(guò)融合得到的新的數(shù)據(jù)包含了源圖象的高分辨率和高光譜分辨率特征，保留了原圖象的高頻信息。下面簡(jiǎn)要介紹其中的幾種方法。Chibani和Houacine在其融合規(guī)則中，通過(guò)計(jì)算輸入原圖像相應(yīng)窗口區(qū)域中像素絕對(duì)值相比較大的個(gè)數(shù)，決定融合像素的選取。　　 圖像融合規(guī)則 　　圖像的融合規(guī)則(Fusion rule)是圖像融合的核心，融合規(guī)則的好壞直接影響融合圖像的速度和質(zhì)量。圖像配準(zhǔn)是通過(guò)數(shù)學(xué)模擬來(lái)對(duì)圖像間存在著的幾何差異進(jìn)行校正，把相鄰兩幅圖像合成到同一坐標(biāo)系下，并使得相同景物在不同的局部圖像中對(duì)應(yīng)起來(lái)，以便于圖像無(wú)縫合成。　　第四章因?yàn)橛?個(gè)特征點(diǎn)，故有4個(gè)特征區(qū)域，找到相應(yīng)的特征區(qū)域的匹配也有4塊。 在有了以上的特征點(diǎn)提取的基礎(chǔ)上，基于特征點(diǎn)匹配算法主要步驟如下: ，則V為特征點(diǎn)的候選點(diǎn)。自七十年代以來(lái)出現(xiàn)一系列各不相同、各有特色的興趣算子，較知名的有Moravec算子、Hannah算子與Foistner等。算法中在參考圖像T的重疊區(qū)域中取出兩列像素上的部分像素，并沒(méi)有給出選擇的限制。 比值匹配法的缺點(diǎn): (1)算法思路清晰簡(jiǎn)單，容易理解，實(shí)現(xiàn)起來(lái)比較方便。再將每個(gè)數(shù)組的組內(nèi)最佳匹配進(jìn)行比較，即進(jìn)行水平方向的比較，得到的最小值就認(rèn)為是全局最佳匹配。 (2)該算法抗干擾能力強(qiáng)，對(duì)于亮度變化不敏感。 (1)該算法簡(jiǎn)單速度快，因此經(jīng)常被采用。 (39)兩幅圖的互功率譜為: 根據(jù)傅立葉變換的位移性質(zhì)，上式的傅立葉變換為: 算法的優(yōu)點(diǎn): 算法的具體實(shí)現(xiàn)步驟如下:利用圖像的塔形分解，可以分析圖像中不同大小的物體。 (2)對(duì)圖像的旋轉(zhuǎn)變形不能很好的處理。 (35)根據(jù)CauchySchwarz不等式可知式(35)中0 R(i,j) 1，并且僅當(dāng)值S (m, n)/T (m, n)=常數(shù)時(shí)，R(i,j)取極大值。 [T(m,n)][S (m,n)T(m,n)]然后比較T和S 的內(nèi)容。逐一比較法的配準(zhǔn)思想是:然而，實(shí)際上圖像配準(zhǔn)中所遇到的同一目標(biāo)的兩幅圖像常常是在不同條件下獲得的，如不同的成像時(shí)間、不同的成像位置、甚至不同的成像系統(tǒng)等，再加上成像中各種噪聲的影響，使同一目標(biāo)的兩幅圖像不可能完全相同，只能做到某種程度的相似，因此圖像配準(zhǔn)是一個(gè)相當(dāng)復(fù)雜的技術(shù)過(guò)程。 圖像配準(zhǔn)算法 　　 圖像配準(zhǔn)的概念 取某種結(jié)構(gòu)的二維滑動(dòng)模板，將模板內(nèi)像素按照像素值的大小進(jìn)行排序，生成單調(diào)上升（或下降）的二維數(shù)據(jù)序列。g(x,y)= 另一種是每一點(diǎn)都存在噪聲，但噪聲的幅值是隨機(jī)分布的，從噪聲幅值大小的分布統(tǒng)計(jì)來(lái)看，其密度函數(shù)有高斯型、瑞利型，分別成為高斯噪聲和瑞利噪聲，又如頻譜均勻分布的噪聲稱為白噪聲等。實(shí)際的復(fù)原過(guò)程是設(shè)計(jì)一個(gè)濾波器，使其能從失真圖象中計(jì)算得到真實(shí)圖象的估值，使其根據(jù)預(yù)先規(guī)定的誤差準(zhǔn)則，最大程度地接近真實(shí)圖象。另一種是固定照相機(jī)的光心 ,水平搖動(dòng)鏡頭所拍攝的照片。圖像配準(zhǔn)主要指對(duì)參考圖像和待拼接圖像中的匹配信息進(jìn)行提取，在提取出的信息中尋找最佳的匹配，完成圖像間的對(duì)齊。第三章主要介紹討論了圖像配準(zhǔn)的多種算法。抽取出來(lái)的空間特征有閉合的邊界、開邊界、交叉線以及其他特征。當(dāng)以兩塊區(qū)域像素點(diǎn)灰度值的差別作為判別標(biāo)準(zhǔn)時(shí)，最簡(jiǎn)單的一種方法是直接把各點(diǎn)灰度的差值累計(jì)起來(lái)。這樣的全景圖像