【正文】 基點(i,j)，截取一個與模板T大小一樣的分塊圖像，這樣的基點有(MU+1) (NV+1)個，配準(zhǔn)的目標(biāo)就是在(MU+1) (NV+1)個分塊圖像中找一個與待配準(zhǔn)圖像最相似的圖像，這樣得到的基準(zhǔn)點就是最佳配準(zhǔn)點。圖像配準(zhǔn)的一般做法是，首先在參考圖上選取以某一目標(biāo)點為中心的圖像子塊，并稱它為圖像配準(zhǔn)的模板，然后讓模板在搜索圖上有秩序地移動，每移到一個位置，把模板與搜索圖中的對應(yīng)部分進(jìn)行相關(guān)比較，直到找到配準(zhǔn)位置為止。 圖像配準(zhǔn)簡而言之就是圖像之間的對齊。噪聲對圖像處理十分重要，它影響圖像處理的各個環(huán)節(jié)，特別在圖像的輸入、采集中的噪聲抑制是十分關(guān)鍵的問題。這是幾何畸變最常見的情況。圖像融合指在完成圖像匹配以后，對圖像進(jìn)行縫合，并對縫合的邊界進(jìn)行平滑處理，讓縫合自然過渡。第六章主要對圖像拼接中還存在的問題進(jìn)行總結(jié)，以及對圖像拼接的發(fā)展進(jìn)行展望。(2) 學(xué)習(xí)和研究了前人的圖像配準(zhǔn)算法?；谔卣鞯呐錅?zhǔn)方法有兩個過程：特征抽取和特征配準(zhǔn)。該方法的拼接效果要好一些，成功率有所提高。在遙感技術(shù)領(lǐng)域中，利用圖像拼接技術(shù)中的圖像配準(zhǔn)技術(shù)可以對來自同一區(qū)域的兩幅或多幅圖像進(jìn)行比較，也可以利用圖像拼接技術(shù)將遙感衛(wèi)星拍攝到的有失真地面圖像拼接成比較準(zhǔn)確的完整圖像，作為進(jìn)一步研究的依據(jù)?！　∥⑿⌒吐膸揭苿訖C(jī)器人項目中，單目視覺不能滿足機(jī)器人的視覺導(dǎo)航需要，并且單目視覺機(jī)器人的視野范圍明顯小于雙目視覺機(jī)器人的視野。 緒論 　　 圖像拼接技術(shù)的研究背景及研究意義 　　圖像拼接(image mosaic)是一個日益流行的研究領(lǐng)域，他已經(jīng)成為照相繪圖學(xué)、計算機(jī)視覺、圖像處理和計算機(jī)圖形學(xué)研究中的熱點。本文研究了兩種圖像配準(zhǔn)算法:基于特征和基于變換域的圖像配準(zhǔn)算法。圖像拼接算法及實現(xiàn)（一）來源：中國論文下載中心作者：陳挺 在基于特征的配準(zhǔn)算法的基礎(chǔ)上,提出一種穩(wěn)健的基于特征點的配準(zhǔn)算法。圖像拼接解決的問題一般式，通過對齊一系列空間重疊的圖像，構(gòu)成一個無縫的、高清晰的圖像，它具有比單個圖像更高的分辨率和更大的視野。利用圖像拼接技術(shù)，拼接機(jī)器人雙目采集的圖像，可以增大機(jī)器人的視野，給機(jī)器人的視覺導(dǎo)航提供方便。從以上方面可以看出，圖像拼接技術(shù)的應(yīng)用前景十分廣闊，深入研究圖像拼接技術(shù)有著很重要的意義　　 　　圖像拼接作為這些年來圖像研究方面的重點之一，國內(nèi)外研究人員也提出了很多拼接算法。 這是最為傳統(tǒng)和最普遍的算法。首先從兩幅圖像中提取灰度變化明顯的點、線、區(qū)域等特征形成特征集岡。 (3) 學(xué)習(xí)和研究了常用的圖像融合算法?！　?本章小結(jié) 　　本章主要對圖像拼接技術(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，以圖像拼接算法的分類和其技術(shù)難點，并且對全文研究內(nèi)容進(jìn)行了總體介紹。由于任何兩幅相鄰圖像在采集條件上都不可能做到完全相同，因此，對于一些本應(yīng)該相同的圖像特性，如圖像的光照特性等，在兩幅圖像中就不會表現(xiàn)的完全一樣。另外，由于光學(xué)成像系統(tǒng)或電子掃描系統(tǒng)的限制而產(chǎn)生的枕形或桶形失真，也是幾何畸變的典型情況。若輸入伴有較大的噪聲，必然影響圖像拼接的全過程及輸出的結(jié)果。 所謂均值濾波實際上就是用均值替代原圖像中的各個像素值。圖像配準(zhǔn)定義為:對從不同傳感器或不同時間或不同角度所獲得的兩幅或多幅圖像進(jìn)行最佳匹配的處理過程。D(i,j)的值越小，則該窗口越匹配。 (32)或者利用歸一化相關(guān)函數(shù)。 式中等號右邊第三項表示模板總能量，是一常數(shù)，與(i,j)無關(guān)。 該算法的優(yōu)點:同時，如果分塊過大則降低匹配速度，如果分塊過小則容易降低匹配精度。每次步長減半，搜索當(dāng)前最小值，循環(huán)這個過程，直到步長為零，最后確定出最佳匹配位置。然后，將此分辨率低一級的圖像再作同樣的處理，也就是將低一級的圖像4 4鄰域內(nèi)的像素點的像素值分別取平均，作為這一區(qū)域(4依次進(jìn)行下去，直到在原始圖像中尋找到精確的匹配位置。 (1)算法的精度不高。與逐一比較法一樣，該算法只是對其運算速度有所改進(jìn)，讓搜索空間變小，并無本質(zhì)變化，因此對圖像的旋轉(zhuǎn)變形并不能進(jìn)行相應(yīng)處理。 (38)通過對互功率譜式(39)進(jìn)行傅立葉逆變換，在((x,y)空間的（x ,y )，即位移處，將形成一個單位脈沖函數(shù) ，脈沖位置即為兩幅被配準(zhǔn)圖像間的相對平移量x 和y 匹配的過程是在搜索圖S中，由左至右依次從間距相同的兩列上取出部分像素，并逐一計算其對應(yīng)像素值比值。 (2)在匹配計算的時候，計算量小，速度快。只利用了兩條豎直的平行特征線段的像素的信息，沒有能夠充分利用了圖像重疊區(qū)域的大部分特征信息。然而，有時候不可避免的照相機(jī)鏡頭會有小角度的旋轉(zhuǎn)，使得拍攝出來的照片有一定的旋轉(zhuǎn)，在這個算法中是無法解決的。 特征點匹配法 　　比值匹配法利用圖像特征較少，而且在圖像發(fā)生小角度旋轉(zhuǎn)的時候容易發(fā)生誤匹配。 Moravec算子的基本思想是，以像素點的四個主要方向上最小灰度方差表示該像素點與鄰近像素點的灰度變化情況，即像素點的興趣值，然后在圖像的局部選擇具有最大的興趣值得點(灰度變化明顯得點)作為特征點，具體算法如下:　?。?）計算各像素點的興趣值IV (interest value)，例如計算像素點(c,r)的興趣值，先在以像素點((cr)為中心的n n的影像窗口中( 5的窗口)，計算四個主要方向相鄰像元灰度差的平方和。在一定大小的窗口內(nèi)(可不同于興趣值計算窗口)，去掉所有不是最大興趣值的候選點，只留下興趣值最大者，該像素即為一個特征點。 (3)利用這4組匹配的特征區(qū)域的中心點，也就是4對匹配的特征點，代入方程式(322)求解，所求的解即為兩幅圖像間的變換系數(shù)。 (322)　　數(shù)字圖像融合是圖像分析的一項重要技術(shù)，該技術(shù)在數(shù)字地圖拼接、全景圖、虛擬現(xiàn)實等領(lǐng)域有著重要應(yīng)用。前4種為全局變換，后兩種為局部變換，如圖I所示，圖(a)為修正結(jié)果；圖(b)至圖(g)為對應(yīng)的變形。蒲恬在應(yīng)用小波變換進(jìn)行圖像融合時，根據(jù)人類視覺系統(tǒng)對局部對比度敏感的特性，采用了基于對比度的像素選取融合規(guī)則。采用這種融合規(guī)則所得到的融合效果較好，但此規(guī)則相對其他融合規(guī)則要復(fù)雜。這樣獲得的高分辨率彩色圖象既具有較高空間分辨率，同時又具有與影象相同的色調(diào)和飽和度，有利于目視解譯和計算機(jī)識別。首先，通過高通濾波器提取高分辨率圖象中的高頻分量，然后將高通濾波結(jié)果加入到高光譜分辨率的圖象中，形成高頻特征信息突出的融合影象。SHAPE 圖像拼接matlab實現(xiàn) 　　 Matlab語言象Basic、Fortran和C語言一樣規(guī)定了矩陣的算術(shù)運算符、關(guān)系運算符、邏輯運算符、條件運算符及賦值運算符，而且這些運算符大部分可以毫無改變地照搬到數(shù)組間的運算，有些如算術(shù)運算符只要增加“　　另一類方法是基于金字塔形分解和重建算法的融合方法，主要包括梯度金字塔法、對比度和比率金字塔法以及拉普拉斯金字塔法等，它們首先構(gòu)造輸入圖像的金字塔，再按一定的特征選擇方法取值形成融合金字塔，通過對金字塔實施逆變換進(jìn)行圖像重建，最終生成融合圖像，它們的融合效果要遠(yuǎn)優(yōu)于第一類方法，然而它也有很多不盡如人意的地方。 fused image error(39。else概括地說金字塔圖像融合法就是將參加融合的每幅源圖像作金字塔表示，將所有圖像的金字塔表示在各相應(yīng)層上以一定的融合規(guī)則融合，可得到合成的金字塔。 %)。 = size(M1)。 else， ew(1) = 0。 if (any(ew)) % perform filtering G2 = conv2(conv2(es2(M2，2)， w， 39。 % select coefficients and store them% select base coefficients of last depostion stageM1 = selb(M1，M2，mp)。)。在一幅圖像的小波變換中，絕對值較大的小波系數(shù)對應(yīng)于邊緣這些較為顯著的特征，所以大部分基于小波變換的圖像融合算法主要研究如何選擇合成圖像中的小波系數(shù)，也就是三個方向上的高頻系數(shù)，從而達(dá)到保留圖像邊緣的目的。 M2 input image B%end。 sl(i1) fh = floor(length(h1)/2)。39。)。 Z1 = conv2(es(M2， fh， 1)， g1， 39。)。39。 % copy input image for next deposition stage% select base coefficients of last depostion stageA4 = selb(A4，B4，mp)。 h2 = fliplr([zeros(1，floor(2^(i12)))， ， zeros(1，floor(2^(i11)1))， ， zeros(1，max([floor(2^(i12))，1]))])。 39。valid39。 A1 = conv2(es(E{1，i1}， fh， 2)， g239。valid39。 多聚焦圖像指的是對相同的場景用不同的焦距進(jìn)行拍攝，得到鏡頭聚焦目標(biāo)不同的多個圖像。圖53的清晰度不夠，而圖54的細(xì)節(jié)表現(xiàn)力較弱，只有圖55的邊緣最清晰，重影消除地最干凈，細(xì)節(jié)得到了最好地保留。事實上，還有很多圖像拼接問題值得去研究和解決，由于時間的關(guān)系，本文沒有做進(jìn)一步的研究。但是在有些情況下，待拼接的圖像采集過程中，會有運動的物體出現(xiàn)。因此，如何更好的理解圖像，分割出特定圖像中的目標(biāo)物體，通過特征物體的配準(zhǔn)來完成圖像拼接，是一個可以重點研究的方向。13 王偉，陸佩忠，數(shù)字圖像拼接技術(shù)，小型微型計算機(jī)系統(tǒng)，2006/6。 北京：國防工業(yè)出版社，200219 MATLAB 1999/2。 本文總結(jié)了前人在圖像拼接領(lǐng)域的研究成果和研究現(xiàn)狀，按照圖像拼接的流程(圖像預(yù)處理、圖像配準(zhǔn)和圖像融合)，詳細(xì)介紹了圖像拼接技術(shù)，主要完成的工作有:(1)圖像預(yù)處理主要指對圖像進(jìn)行幾何畸變校正和噪聲點的抑制等，讓參考圖像和待拼接圖像不存在明顯的幾何畸變。 總結(jié)與展望 　　 本論文工作的總結(jié) 圖51中左邊的目標(biāo)較為清晰，圖52中右邊的目標(biāo)較為清晰。 A4 = A4 + A2。valid39。 )。 g2 = fliplr([zeros(1，floor(2^(i12)))， ， zeros(1，floor(2^(i11)1))， ， zeros(1，max([floor(2^(i12))，1]))])。 E(3，i1) = {selc(A3， B3， ap)}。)。 B3 = conv2(es(Z1， fh， 2)， g139。39。)。 A4 = conv2(es(Z1， fh， 2)， h139。valid39。)。 % image A% loop over deposition depth analysisfor i1 = 1:zt (Oliver Rockinger )% check inputs [z1 s1] = size(M1)?！　』赟IDWT（Shift Invariance Discrete Wavelet Transform）小波變換的算法程序：function Y = fuse_sih(M1， M2， zt， ap， mp)%Y = fuse_sih(M1， M2， zt， ap， mp) image fusion with SIDWT， Wavelet is Haar%% = M1(1:zl(i1)，1:sl(i1))。 % add coefficients % undecimate and interpolate )，w39。valid39。 zl(i1) = z。% define filter w mp coefficient selection base image (see ) %%金字塔可分為:Laplacian金字塔、Gaussian金字塔、梯度金字塔、數(shù)學(xué)形態(tài)金字塔等。 a = V(:，2)./sum(V(:，2))。)。 %這是因為小波變換更為緊湊?！　?．方便的繪圖功能 　　Matlab的繪圖是十分方便的，它有一系列繪圖函數(shù)（命令），例如線性坐標(biāo)、對數(shù)坐標(biāo)，半對數(shù)坐標(biāo)及極坐標(biāo)，均只需調(diào)用不同的繪圖