【正文】 此如何能夠結(jié)合并行計(jì)算機(jī)和神經(jīng)網(wǎng)絡(luò)等方法進(jìn)一步提高圖像配準(zhǔn)的速度是圖像配準(zhǔn)的一大難題。 高配準(zhǔn)率快速配準(zhǔn)算法的實(shí)現(xiàn)。 文章中算法的不足之處是 : （ 1） 對于像素高的圖片 計(jì)算量較大，運(yùn)算時(shí)間較長。 E=cat(1,b1,b2,b3)。 end a5=a5(2:end,1:end,1:end)。 a5=cat(2,a5,K)。 a5ya=Ya(1:M1hang+1,1:N1lie+1)。 [hang,lie]=find(t==MAX)。 X=double(xiaotu)。 Yb=y(:,:,2)。 lim=2。同樣，根據(jù)這個(gè)坐標(biāo)以及各圖像像素大小的值，就完全可以把圖片拆分成如 圖 所示的 7 個(gè)部分。 圖 圖 37 實(shí)現(xiàn) 上下 拼接 在取景的時(shí)候如果遇到高聳入云的建筑物，一張照片不能夠完整的表現(xiàn)整個(gè)建筑 的時(shí)候，就需要拍攝兩張具有上下平移特點(diǎn)的圖像進(jìn)行拼接 。 K=cat(3,Ka,Kb,Kc)。 Bya=Ya(1:end,1:N1lie+1)。 c(i,j)=sum(sum(temp.*X))。 Hb=h(:,:,2)。 h=imread(39。 %提取左圖的第一基色層 Hb=h(:,:,2)。)。圖 是對過渡過程改進(jìn)后的實(shí)驗(yàn)效果圖 圖 圖 對重合部分進(jìn)行加強(qiáng)過度處理后在效果中很明顯看不見拼接后的痕跡了。 a2=Y(1:end,(N1lie+2):end)。 [m1 n1]=size(X)。)。去掉假設(shè)的圖像，兩重合部分的圖像就以 圖 的形式疊加好了。 end a50=a50(1:end,2:end)。語句，圖 是利用幾何圖像把整個(gè)圖像的拼接過程形象的表現(xiàn)出來： 圖 圖 左邊的長方形代表左半部圖像，右邊則代表 右 半部圖像，中間則是重合部分，重合部分中間的一條線就代表 K=imlinb(.5,A1,.5,B1)。 %截取右半部非重合部分 E=cat(2,X1,K,Y1)。 圖像拼接 找到圖像的匹配點(diǎn)后，根據(jù)對應(yīng)的坐標(biāo)就可以找出兩圖像中重合的部分。 求出所有這些 圖片 與右圖左上角的小圖的相似度值，并賦予新的矩陣 t， 圖 是 t（相似度矩陣）的三維曲面圖。%把截取的小圖修改成 double 格式并賦予 X for i=1:M1m1+1 for j=1:N1n1+1 temp=I(i:i+m11,j:j+n11)。 %讀取待處理的左半部圖像 y=imread(39。 Y1=Y(1:end,N1lie+2:end)。 b(i,j)=sqrt(sum(sum(temp.*temp)).*sum(sum(X.*X)))。 [M N]=size(Y)。 h=imread(39。生成的代碼可以用作不同的目的，包括嵌入實(shí)時(shí)控制，信號(hào)處理，快速原型，獨(dú)立運(yùn)行程序，加速仿真或批仿真等。從分析中總結(jié)出來的結(jié)果可以作為將來進(jìn)一步的算法和模型開發(fā)的基礎(chǔ)。 （ 1） 數(shù)值計(jì)算 MATLAB 提供了大約 600 多個(gè)數(shù)學(xué)和工程上常用的函數(shù)。 Matlab 在國內(nèi)的大范圍推廣就是從 版本開始的。這些工具箱的作者都是相關(guān)領(lǐng)域 的頂級(jí)專家，從而確定了 Matlab 的權(quán)威性。 （二） Simulink Simulink 是用于動(dòng)態(tài)系統(tǒng)仿真的交互式系統(tǒng)。 (2)Matlab 工作環(huán)境 Matlab 工作環(huán)境集成了許多工具和程序，用戶用工作環(huán)境中提供的功能完成他們的工作。 正是憑借 Matlab 的這些突出的優(yōu)勢，它現(xiàn)在己成為世界上應(yīng)用最廣泛的工程計(jì)算軟件。 第五章對論文所做的工作進(jìn)行了總結(jié)，分析了工作中存在的問題，對圖像拼接技術(shù)和以后的研究工作提出展望。 （ 4）針對該算法的缺 點(diǎn)，本文提出了三點(diǎn)需要改進(jìn)的方法，論證各個(gè)方法的可行性。為了減少這些影響，可以增加重疊比例，使照相機(jī)旋轉(zhuǎn)、平移減小，從而減小相鄰圖像的不連續(xù)程度。但是由于采集的圖像不在同一平面上，需要投影到同一平面上才能進(jìn)行拼接，一般采用這種方法獲取的圖像序列常用來構(gòu)成柱面或球面全景圖。 (2) 照相機(jī)放置與一個(gè)滑軌上，平行移動(dòng)照相機(jī)進(jìn)行拍攝 。 （ 3） 建立變換模型 根據(jù)模板或者圖像特征之間的對應(yīng)關(guān)系，可以計(jì)算出數(shù)學(xué)模型中的各參量值，從而 建立兩幅圖像的數(shù)學(xué)變換模型。 圖 基于圖像繪制的全景圖構(gòu)建虛擬環(huán)境系統(tǒng)模型 IBR 技術(shù)在構(gòu)建虛擬現(xiàn)實(shí)環(huán)境時(shí)具有計(jì)算量小、與場景復(fù)雜度無關(guān)及真實(shí)感強(qiáng)等優(yōu)點(diǎn)而被廣泛的使用。視網(wǎng)膜的整體視圖為視網(wǎng)膜激光手術(shù)的發(fā)展做出了巨大的貢獻(xiàn)。地球接收站每天兩次在固定的時(shí)間里接收某一軌道的衛(wèi)星云圖，幾條軌道的圖像拼接成 區(qū)域云圖，是預(yù)報(bào)員的重要參考資料。為了擴(kuò)大視野，提高分辨率，獲得質(zhì)量更高、位置更精確的信息，需要將來自不同傳感器的兩幅或多幅遙感圖像拼接成一幅影像圖。 （ 2） 針對性 不同內(nèi)容的圖像，以及在不同條件下得到的圖像，如柱面圖像、球面圖像和視頻圖像序列等，它們都具有鮮明的特點(diǎn)。 圖像匹配算法經(jīng)過幾十年的發(fā)展已經(jīng)取得了很大的進(jìn)展，但由于拍攝環(huán)境復(fù)雜多變，現(xiàn)在還沒有一種算法能夠解決所有圖像的匹配問題。常用的算法有比值匹配法、塊匹配法和網(wǎng)格匹配法。通過標(biāo)定攝像機(jī)來建立成像模型，根據(jù)成像模型將捕獲到的圖像投影到統(tǒng)一的高斯球面上，從而得到拼接圖像。圖像配準(zhǔn)是圖像拼接的核心部分，其目標(biāo)是找出對齊的兩幅或多幅重疊圖像之間的運(yùn)動(dòng)情況，圖像配準(zhǔn)直接關(guān)系到圖像拼接算法的成功率和運(yùn)行速度。圖像拼接的目的 [2]就是利用計(jì)算機(jī)進(jìn)行自動(dòng)匹配，將具有重疊區(qū)域的多幅圖片合成一幅寬角度圖片，以擴(kuò)大視區(qū)的范圍。 最 后 重點(diǎn)研究 了 一種能夠在 MATLAB中實(shí)現(xiàn)的針對 具有 平移 特點(diǎn) 的 圖像 的拼接 算法 ，分析 該 算法 的各個(gè)運(yùn)算過程，總結(jié)算法 中 存在的問題。 論 文首先介紹了圖像拼接技術(shù)的研究現(xiàn)狀、特點(diǎn)及應(yīng)用領(lǐng)域，從而展示了圖像拼接技術(shù)廣闊的應(yīng)用前景。利用廣角鏡頭和掃描式相機(jī)可部分解決視角不足這一問題 [1]，但這些設(shè)備價(jià)錢昂貴，使用復(fù)雜，而且廣角鏡頭的邊緣難免會(huì)產(chǎn)生扭曲變形。 圖像拼接技術(shù)一個(gè)日益流行的研究領(lǐng)域，是虛擬現(xiàn)實(shí)、計(jì)算機(jī)視覺、計(jì)算 2 機(jī)圖形學(xué)和圖像處理等領(lǐng)域的重要研究課題，在宇宙空間探測、海底勘測、醫(yī)學(xué)、氣象、地質(zhì)勘測、軍事、視頻壓縮和傳輸、視頻的索引和檢索、物體的D3 重建、軍事偵察和公安取證、數(shù)碼相機(jī)的超分辨處理等領(lǐng)域都有廣泛的應(yīng)用。 2020 年， Shmuel Peleg 等人在 Rchard Szeliski 的基礎(chǔ)上作了進(jìn)一步的改進(jìn)，提出了自適應(yīng)圖像拼接模型 [4]，根據(jù)相機(jī)的不同運(yùn)動(dòng)而自適應(yīng) 3 選擇拼接模型，通過把圖像分成狹條進(jìn)行多重投影來完成圖像的拼接。相位相關(guān)法計(jì)算簡單精確，但要求待配準(zhǔn)圖像之間有較大重疊比例，同時(shí)計(jì)算量和適用范圍與圖像的大小有很大關(guān)系。這種方法在特征輪廓的提 取上容易受到噪聲的干擾，其計(jì)算量隨著輪廓數(shù)量的增多而增長。相機(jī)在采集圖像的過程中，存在著多種運(yùn)動(dòng)方式，如平移、旋轉(zhuǎn)、傾斜等，這也使得到的圖像具有不同的特點(diǎn)。圖像拼接技術(shù)的特點(diǎn)決定了它沒有標(biāo)準(zhǔn)的測試圖像，也沒有統(tǒng) 一的評價(jià)標(biāo)準(zhǔn)，衡量一個(gè)算法的優(yōu)劣主要靠人的主觀視覺感知 。 1996 年，美國發(fā)射第一顆業(yè)務(wù)氣象衛(wèi)星艾薩（ ESSA），主要提供可見光云圖。 在外科手術(shù)中，由于缺少對視網(wǎng)膜整體狀況進(jìn)行檢查的工具，視網(wǎng)膜激光手術(shù)的成功率低?；趲缀文Ｐ偷姆椒ㄐ枰罅?的環(huán)境建模以及昂貴的專門硬件的支持，而且計(jì)算機(jī)圖形的生成和顯示時(shí)間依賴于圖形的復(fù)雜度。 圖 圖像拼接的基本流程 圖像拼接的方法很多，不同的算法步驟會(huì)有一 定的差異，但大致的過程是相同的。數(shù)碼相機(jī)的應(yīng)用提高了采集圖像的質(zhì)量，同時(shí)普通攝像機(jī)及 CCD 攝像機(jī)采集的實(shí)時(shí)的 視頻序列也常用于圖像拼接。拍攝得到的一系列圖像中相鄰兩張必須有部分重疊。另外，由于拍攝的圖像均在一個(gè)平面上，通過這種方法獲得的全景圖的 D3 效果不如旋轉(zhuǎn)拍攝的好。 主要研究內(nèi)容如下： （ 1）查閱并學(xué)習(xí)了國內(nèi)外大量的相關(guān)文獻(xiàn)，對圖像拼接領(lǐng)域的發(fā)展和國內(nèi)外的研究現(xiàn)狀有了一個(gè)總體的認(rèn)識(shí)，對圖像拼 接技術(shù)的特點(diǎn)和圖像拼接技術(shù)的應(yīng)用領(lǐng)域做了概括和分析。重點(diǎn) 14 介紹了 Matlab 二次開發(fā)的新特性。不久，他們成立了 Mathworks 軟件開發(fā)公司并將 Matlab 正式推向市場。 （一） Matlab 主包 Matlab 主包包括以下 5 個(gè)部分 。 (4)Matlab 數(shù)學(xué)函數(shù)庫 17 Matlab 數(shù)學(xué)函數(shù)庫是數(shù)學(xué)算法的一個(gè)巨大集合，該函數(shù)庫既包含了諸如求和、正弦、余弦、復(fù)數(shù)運(yùn)算之類的簡單函數(shù) 。包括以下幾個(gè)領(lǐng)域的模塊集 : ● DSP(數(shù)字信號(hào)處理 ) ● FiedPoint(定點(diǎn) ) ● Nonlinear Control Design(非線性控制設(shè)計(jì) ) ● Communications(通信 ) 18 （三） Matlab 工具箱 工具箱是 Matlab 用來解決各個(gè)領(lǐng)域特定問題的函數(shù)庫，它是開放式的，可以用，也可以根據(jù)自己的需要進(jìn)行擴(kuò)展。從該版本開始， Matlab 由 DOS 下的應(yīng)用程序改進(jìn)為 Windows 下的應(yīng)用程序，更易于操作，從而大大拓展了其應(yīng)用范圍并加速了該軟件的更新過程。 MathWorks 公司的MATLAB 系列產(chǎn)品所具備的優(yōu)勢能夠很好地解決上面的問題，現(xiàn)今已發(fā)展成為工業(yè)界產(chǎn)品設(shè)計(jì)和開發(fā)的標(biāo)準(zhǔn)平臺(tái)。并且不管用戶是使用已有的算法，還是自行開發(fā)，MATLAB 提供了一個(gè)通用的平臺(tái)。利用 Simulink 提供的子系統(tǒng)和 Sfunction 功能，用戶可以方便地建立自己的專業(yè)模塊庫，或?qū)⒁延械拇a結(jié)合到仿真模型中使用。從圖中可以看出這兩張圖片中間有一部分重合區(qū)域，根據(jù)這部分重合區(qū)域，計(jì)算機(jī)就能夠?qū)ふ业絻蓮垐D片的匹配點(diǎn)加以拼接。)。 [m1 n1]=size(X)。 A1=H(1:end,lie:end)。一下是程序中預(yù)處理圖片的程序和說明： h=imread(39。 %對圖像進(jìn)行灰度處理 圖像的配準(zhǔn) 首先給出進(jìn)行圖像配準(zhǔn)的程序段： xiaotu=Y(1:50,1:50)。 [hang,lie]=find(t==MAX)。 [hang,lie]=find(t==MAX)。 %在左半部圖像中找出重合部 分 K=imlinb(.5,A1,.5,B1)。在處理重合部分的過程中用到了 imlinb 函數(shù)，本節(jié)將主要對這個(gè)函數(shù)的使用加 以 改進(jìn)，實(shí)現(xiàn)無縫拼接。 a50=uint8(a50)。并且 o 每增加一個(gè)值， a50 就記憶下當(dāng)時(shí) K 的狀態(tài)。)。 I=double(H)。 end end MAX=max(max(t))。 end E=cat(2,a1,a2)。 每一幅彩色圖片在輸入 MATLAB 后，都是以 3 個(gè)同規(guī)格的矩陣在圖像平面的法線上排列存放的，這三個(gè)矩陣分別對應(yīng)了 R(紅 )， G(綠 )和 B (藍(lán) ) 三個(gè)分量 。 %提取右圖的第一基色層 Yb=y(:,:,2)。 y=imread(39。 Yc=y(:,:,3)。 [M1 N1]=size(I)。 a1=h(1:end,1:lie1,1:end)。 for o=1:(N1lie+1) Ka=imlinb((N1lie+2o)/(N1lie+2),Bha(1:end,o),o/(N1lie+2),Bya(1:end,o))。在重合部分處理過程中也會(huì)相對的復(fù)雜。圖 形象的用幾何圖形構(gòu)成了這種假設(shè)的狀態(tài)。 自動(dòng)識(shí)別拼接方向的彩色圖像拼接程序 以下程序 是利用了左上右下的假設(shè)，以黑色填充假設(shè)中 3， 7 部分 ，并以ifelseend 結(jié)構(gòu)語句連接左右與上下 兩種 重合部分 過濾程序完成拼接 的。E:\39。 [M N]=size(Ya)。 b(i,j)=sqrt(sum(sum(temp.*temp)).*sum(sum(X.*X)))。 a5ha=Ha(hang:end,lie:end)。 Kb=imlinb((N1lie+2o)/(N1lie+2),a5hb(1:end,o),o/(N1lie+2),a5yb(1:end,o))。 Kc=imlinb((M1hang+2o)/(M1hang+2),a5hc(o,1:end),o/(M1hang+2),a5yc(o,1:end))。 b1=cat(2,a12,a3)。 然后 介紹了圖像拼接的基本流程、圖像的各種采集方式。 根據(jù)作者對圖像拼接技術(shù)的研究和體會(huì)，總結(jié)出圖像拼接技術(shù) 在以下幾個(gè)方面有待于進(jìn)一步的研究： 較大幾何位置差別條件下的拼接技術(shù)的實(shí)現(xiàn)。 45 致 謝 值此論文完成之際，謹(jǐn)向我的導(dǎo)師 王一丁 教授 致以崇高的敬意和衷心的感謝！在撰寫畢業(yè)論文過程中，王老師給了我很大的幫助，在他的指導(dǎo)和鼓勵(lì)下，這篇論文才得以完成。許多算法在上述差別較小時(shí)適用，當(dāng)圖像灰度差別 增大時(shí)適用區(qū)域受到了限制，如何提高算法的適用性，開發(fā)智能型的通用的圖像配準(zhǔn)方法是圖像配準(zhǔn)技術(shù)追求的最高目標(biāo)。該算法對于具有 左右平移和上下平移 的圖像都能夠?qū)崿F(xiàn)光滑 過