【正文】 況。 圖像配準簡而言之就是圖像之間的對齊。 在搜索圖S中以某點為基點(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，配準的目標就是在(MU+1) (NV+1)個分塊圖像中找一個與待配準圖像最相似的圖像，這樣得到的基準點就是最佳配準點。R(i,j)= (2)選用的模板越大，包含的信息就越多，匹配結(jié)果的可信度也會提高，同時能夠?qū)⒖紙D像進行全面的掃描。該方法把原始圖像分解成許多不同空間分辨率的子圖像，高分辨率(尺寸較大)的子圖像放在下層，低分辨率(尺寸較小)的圖像放在上層，從而形成一個金字塔形狀。 （1）將待匹配的兩幅圖像中2 2鄰域內(nèi)的像素點的像素值分別取平均，作為這一區(qū)域(2 2)像素值，得到分辨率低一級的圖像。 相位相關(guān)度法思想是利用傅立葉變換的位移性質(zhì)，對于兩幅數(shù)字圖像s,t，其對應(yīng)的傅立葉變換為S,T，即:S=F{s}= e 其中*為共扼符號， 表示頻譜幅度?！　?基于特征的配準 　　 比值匹配法 　　比值匹配法算法思路是利用圖像中兩列上的部分像素的比值作為模板，即在參考圖像T的重疊區(qū)域中分別在兩列上取出部分像素，用它們的比值作為模板，然后在搜索圖S中搜索最佳的匹配。在采集的時候只能使照相機在水平方向上移動。(3)在候選點中選取局部極大值點作為需要的特征點。Matlab中的cp2tform函數(shù)能修正6種變形，分別是圖(b)：線性相似；圖(c)：仿射；圖(d)：投影；圖(e)：多頂式；圖(o：分段線性；圖(g)：局部加權(quán)平均。ZZhang和Blum提出了基于區(qū)域的融合規(guī)則，將圖像中每個像素均看作區(qū)域或邊緣的一部分，并用區(qū)域和邊界等圖像信息來指導融合選取。 高通濾波融合法　　高通濾波融合法將高分辨率圖象中的邊緣信息提取出來，加入到低分辨率高光譜圖象中。 　　2．用戶使用方便 因此本文采用matlab來實現(xiàn)本文的算法。if (z1 ~= z2) | (s1 ~= s2) 金字塔（Pyramid）算法程序 　　金字塔圖像融合法:用金字塔在空間上表示圖像是一種簡單方便的方法。 ap coefficient selection highpass (see ) %Input images are not of same size39。 if (floor(z/2) ~= z/2)， ew(1) = 1。end。 M1 % zl(i1) = z。 A1 = conv2(es(Z1， fh， 2)， g139。valid39。)。 B4 = conv2(es(Z1， fh， 2)， h139。 end。 A4 = conv2(es(A4， fh， 2)， h239。 但通過比較分析，我們可以看出基于小波變換的融合圖像（圖55）最為清晰，所表現(xiàn)的圖像細節(jié)效果最好，重影現(xiàn)象消除得最干凈。 (1)本文的圖像拼接算法的研究，是基于兩幅圖像間重疊區(qū)域并不存在運動的物體的假設(shè)的。12 任愛華，計算機圖形學，北京航空航天大學出版社，2005/12?！　?2)圖像配準主要指對參考圖像和待拼接圖像中的匹配信息進行提取，在提取出的信息中尋找最佳的匹配，完成圖像間的對齊。圖51 聚焦在左邊的圖像圖52 聚焦在右邊的圖像　　我們分別利用基于PCA的算法、金字塔圖像融合法和小波變換法的算法程序得到的的融合圖像結(jié)果，如圖5圖5圖55所示圖53 基于PCA算法的融合圖像圖54 基于金字塔圖像融合算法的融合圖像圖55 基于SIDWT小波變換的融合圖像 A2 = conv2(es(E{2，i1}， fh， 2)， h239。 39。)。 Z1 = conv2(es(M1， fh， 1)， g1， 39。 % calculate and store actual image size M1 % decimate )，w39。 sl(i1) (Oliver Rockinger )% check inputs [z1 s1] = size(M1)。end。小波表達式提供了方向信息，而金字塔表達式未將空間方向選擇性引入分解過程。另外，在調(diào)用繪圖函數(shù)時調(diào)整自變量可繪出不變顏色的點、線、復線或多重線。　　Matlab語言有如下特點： 　　1．編程效率高 在得到所有M級的融合圖象后，實施逆變換得到融合結(jié)果。與HIS變換法類似，它將低分辨率的圖象（三個波段或更多）作為輸入分量進行主成分分析，而將高分辨率圖象拉伸使其具有于第一主成分相同的均值和方差，然后用拉伸后的高分辨率影象代替主成分變換的第一分量進行逆變換?！　≡贚ietal提出的融合規(guī)則中，其在選取窗口區(qū)域中較大的像素值(或系數(shù))作為融合后像素值(或系數(shù))的同時，還考慮了窗口區(qū)域像素(或系數(shù))的相關(guān)性。　　 手動配準與圖象融合 　　，得到的各幅圖像間存在著相對的幾何差異。 (2)選取以特征點為中心的區(qū)域，本文大小選擇7X7的區(qū)域，在搜索圖S中尋找最相似的匹配。設(shè)V 為事先設(shè)定好的閉值，如果V V用于點特征提取得算子稱為有利算子或興趣算子。該算法利用了互功率譜中的相位信息進行圖像配準，對圖像間的亮度變化不敏感，具有一定的抗干擾能力，而且所獲得的相關(guān)峰尖銳突出，位移檢測范圍大，具有較高的匹配精度。 算法的缺點: (1)算法思路比較簡單，容易理解，易于編程實現(xiàn)。 S (m,n)*T(m,n)+ [S (m,n)T(m,n) 如果在模板的范圍內(nèi)，同一目標的兩幅圖像完全相同，那么完成圖像配準并不困難。　　 本章小結(jié) 　　本章主要介紹了圖像幾何畸變校正和圖像噪聲抑制兩種圖像預處理.　　第三章它的核心算法是將模板中的數(shù)據(jù)進行排序，這樣，如果一個亮點（暗點）的噪聲，就會在排序過程中被排在數(shù)據(jù)序列的最右側(cè)或者最左側(cè)，因此，最終選擇的數(shù)據(jù)序列中見位置上的值一般不是噪聲點值，由此便可以達到抑制噪聲的目的。一是噪聲的幅值基本相同，但是噪聲出現(xiàn)的位置是隨機的，一般稱這類噪聲為椒鹽噪聲。這些有重疊部分的圖像一般由兩種方法獲得 : 一種是固定照相機的轉(zhuǎn)軸 ,然后繞軸旋轉(zhuǎn)所拍攝的照片 。如canny 算子、拉普拉斯高斯算子、區(qū)域生長。對位移量比較大的圖像，可以先校正圖像的旋轉(zhuǎn)，然后建立兩幅圖像之間的映射關(guān)系。這個系統(tǒng)允許用戶在虛擬環(huán)境中的一點作水平環(huán)視以及一定范圍內(nèi)的俯視和仰視，同時允許在環(huán)視的過程中動態(tài)地改變焦距。最后用正確的特征點匹配對實現(xiàn)圖像的配準。編輯：studa090420　　論文關(guān)鍵詞：圖像拼接　圖像配準　圖像融合　全景圖　　論文摘要：圖像拼接(image mosaic)技術(shù)是將一組相互間重疊部分的圖像序列進行空間匹配對準,經(jīng)重采樣合成后形成一幅包含各圖像序列信息的寬視角場景的、完整的、高清晰的新圖像的技術(shù)。但是在實際應(yīng)用中，很多時候需要將360 度所拍攝的很多張圖片合成一張圖片，從而可以使觀察者可以觀察到周圍的全部情況。第三章主要介紹討論了圖像配準的多種算法。圖像配準主要指對參考圖像和待拼接圖像中的匹配信息進行提取，在提取出的信息中尋找最佳的匹配，完成圖像間的對齊。實際的復原過程是設(shè)計一個濾波器，使其能從失真圖象中計算得到真實圖象的估值，使其根據(jù)預先規(guī)定的誤差準則，最大程度地接近真實圖象。g(x,y)= 然后比較T和S 的內(nèi)容。[S (m,n)T(m,n)] (35)根據(jù)CauchySchwarz不等式可知式(35)中0 R(i,j) 1，并且僅當值S (m, n)/T (m, n)=常數(shù)時，R(i,j)取極大值。利用圖像的塔形分解，可以分析圖像中不同大小的物體。 根據(jù)傅立葉變換的位移性質(zhì)，上式的傅立葉變換為:兩幅圖的互功率譜為: (2)該算法抗干擾能力強，對于亮度變化不敏感。再將每個數(shù)組的組內(nèi)最佳匹配進行比較，即進行水平方向的比較，得到的最小值就認為是全局最佳匹配。 比值匹配法的缺點: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，并沒有給出選擇的限制。 在有了以上的特征點提取的基礎(chǔ)上，基于特征點匹配算法主要步驟如下:　　第四章　　 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。下面簡要介紹其中的幾種方法?！　?3 )利用特征點進行圖像配準:可視作兩個數(shù)據(jù)集間的線性或非線性變換，使變換后的兩個數(shù)據(jù)集的誤差達到某種準則的最小值。　　3．擴充能力強 　　高版本的Matlab語言有豐富的庫函數(shù)，在進行復雜的數(shù)學運算時可以直接調(diào)用，而且Matlab的庫函數(shù)同用戶文件在形成上一樣，所以用戶文件也可作為Matlab的庫函數(shù)來調(diào)用。簡單的圖像融合方法不對參加融合的源圖像進行任何變換和分解，而是直接對源圖像中的各對應(yīng)像素分別進行選擇、平均或加權(quán)平均、多元回歸或其它數(shù)學運算等處理后，最終合成一幅融合圖像。 M2 input image 2%%% pute， select amp。% cells for selected imagesE = cell(1，zt)。 else， ew(2) = 0。valid39。valid39。% copy imageY = M1。if (z1 ~= z2) | (s1 ~= s2) h1 = [zeros(1，floor(2^(i12)))， ， zeros(1，floor(2^(i11)1))， ， zeros(1，max([floor(2^(i12))，1]))]。 A2 = conv2(es(Z1， fh， 2)， h139。valid39。)。 % copy imageY = A4。16 王小睿，199717數(shù)字圖象處理：MATLAB版：using MATLAB18 MATLAB 徐昕, 李濤, 伯曉晨等編著 北京：電子工業(yè)出版社，200021 Matlab信號處理與應(yīng)用但是，圖像拼接在用于實際應(yīng)用的時候，有時是針對某一特定的圖像?！　?　　經(jīng)過3個月的研究，本文對圖像拼接技術(shù)的研究涉及到了現(xiàn)有圖像拼接領(lǐng)域的大多方法。它可以用來建立大視角的高分辨率圖像，在虛擬現(xiàn)實領(lǐng)域、醫(yī)學圖像處理領(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。 A3 = conv2(es(E{3，i1}， fh， 2)， g239。 E(1，i1) = {selc(A1， B1， ap)}。 Z1 = conv2(es(M2， fh， 1)， h1， 39。valid39。 g1 = [zeros(1，floor(2^(i12)))， ， zeros(1，floor(2^(i11)1))， ， zeros(1，max([floor(2^(i12))，1]))]。Input images are not of same size39。 ap coefficient selection highpass (see ) % 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)今研究的一個熱點。 39。 % calculate and store actual image size fused image M1 input image A%if (D(1，1) D(2，2))灰度圖像之間的融合，在大體上可分為三大類。 　　5．高效方便的矩陣和數(shù)組運算 　　(5) 參數(shù)提取:從融合圖像中提取和測量特征參數(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。 融合處理。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。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(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象。 (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。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。 該算法的具體實現(xiàn)步驟如下: 相位相關(guān)度法的缺點: (2)從待匹配的兩幅圖像中分辨率最低的開始進