【正文】 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(gè)方向上的高頻系數(shù)，從而達(dá)到保留圖像邊緣的目的。雖然小波系數(shù)(高頻系數(shù))的選擇對(duì)于保留圖像的邊緣等特征具有非常主要的作用，但尺度系數(shù)(低頻系數(shù))決定了圖像的輪廓，正確地選擇尺度系數(shù)對(duì)提高合成圖像的視覺效果具有舉足輕重的作用?！　』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 input image A% M2 input image B% zt maximum deposition level% ap coefficient selection highpass (see ) % mp coefficient selection base image (see ) %% Y fused image % (Oliver Rockinger )% check inputs [z1 s1] = size(M1)。[z2 s2] = size(M2)。if (z1 ~= z2) | (s1 ~= s2) error(39。Input images are not of same size39。)。end。% cells for selected imagesE = cell(3，zt)。% loop over deposition depth analysisfor i1 = 1:zt % calculate and store actual image size [z s] = size(M1)。 zl(i1) = z。 sl(i1) = s。 % define actual filters (inserting zeros between coefficients) h1 = [zeros(1，floor(2^(i12)))， ， zeros(1，floor(2^(i11)1))， ， zeros(1，max([floor(2^(i12))，1]))]。 g1 = [zeros(1，floor(2^(i12)))， ， zeros(1，floor(2^(i11)1))， ， zeros(1，max([floor(2^(i12))，1]))]。 fh = floor(length(h1)/2)。 % image A Z1 = conv2(es(M1， fh， 1)， g1， 39。valid39。)。 A1 = conv2(es(Z1， fh， 2)， g139。，39。valid39。)。 A2 = conv2(es(Z1， fh， 2)， h139。，39。valid39。)。 Z1 = conv2(es(M1， fh， 1)， h1， 39。valid39。)。 A3 = conv2(es(Z1， fh， 2)， g139。，39。valid39。)。 A4 = conv2(es(Z1， fh， 2)， h139。，39。valid39。)。 % image B Z1 = conv2(es(M2， fh， 1)， g1， 39。valid39。)。 B1 = conv2(es(Z1， fh， 2)， g139。，39。valid39。)。 B2 = conv2(es(Z1， fh， 2)， h139。，39。valid39。)。 Z1 = conv2(es(M2， fh， 1)， h1， 39。valid39。)。 B3 = conv2(es(Z1， fh， 2)， g139。，39。valid39。)。 B4 = conv2(es(Z1， fh， 2)， h139。，39。valid39。)。 % select coefficients and store them E(1，i1) = {selc(A1， B1， ap)}。 E(2，i1) = {selc(A2， B2， ap)}。 E(3，i1) = {selc(A3， B3， ap)}。 % copy input image for next deposition stage M1 = A4。 M2 = B4。 end。% select base coefficients of last depostion stageA4 = selb(A4，B4，mp)。% loop over deposition depth synthesisfor i1 = zt:1:1 % define actual filters (inserting zeros between coefficients) h2 = fliplr([zeros(1，floor(2^(i12)))， ， zeros(1，floor(2^(i11)1))， ， zeros(1，max([floor(2^(i12))，1]))])。 g2 = fliplr([zeros(1，floor(2^(i12)))， ， zeros(1，floor(2^(i11)1))， ， zeros(1，max([floor(2^(i12))，1]))])。 fh = floor(length(h2)/2)。 % filter (rows) A4 = conv2(es(A4， fh， 2)， h239。， 39。valid39。)。 A3 = conv2(es(E{3，i1}， fh， 2)， g239。， 39。valid39。)。 A2 = conv2(es(E{2，i1}， fh， 2)， h239。， 39。valid39。)。 A1 = conv2(es(E{1，i1}， fh， 2)， g239。， 39。valid39。)。 % filter (columns) A4 = conv2(es(A4+A3， fh， 1)， h2， 39。valid39。)。 A2 = conv2(es(A2+A1， fh， 1)， g2， 39。valid39。)。 % add images A4 = A4 + A2。end。% copy imageY = A4?！　?．3實(shí)驗(yàn)結(jié)果 下面將本文的算法用于多聚焦圖像的融合。多聚焦圖像指的是對(duì)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(gè)圖像。經(jīng)過圖像融合技術(shù)后，就可以得到一個(gè)所有目標(biāo)都聚焦清晰的圖像。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。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 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。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(xì)節(jié)效果最好，重影現(xiàn)象消除得最干凈。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?！　〉诹?總結(jié)與展望 　　 本論文工作的總結(jié) 圖像拼接技術(shù)一直是計(jì)算機(jī)視覺、圖像處理和計(jì)算機(jī)圖形學(xué)的熱點(diǎn)研究方向。它可以用來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。 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?qǐng)D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(duì)圖像進(jìn)行幾何畸變校正和噪聲點(diǎn)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。　　(2)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。圖像配準(zhǔn)是圖像拼接技術(shù)中的核心部分。本文分析了現(xiàn)有的多種圖像配準(zhǔn)算法。 　　(3)圖像融合指在完成圖像匹配以后，對(duì)圖像進(jìn)行縫合，并對(duì)縫合的邊界進(jìn)行平滑處理，讓縫合自然過渡。 (4)論文的最后簡要介紹了利用matlab實(shí)現(xiàn)的圖像拼接軟件，該軟件實(shí)現(xiàn)了本文討論到的所有方法?！　?　　經(jīng)過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。但對(duì)于這一研究領(lǐng)域來說，本文所作的工作只是滄海一粟。事實(shí)上，還有很多圖像拼接問題值得去研究和解決，由于時(shí)間的關(guān)系，本文沒有做進(jìn)一步的研究。 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: (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(yùn)動(dòng)的物體的假設(shè)的。但是在有些情況下，待拼接的圖像采集過程中，會(huì)有運(yùn)動(dòng)的物體出現(xiàn)。如果在重疊區(qū)域存在運(yùn)動(dòng)物體的情況下，如何消除運(yùn)動(dòng)物體對(duì)拼接圖像帶來的影響例如，兩幅圖像因?yàn)橹丿B區(qū)域的運(yùn)動(dòng)物體，在合成的圖像中該區(qū)域出現(xiàn)重影)，是需要進(jìn)一步研究的問題。 (2)本文討論的圖像拼接算法，并不是針對(duì)特定圖像的研究。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。如何通過特定目標(biāo)的特征從圖像中提取出特定目標(biāo)(例如，人臉、足球)，以此來幫助完成圖像拼接，這需要加深對(duì)圖像中特定目標(biāo)的理解和分割。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(gè)可以重點(diǎn)研究的方向。參考文獻(xiàn) ，2. L. G. Brown. A survey of image registration techniques. ACM Computer 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。11 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。12 任愛華，計(jì)算機(jī)圖形學(xué)，北京航空航天大學(xué)出版社，2005/12。13 王偉，陸佩忠，數(shù)字圖像拼接技術(shù)，小型微型計(jì)算機(jī)系統(tǒng)，2006/6。14 高文，陳熙霖，計(jì)算機(jī)視覺，清華大學(xué)出版社與廣西科學(xué)技術(shù)出版社。1999/2。15 劉靜華，王永生，陸國棟，陳超，計(jì)算機(jī)繪圖，高等教育出版社，2006/5。16 王小睿，199717數(shù)字圖象處理：MATLAB版：using MATLAB18 MATLAB 李海濤, 鄧櫻編著 北京：國防工業(yè)出版社，200219 MATLAB 飛思科技產(chǎn)品研發(fā)中心編著 北京：電子工業(yè)出版社，200320 Matlab工具箱應(yīng)用指南．控制工程篇 徐昕, 李濤, 伯曉晨等編著 北京：電子工業(yè)出版社，200021 Matlab信號(hào)處理與應(yīng)用 董長虹主編 北京：國防工業(yè)出版社，200