1、圖像拼接技術(shù)是計算機視覺、圖像處理和計算機圖形學(xué)的研究熱點，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(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。圖像拼接就是將同一場景的相互有部分重疊的一系列圖片拼接成大幅的、寬視角的、與原始圖像接近且失真小、沒有明顯縫合線的高分辨率圖像。圖像拼接的質(zhì)量主要依賴于圖像的配準精度。目前，基于特征點匹配的圖像配準是一種主要針對仿射變換模型和透視變換模型的圖像配準技術(shù)，它不僅能夠適用于

2、重合度較低的圖像之間的配準，而且還能夠應(yīng)用于運動場景圖像以及含有遮蓋物體圖像之間的配準，在實際應(yīng)用中得到了廣泛的使用。因此，研究基于特征點的圖像配準和拼接技術(shù)具有重要的理論意義和實用價值。本文主要以特征點匹配為主線，針對目前流行的lards特征點和SIFT(ScaleInvariantFeatureTransform)特征點匹配技術(shù)進行了深入系統(tǒng)地研究。主要研究工作及貢獻如下： 1.研究并分析了攝像機成像幾何的基本原理，重點對8

3、參數(shù)透視變換矩陣的存在條件以及8參數(shù)透視矩陣退化為6參數(shù)仿射矩陣的條件進行了論證，由此引出了圖像拼接中幾種常用的變換模型-相似變換、仿射變換以及透視變換，給出了每種模型的實際應(yīng)用場合。 2.針對傳統(tǒng)的特征點匹配算法對于圖像旋轉(zhuǎn)變化敏感的問題，提出了一種基于特征點旋轉(zhuǎn)歸一化的圖像配準算法(IPNR)。系統(tǒng)研究了Harris特征點的基本原理以及幾種傳統(tǒng)的匹配方法，包括像素差的平方和(SSD)、像素的互相關(guān)信息(CC)、歸一化互相關(guān)信

4、息(NCC)。分析比較了各種匹配方法的性能以及存在的不足之處。提出了在特征點匹配過程中將鄰域窗口進行旋轉(zhuǎn)歸一化，有效解決了特征點匹配對于圖像旋轉(zhuǎn)變化敏感的問題。仿真結(jié)果表明，該算法能有效地克服傳統(tǒng)特征點匹配算法對圖像旋轉(zhuǎn)變化敏感的問題，將正確匹配的概率提高30％以上，效果明顯優(yōu)于傳統(tǒng)的特征點匹配算法。 3.針對傳統(tǒng)的特征點匹配方法對噪聲敏感的問題，提出了一種基于特征點不變矩的圖像配準算法(IPIM)。圖像的矩特征是一種以圖像分布

5、的各階矩來描述灰度的統(tǒng)計特性的方法，它對噪聲和光照的變化不太敏感，并具有旋轉(zhuǎn)和尺度不變性。對圖像的矩特征研究發(fā)現(xiàn)，傳統(tǒng)的Hu氏矩中ψ3，ψ5兩個矩對于圖像的旋轉(zhuǎn)變化是不穩(wěn)定的，因此對Hu氏矩進行了改進，并在此基礎(chǔ)上，利用改進后的Hu氏矩作為特征點的描述符進行匹配，解決了傳統(tǒng)特征點匹配方法對于旋轉(zhuǎn)和噪聲敏感的問題。仿真結(jié)果表明該算法具有較好的旋轉(zhuǎn)不變性和抗噪聲性能，匹配效果優(yōu)于傳統(tǒng)的算法。 4.針對IPIM方法對圖像亮度變化敏感的

6、問題，提出了一種基于特征點偽Zernike矩的圖像配準算法(IPPZM)。由于偽Zemike矩比Hu矩具有更多的矩數(shù)量以及更好的抗噪聲性能，本算法選用特征點鄰域窗口的偽Zernike矩作為特征點描述符。數(shù)字圖像的像素離散性質(zhì)使得偽Zernike矩的計算產(chǎn)生誤差，不同階矩的計算精確度不同。因此，為保證描述符的準確性與較低的計算復(fù)雜度，需要對偽Zernike矩進行優(yōu)化選擇，并對矩的選取數(shù)量加以限制。仿真結(jié)果表明該算法不僅有效解決了IPIM算

7、法對亮度變化敏感的問題，而且在旋轉(zhuǎn)不變性和抗噪聲性能上比IPIM算法有了進一步的提高。 5.針對Harris特征點對于尺度變化敏感的問題，提出了一種改進的基于SIFT特征的圖像配準算法。該算法借助于SIFT特征對于旋轉(zhuǎn)和尺度的不變性以及對于噪聲、視角變化和光照變化等良好的魯棒性，解決了Harris特征檢測對于尺度變化敏感的問題，使得較大尺度變化下的圖像配準成為可能。同時，對SIFT特征點的提取方法進行了改進，預(yù)先去除了部分較不穩(wěn)

8、定的特征點，提高了匹配的速度和正確匹配的概率。實驗結(jié)果證明該算法對于旋轉(zhuǎn)、尺度變化均具有不變性、對于噪聲以及圖像亮度變化具有較好的魯棒性，且匹配速度比改進前提高了近1倍。 6.針對圖像拼接中累計誤差對合成圖像質(zhì)量影響嚴重的問題，提出了一種基于特征點的整體優(yōu)化調(diào)整方法。如果僅利用圖像局部配準的結(jié)果對圖像序列進行拼接，則會因為誤差的累計而造成合成圖像中出現(xiàn)重影或者圖像變得模糊。該方法利用基于特征點的圖像配準算法中得到的正確匹配點，對