全文总字数：5312字

关键词：图像拼接；全景图像；多图像匹配；不变特征。摘 要：图像拼接是将几张可能出现重叠的照片无缝拼接成高清的广视角照片的技术。它在人们的日常生活中起着越来越重要的作用，近年来已广泛运用于遥感地图、军事技术、航空航天、医学影像等重要领域。拼接而成的全景图像凭借着像素高，视野广等优势，成为数字图像处理领域的热门研究方向。本文简单论述图像拼接领域的经典算法，如LM、SIFT、SURF、AKAZE、RANSAC、ORB等的发展历史，对比其进步性和局限性，例举国内外的改进全景图像拼接技术和算法的研究成果和著名公司相应的产品设计，阐明出国内外图像拼接技术的发展现状和存在的问题。在此基础上进行基于不变特征的全景图像拼接方法设计，来完成对多个图片的拼接。

引言

普通相机拍摄时因为受到分辨率的限制，无法拍摄大场景，而专门用以拍摄广角和全景的相机，虽然可以拍摄大场景，但得到的照片会出现失真的情况^[1]。为了保证广角或全景拍摄时的帧率，人们开始采用计算机来完成图片无缝拼接的任务。近年来伴随着数字图像处理技术和微电子技术的蓬勃发展，使得图像拼接技术在导航定位、计算机目标识别、遥感技术等领域已有很长的发展历史，已经广泛应用于卫星遥感技术、灾害监测、国土资源调查等领域。图像配准、目标变化检测识别、图像拼接和镶嵌等技术在遥感图像配准方面都是必不可少的内容；在自然灾害监测方面，利用图像配准技术生成全景监测图像，为任务开展及工程的实施提供准确地数据支持，为灾后救援及重建工作提供安全保障；在国土资源调查方面，使用图像配准技术生成全景遥感影像，大大节省了实地调查的人力和物力支出^[2]。

图像的配准和融合是图像拼接技术的核心和关键，其中图像配准是图像融合的基础，然而图像配准的计算量较大、计算复杂，使得图像拼接技术的发展受其影响较大，因此改进图像配准技术成为推动图像拼接技术发展的突破口^[3]。

2 研究现状

2.1发展历史

2.1.1早期发展

图像拼接的历史最早可以追溯到1975年，Kuslin和Hines提出的相位相关法^[4]。利用傅立叶变换的方法，把原始图像变换到频域区，然后把互功率谱应用到图像中，对图像之间的平行移动做出相应的计算，最后得到拼接图像的方法。1987年，Castro和Morandi提出了扩展相位相关法^[5]，能够对具有旋转和平移变换的图像进行配准。随后，Reddy和Chatterji提出了基于快速傅里叶变换法，能对平移、旋转、缩放变换图像进行精确配准^[6]。1988年，Harris提出了Harris兴趣点检测器。该算法图像像素在二维空间发生的变化是用自相关函数来确定的，该方法检测出来的特征点具有平移、旋转不变性，而且可以达到亚像素精度，并且对噪声干扰、光照等条件的影响都具有较好的鲁棒性。

2.1.2 经典算法

1996年美国Richard Szeliski教授提出的基于运动的全景图像拼接模型^[7]，使用的是较为经典的LM算法来实现图像的配准。后人在该算法的基础上不断加以改进，例如Benny Rousso在2000年提出了自适应图像拼接模型^[8-9]，用以解决相机运动不同造成拼接模型需自动相应选择的问题，2004年David Lowe提出的尺度不变特征变换（SIFT）^[10-12]，该算法具有良好的鲁棒性，使拼接与影像的大小和旋转与否无关，对于光线、噪声等改变的容忍度也相当高。凭借着稳定性高、区分性好的优势，SIFT极大促进了图像匹配发展。2006年Bay等人提出的利用积分图像和盒子滤波的基于不变量技术的快速鲁棒性检测算法（SURF）^[13-15]，该算法既继承了SIFT算法的抗干扰性优点，又进一步提高了特征的提取速度。该算法首先提取待拼接图像的SIFT特征向量，然后对该向量进行匹配，对图像几何变换具有较高的鲁棒性，其中包括几何旋转、几何缩放和平移变换等^[16]。