圖像拼接調(diào)研報(bào)告

((完整)圖像拼接調(diào)研報(bào)告(完整)圖像拼接調(diào)研報(bào)告編輯整理：敬重的讀者朋友們：這里是編輯中心，本文檔內(nèi)容是由我和我的同事細(xì)心編輯整理后公布的，公布之前我們〔(完整)圖像拼接調(diào)研報(bào)告〕的內(nèi)容能夠給您的工作和學(xué)習(xí)帶來(lái)便利。同時(shí)也真誠(chéng)的期望收到您的建議和反響，這將是我們進(jìn)步的源泉，前進(jìn)的動(dòng)力。本文可編輯可修改，假設(shè)覺(jué)得對(duì)您有幫助請(qǐng)保藏以便隨時(shí)查閱，最終祝您生活快活業(yè)績(jī)進(jìn)步，以下為(完整)圖像拼接調(diào)研報(bào)告的全部?jī)?nèi)容。圖像拼接的調(diào)研報(bào)告圖像拼接的意義和國(guó)內(nèi)外爭(zhēng)論現(xiàn)狀意義圖像拼接〔imagemosaic〕技術(shù)是將一組相互間存在重疊局部的圖像序列進(jìn)展空間配準(zhǔn),經(jīng)重采樣融合后形成一幅包含各圖像序列信息的寬視角場(chǎng)景的、完整的、高清楚的圖像的技術(shù).圖像拼接是數(shù)字圖像處理領(lǐng)域的一個(gè)重要的爭(zhēng)論方向，在攝影測(cè)量學(xué)、計(jì)算機(jī)視覺(jué)、遙感圖像分析、計(jì)算機(jī)圖形等領(lǐng)域有著廣泛的應(yīng)用價(jià)值。圖像拼接技術(shù)一個(gè)日益流行的爭(zhēng)論領(lǐng)域，是虛擬現(xiàn)實(shí)、計(jì)算機(jī)視覺(jué)、計(jì)算機(jī)圖形學(xué)和圖像處理等領(lǐng)域的重要爭(zhēng)論課題，在宇宙空間探測(cè)、海底勘測(cè)、醫(yī)學(xué)、氣象、地質(zhì)勘測(cè)、軍事、視頻壓縮和傳輸、視頻的索引和檢索、物體的3D重建、軍事偵察和公安取證、數(shù)碼相機(jī)的超區(qū)分率處理等領(lǐng)域都有廣泛的應(yīng)用。因此，圖像拼接技術(shù)的爭(zhēng)論具有很好的應(yīng)用前景和實(shí)際應(yīng)用價(jià)值。1。2國(guó)內(nèi)外爭(zhēng)論現(xiàn)狀。關(guān)于圖像拼接的方法國(guó)內(nèi)外已有不少的論文發(fā)表，其算法大致可分為基于模型的方法，基于變換域的方法，基于灰度相關(guān)的方法和基于特征的方法,而如何提高圖像拼接的效率，削減處理時(shí)間和增加拼接系統(tǒng)的適應(yīng)性始終是爭(zhēng)論的重點(diǎn)。①基于模型：1996年，微軟爭(zhēng)論院的RichardSzeliski2D空間八參數(shù)投影變換模型,承受Levenberg—Marquardt迭代非線(xiàn)性最小化方法〔L-M算法〕求出圖像間的幾何變換參數(shù)來(lái)進(jìn)展圖像配準(zhǔn)。這種方法在處理具有平移、旋轉(zhuǎn)、仿射等多種變換的待拼接圖像方面效果好，收斂速度快，因此成為圖像拼接領(lǐng)域的經(jīng)典算法，但是計(jì)算量大，拼接效果不穩(wěn)定。2023年，ShmuelPelegRichardSzeliski的根底上做了進(jìn)一步的改進(jìn),提出了自適應(yīng)圖像拼接模型，依據(jù)相機(jī)的不同運(yùn)動(dòng)而自適應(yīng)選擇拼接模型，通過(guò)把圖像分成狹條進(jìn)展多重投影來(lái)完成圖像的拼接。這一爭(zhēng)論成果推動(dòng)了圖像拼接技術(shù)的進(jìn)一步的進(jìn)展，從今自適應(yīng)問(wèn)題成為圖像拼接領(lǐng)域的爭(zhēng)論熱點(diǎn)。匹茲堡大學(xué)的SevketGumustekin對(duì)消退在固定點(diǎn)旋轉(zhuǎn)攝像機(jī)拍攝自然景物時(shí)形成的透視變形和全景圖像的拼接進(jìn)展了爭(zhēng)論.通過(guò)標(biāo)定攝像機(jī)來(lái)建立成像模型，依據(jù)成像模型將捕獲到的圖像投影到同一的高斯球面上，從而得到拼接圖像。這種方法拼接效果好、牢靠性高，但是要求對(duì)攝像機(jī)進(jìn)展準(zhǔn)確的標(biāo)定，同時(shí)要求攝像機(jī)透鏡本身的畸形參數(shù)引起的圖像變形可以無(wú)視不計(jì)。②基于變換域:1975年，KuglinHines提出了相位相關(guān)法，利用傅里葉變換將兩幅帶配準(zhǔn)的圖像變換頻域，然后利用互功率譜直接計(jì)算出兩幅圖像間的平移矢量。1987年,DeCastroMorandi提出了擴(kuò)展相位相關(guān)法，利用傅里葉變換的性質(zhì)能夠?qū)崿F(xiàn)具有旋轉(zhuǎn)和平移變換的圖像的配準(zhǔn)。隨著快速傅里葉變換算法的提出以及信號(hào)處理領(lǐng)域?qū)Ω道锶~變換的成熟應(yīng)用，ReddyChatterji提出了基于快速傅里葉變換〔FFT—based〕的方法,利用極坐標(biāo)變換和互功率譜，對(duì)具有平移、旋轉(zhuǎn)和縮放變換的圖像都能夠?qū)崿F(xiàn)準(zhǔn)確配準(zhǔn)。相位相關(guān)法計(jì)算簡(jiǎn)潔精準(zhǔn),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。除了傅里葉變換外,人們還選擇更牢靠、更符合人眼視覺(jué)生理特征的Gabor變換和小波變換進(jìn)展圖像配準(zhǔn).③RGBCMY顏色系統(tǒng)中灰度級(jí)的相關(guān)性為準(zhǔn)則查找圖像的配準(zhǔn)位置.常用的算法有比值匹配法，塊匹配法和網(wǎng)格匹配法。比值匹配法是從一幅圖像的重疊區(qū)域中局部相鄰的兩列上取出局部像素。然后以他們的比值作為模板，在另一幅圖像中搜尋最正確匹配，這種算法計(jì)算量小，但精度低;塊匹配是以一幅圖像重疊區(qū)域中的一塊作為模板，在另一幅圖像中搜尋與此模板最相像的匹配快，這種算法精度較高，但計(jì)算量過(guò)大；網(wǎng)格匹配法首先進(jìn)展粗匹配，每次水平或垂直移動(dòng)一個(gè)步長(zhǎng),記錄最正確匹配位置，然后再進(jìn)行準(zhǔn)確匹配,每次步長(zhǎng)減半,循環(huán)此過(guò)程直至步長(zhǎng)減為0,這種算法比較其前兩種運(yùn)算量有所減小，但假設(shè)粗匹配步長(zhǎng)過(guò)大會(huì)造成較大的誤差。④基于特征：基于特征的方法首先從待匹配圖像中提取特征集，利用特征的對(duì)應(yīng)關(guān)系進(jìn)展匹配?；谔卣鞯姆椒ɡ昧藞D像的顯著特征，具有計(jì)算量小,速度快的特點(diǎn)，對(duì)于圖像的畸變,噪聲，遮擋等具有確定魯棒性,但是他的匹配性能在很大程度上取決于特征提取的質(zhì)量.1988年，Halris提出了HarriS興趣點(diǎn)檢測(cè)器.HarriS提取的興趣點(diǎn)具有旋轉(zhuǎn)不變性，并且抗噪聲力氣強(qiáng),是一種很好的特征檢測(cè)算子.2023年，M.BrownandD.Glowe發(fā)表了ReeognizingPanoramas文章,提出了基于尺度不變特征〔SIFT〕的圖像拼接技術(shù)，該算法完全自動(dòng)完成,并承受了多區(qū)分率對(duì)圖像進(jìn)展融合,收到了抱負(fù)的效果?！睸IFTD.Gfowe1999年提出的,2023年做的完善總結(jié),該方法具有尺度不變性和旋轉(zhuǎn)不變性，是目前圖像拼接領(lǐng)域最為流行的算法.)Manjunath提出了一種輪廓的圖像匹配方法，承受LOG算子提取出兩幅圖像的特征輪廓，.這種方法在特征輪廓的提取上簡(jiǎn)潔受到噪聲的干擾，其計(jì)算量隨著輪廓數(shù)量的增多而增長(zhǎng)。Etienne使用Harris檢測(cè)器提取興趣點(diǎn)，通過(guò)計(jì)算歸一化相關(guān)系數(shù)，沿極線(xiàn)查找一幅圖像中興趣點(diǎn)的對(duì)應(yīng)點(diǎn),然后使用第三幅圖像來(lái)得到更準(zhǔn)確的對(duì)應(yīng);Jane提出了基于小波變換的分層圖像匹配算法，在分解后的每一層圖像中提取興趣點(diǎn)進(jìn)展匹配，用并行策略提高計(jì)算速度。圖像配準(zhǔn)算法經(jīng)過(guò)幾十年的進(jìn)展已經(jīng)取得了很大的進(jìn)展，但由于拍攝環(huán)境簡(jiǎn)潔多變,現(xiàn)在還沒(méi)有一種算法能夠解決全部圖像的匹配問(wèn)題?，F(xiàn)在的幾種方法各有其優(yōu)缺點(diǎn),假設(shè)能綜合利用這些方法的優(yōu)點(diǎn)將會(huì)取得更好的匹配結(jié)果.2圖像拼接技術(shù)主要包括圖像配準(zhǔn)和圖像融合兩個(gè)關(guān)鍵環(huán)節(jié).圖像配準(zhǔn)是圖像拼接的核心局部，其目標(biāo)是找出對(duì)齊的兩幅或多幅重疊圖像之間的運(yùn)動(dòng)狀況，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。圖像融合技術(shù)是用來(lái)消退由于幾何校正、動(dòng)態(tài)的場(chǎng)景或光照變化引起的相鄰圖像的強(qiáng)度或顏色不連續(xù)問(wèn)題，將兩幅經(jīng)過(guò)匹配確定出重疊區(qū)域的圖像合并為一幅無(wú)縫圖像。2。1幾種主要圖像配準(zhǔn)方法的優(yōu)缺點(diǎn)①基于灰度信息的方法基于圖像灰度的配準(zhǔn)方法直接利用圖像的灰度信息，依據(jù)對(duì)應(yīng)關(guān)系模型將每個(gè)像素點(diǎn)變換成對(duì)應(yīng)點(diǎn),承受某種搜尋方法，查找使相像性評(píng)價(jià)函數(shù)值到達(dá)極值的變換模型的參數(shù)值。模塊匹配的方法是一種最常用的基于灰度信息的圖像匹配算法,與所拼接的圖像內(nèi)容無(wú)關(guān)。雖然模板匹配有計(jì)算量大,準(zhǔn)確率不高等缺點(diǎn)，但在目前的圖像拼接領(lǐng)域還是廣泛使用。所謂模板匹配就是在圖像的重疊區(qū)域中裁剪出一塊矩形區(qū)域作為模板，和被搜素圖像中同樣大小的一塊區(qū)域進(jìn)展比照，依據(jù)相像程度來(lái)確定最正確的匹配位置。模板匹配包括以下幾個(gè)方面：1模板特征提取2基準(zhǔn)模板的選取、確定基準(zhǔn)模板的大小和坐標(biāo)定位3模板匹配的相像度量4匹配模板的搜素策略模板匹配一般狀況下選用圖像的灰度為特征構(gòu)建模板。在一幅圖像處于重疊局部的區(qū)域中選取一個(gè)區(qū)域作為模板，然后在另一幅圖像中搜素具有一樣或相像值對(duì)應(yīng)位置，從而確定兩幅圖像重疊區(qū)域范圍。模板匹配法簡(jiǎn)潔易行,具有精度高，牢靠性高以及抗干擾性強(qiáng)等優(yōu)點(diǎn),但計(jì)算量將隨著模板和待匹配圖像的增大而快速增大，難以到達(dá)實(shí)時(shí)性的要求?；趫D像灰度的方法直接利用圖像的灰度信息進(jìn)展匹配，通過(guò)像素對(duì)其間某種相像性度量〔如互信息、最小均方差等〕的全局最優(yōu)化實(shí)現(xiàn)配準(zhǔn)，這種方法不需要對(duì)圖像進(jìn)展分割和特征提取,所以精度高，魯棒性好.但是這種匹配方法對(duì)灰度變化格外敏感，沒(méi)有充分利用灰度統(tǒng)計(jì)特性,對(duì)每一點(diǎn)的灰度信息依靠較大。②變換域法基于變換域的圖像配準(zhǔn)的一個(gè)經(jīng)典方法是相位相關(guān)法,就是利用傅里葉變換的方法，將圖像有空間域變換到頻率域，依據(jù)傅里葉變換的平移原理來(lái)實(shí)現(xiàn)圖像的配準(zhǔn)。由于平移、旋轉(zhuǎn)、縮放等變形在頻域都有相應(yīng)變換，因此完全可以利用傅里葉方法在頻域中進(jìn)展圖像匹配。變換域的方法具有對(duì)噪聲的不敏感性，計(jì)算效率高 ,有成熟的快速算法〔FFT算法〕和易于硬件實(shí)現(xiàn)等特點(diǎn)。一般來(lái)說(shuō)，承受變換域的方法可以為圖像拼接供給一個(gè)良好的初始配準(zhǔn)參數(shù)。③基于特征的配準(zhǔn)方法基于圖像特征的方法，首先要對(duì)待配準(zhǔn)的兩幅圖像進(jìn)展處理,提取滿(mǎn)足特定應(yīng)用要求的特征集，將這些特征作為把握構(gòu)造，查找兩幅圖像把握構(gòu)造的映射關(guān)系?；趫D像特征的方法，在特征提取后得到的特征點(diǎn)的數(shù)量將會(huì)大大削減，因此可以提高配準(zhǔn)的速度，但其配準(zhǔn)的效果很大程度上還取決于特征點(diǎn)的提取精度以及特征點(diǎn)匹配的準(zhǔn)確度.基于特征的方法只需要提取出匹配的特征就可以解出變換模型的參數(shù)，因此計(jì)算量小，,因此對(duì)圖像的灰度屬性和噪聲的影響不是很敏感，配準(zhǔn)速度快。基于圖像特征配準(zhǔn)的方法主要困難在于如何提取和選擇魯棒的特征,以及如何對(duì)特征進(jìn)展匹配，其中要抑制由于圖像噪聲和場(chǎng)景中消滅遮擋現(xiàn)象所引起的誤匹配的問(wèn)題。④基于模型的配準(zhǔn)方法基于模型的配準(zhǔn)方法是依據(jù)圖像失真的數(shù)學(xué)模型來(lái)對(duì)圖像進(jìn)展非線(xiàn)性校準(zhǔn)的配準(zhǔn).典型的算法是Szeliski提出的變換優(yōu)化法，首先建立圖像序列之間的變換模型，然后通過(guò)優(yōu)化算法迭代求出模型中的變化參數(shù)，從而實(shí)現(xiàn)對(duì)待拼接圖像的配準(zhǔn)。變換優(yōu)化法可以處理圖像序列之間存在平移、旋轉(zhuǎn)、縮放等幾何變換的拼接，不需要任何特征點(diǎn)，收斂速度快，并且在統(tǒng)計(jì)上是最優(yōu)的.但是這種方法的缺點(diǎn)在于，要使整個(gè)縮放到達(dá)收斂的要求，必需要有確定精度的初始估量值，即也就是認(rèn)為確定的初始對(duì)應(yīng)點(diǎn)要足夠準(zhǔn)確，否則將會(huì)導(dǎo)致圖像配準(zhǔn)的失敗.幾種典型算法的優(yōu)缺點(diǎn)：2。2.1基于區(qū)域的配準(zhǔn)2。2。1.1逐一比較法算法的優(yōu)點(diǎn):〔1)算法思路比較簡(jiǎn)潔，簡(jiǎn)潔理解，易于編程實(shí)現(xiàn)。(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(huì)提高,同時(shí)能夠?qū)⒖紙D像進(jìn)展全面的掃描。算法的缺點(diǎn):很難選擇待配準(zhǔn)圖像分塊。由于一個(gè)假設(shè)分塊選擇的不正確,缺少信息量，則不簡(jiǎn)潔正確的匹配，即發(fā)生偽匹配.同時(shí)，假設(shè)分塊過(guò)大則降低匹配速度,假設(shè)分塊過(guò)小則簡(jiǎn)潔降低匹配精度.〔2)對(duì)圖像的旋轉(zhuǎn)變形不能很好的處理。算法本身只是把待配準(zhǔn)圖像分塊在標(biāo)準(zhǔn)參考圖像中移動(dòng)比較，選擇一個(gè)最相像的匹配塊，但是并不能夠?qū)D像的旋轉(zhuǎn)變形進(jìn)展處理，因此比照片的拍攝有嚴(yán)格的要求.。2分層比較法圖像處理的塔形〔或稱(chēng)金字塔：Pyramid)BurtAdelson首先提出的，其早期主要用于圖像的壓縮處理及機(jī)器人的視覺(jué)特性爭(zhēng)論。該方法把原始圖像分解成很多不同空間區(qū)分率的子圖像，高區(qū)分率〔尺寸較大〕的子圖像放在下層,低區(qū)分率(尺寸較小〕的圖像放在上層，從而形成一個(gè)金字塔外形。在逐一比較法的思想上，為削減運(yùn)算量,引入了塔形處理的思想，提出了分層比較法。利用圖像的塔形分解,可以分析圖像中不同大小的物體。同時(shí)，通過(guò)對(duì)低區(qū)分率、尺寸較小的上層進(jìn)展分析所得到的信息還可以用來(lái)指導(dǎo)對(duì)高區(qū)分率、尺寸較大的下層進(jìn)展分析,從而大大簡(jiǎn)化分析和計(jì)算.在搜尋過(guò)程中，首先進(jìn)展粗略匹配，每次水平或垂直移動(dòng)一個(gè)步長(zhǎng)，計(jì)算對(duì)應(yīng)像素點(diǎn)灰度差的平方和，記錄最小值的網(wǎng)格位置。其次，以此位置為中心進(jìn)展準(zhǔn)確匹配.每次步長(zhǎng)減半，搜尋當(dāng)前最小值，循環(huán)這個(gè)過(guò)程,直到步長(zhǎng)為零，最終確定出最正確匹配位置。算法的優(yōu)點(diǎn):(1〕該算法思路簡(jiǎn)潔,簡(jiǎn)潔理解,易于編程實(shí)現(xiàn)。(2〕該算法的搜尋空間比逐一比較要少,在運(yùn)算速度較逐一比較法有所提高。算法的缺點(diǎn):算法的精度不高.在是在粗略匹配過(guò)程中，移動(dòng)的步長(zhǎng)較大,很有可能將第一幅圖像上所取的網(wǎng)格劃分開(kāi)，這樣將造成匹配中無(wú)法取出與第一幅圖像網(wǎng)格完全匹配的最正確網(wǎng)格，很難到達(dá)準(zhǔn)確匹配.對(duì)圖像的旋轉(zhuǎn)變形照舊不能很好的處理。與逐一比較法一樣，該算法只是對(duì)其運(yùn)算速度有所改進(jìn)，讓搜尋空間變小,并無(wú)本質(zhì)變化,因此對(duì)圖像的旋轉(zhuǎn)變形并不能進(jìn)展相應(yīng)處理.基于特征的配準(zhǔn)2。2.2.1比值匹配法比值匹配法算法思路是利用圖像中兩列上的局部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局部像素，用它們的比值作為模板,S中搜尋最正確S中,由左至右依次從間距一樣的兩列上取出局部像素，并逐一計(jì)算其對(duì)應(yīng)像素值比值；然后將這些比值依次與模板進(jìn)展比較，其最小差值對(duì)應(yīng)的列就是最正確匹配。這樣在比較中只利用了一組數(shù)據(jù)，而這組數(shù)據(jù)利用了兩列像素及其所包含的區(qū)域的信息.比值匹配法的優(yōu)點(diǎn)：〔1〕算法思路清楚簡(jiǎn)潔，簡(jiǎn)潔理解，實(shí)現(xiàn)起來(lái)比較便利。在匹配計(jì)算的時(shí)候，計(jì)算量小,速度快。比值匹配法的缺點(diǎn):〔1)利用圖像的特征信息太少。只利用了兩條豎直的平行特征線(xiàn)段的像素的信息，沒(méi)有能夠充分利用了圖像重疊區(qū)域的大局部特征信息。雖然算法提到，在搜尋圖S中由左至右依次從間距一樣的兩列上取出局部像素,計(jì)算其對(duì)應(yīng)像素的比值，然后將這些比值依次與模版進(jìn)ST中，只是任T的重疊區(qū)域的特征信息?！?)對(duì)圖片的采集提出了較高的要求。此算法比照片先進(jìn)展垂直方向上的比較，然后再進(jìn)展水平方向上的比較，這樣可以解決上下較小的錯(cuò)開(kāi)問(wèn)題。在采集的時(shí)候只能使照相機(jī)在水平方向上移動(dòng).然而，有時(shí)候不行避開(kāi)的照相機(jī)鏡頭會(huì)有小角度的旋轉(zhuǎn),使得拍攝出來(lái)的照片有確定的旋轉(zhuǎn)，在這個(gè)算法中是無(wú)法解決的。而且對(duì)重疊區(qū)域無(wú)明顯特征的圖像,比較背景是海洋或者天空，這樣在選取特征模版的時(shí)候存在很大的問(wèn)題。由于照片中存在大塊紋理一樣的局部，所以與模版的差異就不大，這樣有很多匹配點(diǎn)，很簡(jiǎn)潔造成誤匹配。不易對(duì)兩條特征線(xiàn)以及特征線(xiàn)之間的距離進(jìn)展確定。算法中在參考圖像T的重疊區(qū)域中取出兩列像素上的局部像素，并沒(méi)有給出選擇的限制。然而在利用拼接算法實(shí)現(xiàn)自動(dòng)拼接的時(shí)候，假設(shè)選取的特征線(xiàn)不是很恰當(dāng),那么這樣的特征線(xiàn)算出來(lái)的模版就失去了作為模版的意義。同時(shí)，在確定特征線(xiàn)間距時(shí),選的過(guò)大，則不能充分利用重疊區(qū)域的圖像信息。選擇的過(guò)小,則計(jì)算量太大。2.2.2.2特征點(diǎn)匹配法比值匹配法利用圖像特征較少,而且在圖像發(fā)生小角度旋轉(zhuǎn)的時(shí)候簡(jiǎn)潔發(fā)生誤匹配?；谔卣鼽c(diǎn)的匹配法可以很好的解決這類(lèi)問(wèn)題。特征點(diǎn)主要指圖像中的明顯點(diǎn)，如房屋角點(diǎn)、圓點(diǎn)等.用于點(diǎn)特征提取得算子稱(chēng)為有利算子或興趣算子。自七十年月以來(lái)消滅一系列各不一樣、各有Moravec算子、HarrisForstner算子等。Moravec1977年提出利用灰度方差提取點(diǎn)特征的算子，是在四個(gè)主要方向上，選擇具有最小灰度方差的點(diǎn)作為特征點(diǎn)的提取方法。Moravec算子計(jì)算簡(jiǎn)潔,運(yùn)算速度快，但是對(duì)邊緣和獨(dú)立的點(diǎn)比較敏感，在抑制噪聲方面效果不佳。Forstner算子的根本思想是對(duì)角點(diǎn)在最正確窗口內(nèi)通過(guò)每個(gè)像元的邊緣直線(xiàn)進(jìn)展加權(quán)中心化,然后對(duì)法方程進(jìn)展代數(shù)求解得到其準(zhǔn)確位置。Forstner算子運(yùn)算速度快且精度高,但是計(jì)算方法簡(jiǎn)潔。HarrisC.HarrisM.J.Stephens1998年提出的一種基于信號(hào)的點(diǎn)特征提取算子。HarrisMoravec算子的改進(jìn)，它利用一階偏導(dǎo)來(lái)描述亮度的變化.Harris算子中只用到灰度的一階差分以及濾波,操作簡(jiǎn)潔，提取的特征點(diǎn)均勻且合理，在紋理信息豐富的區(qū)域，Harris算子可以提取出大量有用的特征點(diǎn)，而在紋理信息少的區(qū)域，提取的特征點(diǎn)則較少,由于它的計(jì)算過(guò)程中只涉及到了圖像的一階導(dǎo)數(shù)，所以即使存在有圖像的旋轉(zhuǎn),灰度的變化，噪聲影響和視點(diǎn)的變換,對(duì)角點(diǎn)的提取也是比較穩(wěn)定的。由于圖像中有很多可以利用的特征，因而產(chǎn)生了多種基于特征的方法。常用的圖像特征有：特征點(diǎn)〔包括角點(diǎn)、高曲率點(diǎn)等〕、直線(xiàn)段、邊緣〔Robert、高斯-拉普拉斯Log、Canny、Gabor濾波等邊緣檢測(cè)算子〕或輪廓、閉合區(qū)域、特征構(gòu)造以及統(tǒng)計(jì)特征如矩不變量等?；谔卣鞯呐錅?zhǔn)方法不是直接利用圖像的像素值，而是通過(guò)像素導(dǎo)出圖像的特征，然后以圖像特征為標(biāo)準(zhǔn)，對(duì)圖像重疊局部的對(duì)應(yīng)特征區(qū)域進(jìn)展搜尋匹配，該類(lèi)拼接算法有比較高的強(qiáng)健性和魯棒性.:特征抽取和特征配準(zhǔn)。首先從兩幅圖像中提取灰度變化明顯的點(diǎn)、線(xiàn)、區(qū)域等特征形成特征集。然后在兩幅圖像對(duì)應(yīng)的特征集中利用特征匹配算法盡可能地將存在對(duì)應(yīng)關(guān)系的特征對(duì)選擇出來(lái)。一系列的圖像分割技術(shù)都被用到特征的抽取和邊界canny算子、拉普拉斯高斯算子、區(qū)域生長(zhǎng)。抽取出來(lái)的空間特征有閉合的邊界、開(kāi)邊界、穿插線(xiàn)以及其他特征。特征匹配的算法有：穿插相關(guān)、距離變換、動(dòng)態(tài)編程、構(gòu)造匹配、鏈碼相關(guān)等算法。。3相位相關(guān)法相位相關(guān)度法是基于頻域的配準(zhǔn)常用算法。它將圖像由空域變換到頻域以后再進(jìn)展配準(zhǔn)。該算法利用了互功率譜中的相位信息進(jìn)展圖像配準(zhǔn)，對(duì)圖像間的亮度變化不敏感,具有確定的抗干擾力氣，而且所獲得的相關(guān)峰銳利突出，位移檢測(cè)范圍大,具有較高的匹配精度。相位相關(guān)度法的優(yōu)點(diǎn)：該算法簡(jiǎn)潔速度快，因此常常被承受。對(duì)于其核心技術(shù)傅立葉變換，現(xiàn)在己經(jīng)消滅了很多有關(guān)的快速算法,這使得該算法的快速性成為眾多算法中的一大優(yōu)勢(shì)。另外，傅立葉變換的硬件實(shí)現(xiàn)也比其它算法簡(jiǎn)潔.〔2〕該算法抗干擾力氣強(qiáng)，對(duì)于亮度變化不敏感.相位相關(guān)度法的缺點(diǎn)：(1〕該算法要求圖像有50%左右的重疊區(qū)域,在圖像重疊區(qū)域很小的時(shí)，算法的結(jié)果很難保證，簡(jiǎn)潔造成誤匹配.〔2〕由于Fourier變換依靠于自身的不變屬性,所以該算法只適用于具有旋轉(zhuǎn)、平移、比例縮放等變換的圖像配準(zhǔn)問(wèn)題。對(duì)于任意變換模型，不能直接進(jìn)展處理，而要使用把握點(diǎn)方法把握點(diǎn)方法可以解決諸如多項(xiàng)式、局部變形等問(wèn)題。配準(zhǔn)算法的評(píng)價(jià)標(biāo)準(zhǔn)始終以來(lái)，圖像處理算法的評(píng)價(jià)標(biāo)準(zhǔn)是圖像處理結(jié)果分析的一個(gè)難點(diǎn)。由于圖像類(lèi)型差異很大〔如光學(xué)和SAR圖像〕、波段差異大〔如可見(jiàn)光和長(zhǎng)波紅外圖像)，有時(shí)甚至是有很大噪聲的圖像，或者數(shù)據(jù)量較大的圖像，這時(shí)涉及圖像降噪和圖像分割等預(yù)處理，而卻爭(zhēng)論的側(cè)重點(diǎn)也各有千秋,所以評(píng)價(jià)的標(biāo)準(zhǔn)很難用一個(gè)指標(biāo)來(lái)界定，往往需要多個(gè)評(píng)價(jià)指標(biāo)綜合評(píng)定。本節(jié)對(duì)常用的評(píng)價(jià)指標(biāo)——配準(zhǔn)時(shí)間、配準(zhǔn)率、算法簡(jiǎn)潔度、算法的可移植性、算法的適用性、圖像數(shù)據(jù)對(duì)算法的影響等加以闡釋.配準(zhǔn)時(shí)間:對(duì)于標(biāo)準(zhǔn)參考圖像和待配準(zhǔn)圖像，從給定的兩幅圖像的輸入開(kāi)頭計(jì)時(shí)，直到找到最正確的配準(zhǔn)點(diǎn)，整個(gè)過(guò)程需要的時(shí)間就是配準(zhǔn)所消耗的時(shí)間,即配準(zhǔn)時(shí)間。算法簡(jiǎn)潔度：算法簡(jiǎn)潔度分為時(shí)間簡(jiǎn)潔度和空間簡(jiǎn)潔度。時(shí)間簡(jiǎn)潔度：即程序運(yùn)行所需的時(shí)間?？臻g簡(jiǎn)潔度：即程序運(yùn)行所需的空間.現(xiàn)在計(jì)算機(jī)的內(nèi)存于硬盤(pán)〔對(duì)應(yīng)虛存〕一般都很大，所以空間簡(jiǎn)潔度并不是很重要，大家一般都把留意力放在時(shí)間簡(jiǎn)潔度上。時(shí)間簡(jiǎn)潔度和配準(zhǔn)過(guò)程時(shí)間的區(qū)分在于它只考慮程序的運(yùn)行時(shí)間。時(shí)間簡(jiǎn)潔度在最壞n的函數(shù)。配準(zhǔn)精度:假設(shè)配準(zhǔn)誤差在一個(gè)像素內(nèi)，則稱(chēng)為像素級(jí)配準(zhǔn);假設(shè)配準(zhǔn)誤差小于一個(gè)像素，稱(chēng)為亞像素級(jí)配準(zhǔn)。配準(zhǔn)率：N次配準(zhǔn)操作中，到達(dá)配準(zhǔn)精度要求的正確配準(zhǔn)的次數(shù)所占的百分比?？梢浦残?對(duì)于配準(zhǔn)算法的可移植性,是指算法軟件編程或移植到各種硬件系統(tǒng)上的可行程度。配準(zhǔn)算法的適用性：是指算法對(duì)不同來(lái)源的圖像傳感器數(shù)據(jù)是否同樣適用。圖像數(shù)據(jù)大小對(duì)配準(zhǔn)算法影響程度,主要是對(duì)配準(zhǔn)時(shí)間的影響，依據(jù)標(biāo)準(zhǔn)參考圖像或者待配準(zhǔn)圖像增大一倍，配準(zhǔn)時(shí)間將會(huì)增大多少，可以推斷其影響程度.2.4.2.4.圖像融合技術(shù)2.4。1圖像融合技術(shù)的根本概念數(shù)字圖像融合〔DigitalImageFusion〕是以圖像為主要爭(zhēng)論內(nèi)容的數(shù)據(jù)融合技術(shù),是把多個(gè)不同模式的圖像傳感器獲得的同一場(chǎng)景的多幅圖像或同一傳感器在不同時(shí)刻獲得的同一場(chǎng)景的多幅圖像合成為一幅圖像的過(guò)程。由于不同模式的圖像傳感器的成像機(jī)理不同，工作電磁波的波長(zhǎng)不同,所以不同圖像傳感器獲得的同一場(chǎng)景的多幅圖像之間具有信息的冗余性和互補(bǔ)性，經(jīng)圖像融合技術(shù)得到的合成圖像則可以更全面、更準(zhǔn)確地描述所爭(zhēng)論的對(duì)象。正是由于這一特點(diǎn)，圖像融合技術(shù)現(xiàn)已廣泛地應(yīng)用于軍事、遙感、計(jì)算機(jī)視覺(jué)、醫(yī)學(xué)圖像處理等領(lǐng)域中。數(shù)字圖像融合是圖像分析的一項(xiàng)重要技術(shù)，該技術(shù)在數(shù)字地圖拼接、全景圖、虛擬現(xiàn)實(shí)等Photoshop等圖像處現(xiàn)軟件供給了圖像處理功能，可以通過(guò)拖放的方式進(jìn)展圖像拼接,但由于完全是手工操作,單調(diào)乏味，且精度不高，因此，有必要查找一種便利可行的圖像融合方法。Matlab具有強(qiáng)大的計(jì)算功能和豐富的工具箱函數(shù)，例如圖像處理和小波工具箱包含了大多數(shù)經(jīng)典算法,并且它供給了一個(gè)格外便利快捷的算法爭(zhēng)論平臺(tái)，可讓用戶(hù)把精力集中在算法上而不是編程上，從而能大大提高爭(zhēng)論效率。2。4.2手動(dòng)配準(zhǔn)與圖象融合圖像融合包含圖像配準(zhǔn)和無(wú)縫合成兩個(gè)局部。由于成像時(shí)受到各種變形因素的影響，得到的各幅圖像間存在著相對(duì)的幾何差異。圖像配準(zhǔn)是通過(guò)數(shù)學(xué)模擬來(lái)對(duì)圖像間存在著的幾何差異進(jìn)展校正，把相鄰兩幅圖像合成到同一坐標(biāo)系下,并使得一樣景物在不同的局部圖像中對(duì)應(yīng)起Matlabcpselect、cp2tform函數(shù)完成幾何配準(zhǔn)。cpselect函數(shù)顯示圖像界面，手動(dòng)在兩幅圖像的重疊局部選取配準(zhǔn)把握點(diǎn)，Matlab自動(dòng)進(jìn)展cp2tform函數(shù)值正重疊局部的幾何差異.Matlabcp2tform6種變形，分別是線(xiàn)性相像；仿射；投影；多頂式；