1、圖像拼接技術(shù)一直是計算機視覺、模式識別、醫(yī)學(xué)等領(lǐng)域研究的一個重要課題，圖像拼接技術(shù)也是圖像處理工作中的關(guān)鍵技術(shù)之一。所謂圖像拼接就是將有重疊的圖像無縫拼成一幅大寬視域圖像的技術(shù)。它包含兩個關(guān)鍵技術(shù):圖像配準(zhǔn)和圖像融合。由于局部視域圖像內(nèi)的照度不均勻性，圖像間的照度的差異性，圖像之間的幾何形變性，圖像拼接的技術(shù)瓶頸在于精準(zhǔn)的亞像素配準(zhǔn)以及圖像重疊區(qū)域兩側(cè)的無縫融合。為此，本文圍繞圖像精準(zhǔn)配準(zhǔn)的魯棒拼接技術(shù)為主線，從圖像間的幾何特征點和線型

2、特征的表征與匹配計算出發(fā)，研究具有旋轉(zhuǎn)不變和光照魯棒的特征匹配算法，進(jìn)而設(shè)計高性能的圖像配準(zhǔn)與魯棒拼接方法。
　　本文在研究圖像拼接技術(shù)的關(guān)鍵技術(shù)的基礎(chǔ)上，作出了如下四方面的工作:
　　(1)提出了一個基于Shi-Tomasi角點匹配和角點特征譜聚類的圖像配準(zhǔn)與快速拼接算法。該方法基于8-參數(shù)透視變換模型構(gòu)造自適應(yīng)的圖像投影變換，給出了圖像間角點特征對由粗到精的匹配算法。結(jié)合互相關(guān)粗匹配和改進(jìn)的隨機抽樣一致性(RandomS

3、ample Consensus，RANSAC)精匹配的投影參數(shù)擬合，實現(xiàn)了圖像的精準(zhǔn)配準(zhǔn)與拼接。實驗效果表明，該方法不僅提高了算法的效率，也增強了圖像配準(zhǔn)與拼接中的魯棒性。
　　(2)提出了一種簡單有效的基于旋轉(zhuǎn)不變HOG特征圖像拼接算法。HOG特征是一種基于梯度方向統(tǒng)計的特征，梯度方向都是通過直接對應(yīng)像素的梯度得到。然而在待配準(zhǔn)圖像發(fā)生旋轉(zhuǎn)時，僅通過單個梯度方向信息，效果非常不理想。為了解決這一問題，本文首先通過增加描述梯度方向

4、數(shù)目，提出一種旋轉(zhuǎn)不變的HOG特征。本文利用Shi-Tomasi角點檢測算法快速提取角點集合，然后描述角點的旋轉(zhuǎn)不變HOG特征，最后通過點的匹配完成圖像拼接任務(wù)。與同類方法比較，該方法對旋轉(zhuǎn)變化具有更強的魯棒性。
　　(3)經(jīng)典圖像配準(zhǔn)方法都是基于單個關(guān)鍵點的特征信息，基于圖像沒有綜合考慮關(guān)鍵點之間的近鄰信息以及圖像的局部結(jié)構(gòu)。為了彌補這一弱點，本文提出一種有向線段的尺度不變特征轉(zhuǎn)換（Scale-invariant feature

5、 transform，SIFT）的圖像匹配與拼接算法，首先提出一種改進(jìn)的SIFT角點檢測算法，檢測出關(guān)鍵點;其次通過描述關(guān)鍵點之間的等分點的SIFT特征，構(gòu)成特征矩陣，用于描述有向線段;然后通過基于匹配線段的方法，獲取關(guān)鍵點的粗匹配;最后通過改進(jìn)的RANSAC方法獲取點的精匹配完成圖像拼接任務(wù)。實驗結(jié)果表明，在處理圖像發(fā)生扭曲，形變等問題時表現(xiàn)了優(yōu)越的匹配性能，尤其是在待匹配的圖像中發(fā)生了尺度變化時優(yōu)勢更加明顯。
　　(4)針對傳