1、在很多情況下，我們所拍攝出的照片，都會(huì)因?yàn)楹芏嘞拗埔蛩?，從而?dǎo)致所拍攝出的圖像并不是我們理想中的樣子。這些限制因素包括:僅僅是局部照射的光源，拍照環(huán)境中的背景顏色與所拍攝的圖像的顏色相同或者類似，所使用的相機(jī)的像素不夠高，以及我們拍攝的角度不適合等等。這些因素也許會(huì)造成我們拍攝的圖像存在局部區(qū)域極暗或者極亮，極暗的區(qū)域?qū)τ谔崛√卣鼽c(diǎn)來(lái)說(shuō)是非常困難的，因?yàn)樵摬糠值膱D像一般來(lái)說(shuō)，信噪比非常的低，有效的特征點(diǎn)也將很難被檢測(cè)出來(lái)。由此，更會(huì)造成

2、特征點(diǎn)匹配時(shí)會(huì)出現(xiàn)大量的誤匹配對(duì)，對(duì)于去除誤匹配也會(huì)消耗掉大量的時(shí)間。
　　這些問(wèn)題都是我們所需要解決的。在本文中，首先使用了雙邊濾波與retinex方法相結(jié)合，主要對(duì)極暗區(qū)域中的圖像進(jìn)行圖像增強(qiáng)，然后，利用gamma函數(shù)對(duì)增強(qiáng)后的圖像進(jìn)行校正，從而改善圖像的清晰度，增加分辨率的同時(shí)，提高了信噪比。此外，能夠提取出來(lái)的特征點(diǎn)數(shù)目也明顯增加。在待拼接圖像進(jìn)行增強(qiáng)之后，通過(guò)SURF算法對(duì)特征點(diǎn)進(jìn)行提取和構(gòu)建特征點(diǎn)描述符，然后通過(guò)K-D

3、樹(shù)搜索最近鄰與次近鄰特征點(diǎn)，這一步驟主要是為了后續(xù)的通過(guò)最近鄰距離比次近鄰距離的匹配方法來(lái)找到相應(yīng)的特征點(diǎn)，構(gòu)成匹配對(duì)。通過(guò)最近距離比次近距離的匹配方法能夠快速有效的找到匹配點(diǎn)，大大降低了誤匹配率，提高了匹配效率。而后，使用本文提出的改進(jìn)的隨機(jī)采樣一致法(RANSAC)去除錯(cuò)誤的匹配點(diǎn)對(duì)，通過(guò)與傳統(tǒng)的隨機(jī)采樣一致法進(jìn)行對(duì)比，可以看出，改進(jìn)的RANSAC算法在能夠很好地去除錯(cuò)誤匹配對(duì)的同時(shí)，大大降低了消除錯(cuò)誤匹配對(duì)的時(shí)間。最后，采用加權(quán)平