第一章 绪论
1.1 研究背景与意义
20 世纪后期，图像拼接最先被应用到了军事领域的遥感技术中。由于相机的视野有限，搭载相机的无人机一次只能拍摄有限的区域。为了获取完整的区域信息，我们需要将多张具有重合区域的图像进行无缝拼接。到 21 世纪初期，民用市场出现嵌入了图像拼接技术的设备。这也标志着图像拼接技术由最初的军用扩展到民用，不仅仅在专业的领域得到了应用，也渗透到实际生产、生活中。该技术经过长达 20 多年的发展，其流程可大致固定为预处理、配准和融合三个模块。其中图像配准是该项技术的关键环节，匹配的精确性直接关系到拼接效果。
目前，该项技术由高精尖的专业领域走向我们的日常生活，例如全景地图，车辆检测等方面的应用。对图像拼接算法的研究有着重大的社会意义。
..................................
1.2 国内外研究现状
1996 年，Riehadr Szeliski 提出的一种基于运动的图像拼接模型[3]，对于图像拼接算法的研究具有重要的意义。针对该模型不具有自适应性的问题，2000 年，Shmuel Peleg 提出了一种自主选择模型的算法[4]，促进了图像拼接技术的发展。2003 年 Brown 采用基于不变局部特征的目标识别技术来选择匹配图像[5]，最终实现了全景图像的自动拼接。经实验验证，该算法能够有效应对相机变焦，曝光变化等对图像造成的影响。
2004 年，David G.Lowe 提出了尺度不变特征变换(SIFT：Scale InvariantFeature Transform)算法[6]。经实验验证，该算法对图像旋转、缩放等情况具有很强的抗鲁棒性。2006 年，Bay 等人首次提出了 SURF（Speeded Up Robust Feature）算法[7]。该算法的灵感来源于 SIFT 算法，但是图像匹配速度明显提高，在不同的图像变换中比 SIFT 算法有更强的鲁棒性。2010 年，Calonder 等人提出了一种将二进制字符串应用于图像特征点描述的算法[8]（BRIEF：Binary RobustIndenpendent Elementary Features）。描述符间的相似性通过汉明距离进行测量，提高了特征点匹配的速度。2011 年，Rublee 等人将 FAST（Features from acceleratedsegment test）关键点检测器和 BRIEF 描述符相结合[9]，提出了一种快速图像配准算法（ORB）。该算法是 SIFT 和 SURF 的一种高效替代算法，在速度上的优势使其适用于一些对实时性要求非常严格的场合。同年，Gao 等人介绍一种对齐过程中使用两个单应性矩阵产生无缝图像的拼接算法[10]。该算法成功消除了对准伪影。Lin 等针对之前图像拼接算法采用同型等参变换只对平面场景产生正确感知的合成的问题，提出了放射拼接场的解决方案[11]。实现了从相同物理位置拍摄的源图像的拼接。
..........................
第二章 图像拼接基本理论
2.1 图像预处理
受一些无法避免的客观因素影响，我们所获取的图像不能满足进行图像配准的图像质量要求。这种情况下直接进行图像配准会影像配准的速度和最终的拼接效果。这些客观因素包括：采集设备自身的缺陷导致的在采集过程中图像受到的干扰；采集地环境的变化导致采集图像在亮度，视角等方面的差异变化；采集设备持有者在采集过程中发生身体的抖动等人为因素造成对原始图像的影响；以及图像在读取，扫描，传输的过程中受到的噪音影响等。
对图像采取有针对性的预处理操作，能够有效地提高后续步骤的执行效率和保证拼接效果。图像预处理需要基于成像原理，先建立起一个可行的数学模型，最终形成一个与其相对应的算法策略。常见的图像预处理操作有：图像平滑处理，图像边缘锐化，图像相位相关，图像去噪，图像增强，图像投影等。
............................
2.2 图像配准相关研究
2.2.1图像配准步骤
本文所完成的图像拼接算法采用基于图像特征信息的配准技术。下面依据基于特征的图像配准流程对相关的特征检测，特征匹配，变换模型等理论进行介绍，呈现其算法原理。
1 特征点检测
图像的特征点检测是该项技术的第一步。在此介绍尺度不变特征检测（SIFT）和加速鲁棒特征检测（SURF）两种算法。
（1）SIFT 特征检测
SIFT 算法是一种高精度的特征点检测算法。运用此算法检测出的特征点包含尺度，灰度和方向信息，具有很高的鲁棒性。SIFT 算法的特征点检测需要在图像的尺度空间上进行[33,34,35,36]，而该尺度空间是有图像和高斯函数卷积生成的。高斯函数的定义为：
...............................
3.1 ORB 图像拼接算法概述........................20
3.2 ORB 图像拼接算法改进...............................21
第四章 实验与分析.................................. 34
4.1 图像拼接实验流程.......................................34
4.2 实验环境............................35
第五章 总结和展望................................... 54
5.1 总结............................... 54
5.2 展望..................................... 54
第四章 实验与分析
4.1 图像拼接实验流程
首先对输入的两幅待拼接图像用改进的特征点检测方法做特征点的提取，获得特征点集合 a 和特征点集合 b；然后对基于汉明距离特征点集粗匹配结果采用改进的 RANSAC 算法进行最佳变换模型矩阵的求取；最后用改进渐入渐出的融合策略进行图像的融合。
.................................
第五章 总结和展望
5.1 总结
论文开篇交代了图像拼接在近些年来的国内外相关发展情况，以及所取得的丰硕成果。随后在第二章从图像拼接的三大步骤顺序介绍了相关的理论知识，其中重点介绍了图像配准特征检测环节的两种检测算法和图像融合的方法。随后在第三章阐述了基于 ORB 图像拼接算法的实现过程，并针对原算法存在的不足提出本文的三个贡献点。1）针对 ORB 算法对图像尺度变化不具有鲁棒性的问题，通过海森行列式在图像金字塔的不同层上进行特征点的提取，有效地提高了在尺度变化情况下正确特征匹配点对的数量。2）采用分区采样的方法和候选模型策略求取最佳数据模型。避免了不可靠采样点的影响，提高了配准精度。3）针对重合区域较多或亮度差异较大的两幅图像进行融合时，容易出现叠影和重合区域图像不清晰的现象，本文通过对加权后像素灰度值进行第二次选择的方法进行融合，提高图像的融合质量。在第四章设置 4 个实验对本文提出基于改进 ORB 的图像拼接算法进行测试，并分析实验结果。最后一个章节对论文内容和研究过程进行总结，并对图像拼接技术的应用前景和基于论文的不足制定的下一步研究方向进行展望。
参考文献（略）