由于图像拼接技术要求图像重合比率占总图像的30%到50%,因此我们在拍摄的过程中要注意控制两幅图像的边界重叠,这样才能够方便图像拼接时信息提取的要求[2]。
1.2 国内外现状
图像拼接技术的主要核心技术一个是图像的配准,另外一个则是图像的融合。图像拼接的核心部分是配准,即寻找几幅重叠图像对齐之后的活动情况,这将会直接对图像拼接的成功率和运行速率产生影响。融合是用来解决相邻图像之间出现的颜色或强度不连续性等问题,将经过配准后的图像拼接成一幅无缝图像。其实图像拼接方法的技术已经很成熟了,中国本土和国外都已经对此有了很深入的研究,目前的重点与难点就在于如何去提高精准率、加快处理速度和推广应用范围[3]。
1996年,微软研究院的李察提出一种2D空间八参数投影变换模型,利用L-M算法计算图像间的几何变换参数。通过使用了平移、旋转等一些基本的转变后的图像都能够很自然的拼接起来,并且收敛的效率还较高,逐渐成为了公认的算法来被广泛采用。随后在2000年的时候,国外科学家Shmuel Peleg等通过利用相机自适应的特性加以改进,把得到的图像进行分割,然后再利用多重投影的方法,将图像进行了最后的整合。这就是自适应图像拼接模型的原理。自适应图像拼接模型的提出在一定程度上加快了图像拼接技术发展的脚步,也应次图像拼接领域的焦点发生了相应的转移。
1987年,德卡斯特罗和莫兰迪提出扩展相位相关法,对于有平移和旋转变换的图像,利用傅里叶变换的特性来完成图像的配准。由于快速傅里叶变换算法被提出和该变换不断的在信号领域的运用实践后,Reddy与Chatterji猜想是否可以根据该变换,将经过了平移甚至旋转等一系列的变换后的图像通过极坐标变换与互功率谱都实现精确的配准[4]。
图像拼接技术在医学领域、远程图像处理、数字信号的管理控制等范畴有着普遍的应用。在医学领域,图像拼接技术能够提高病理学检查的准确性。例如远程会诊不仅为远程终端展现了医院的现场,甚至可以呈现出病理切片的高清图。遥感图像的拼接也应用广泛,据统计,需要用到遥感技术的领域有将近三十个,比如天气预报也是通过多个卫星云图的图像拼接完成的。现在所提及的智能交通其原理也是一样,通过将某个城市各个地段的图像加以拼接来得到一个完整的交通图,这样我们既可以很快捷的指挥交通,使上班高峰期以及特殊天气时候交通畅通无阻,其核心技术必须依赖于图像拼接[7]。
配准算法在近几十年间得到了很大的改进和发展,然而由于诸多问题,尤其是拍摄的状况多样化,至今尚未出现可以适用于所有图像或者广泛推广的算法。现有的方法各有优缺点,若能综合利用这些方法的优点则会取得更好的结果。源'自:优尔-'论.文'网"]www.youerw.com
1.3 本文的工作和结构
根据图像配准方法的不同,通常可以概括为两种:一个是范围性检测配准,另一个则是根据特征点进行配准。基于区域范围检测的配准原理是用某种技术来确定某幅图像的像素在另外一幅待匹配的图像中所对应的具体位置。该方法实现简单,但计算量大,实用性不高。基于特征点检测的配准原理是提取出图像中保持不变的公共特征进行准确计算然后加以匹配。该方法能很好的解决配准时产生的歧义性是因为图像的特征点与灰度级无关。在各类特征点里,由于角点有着旋转不变性的特性,在图像配准中应用较为广泛[5]。
本文首先介绍了角点的检测模型和提取以及应如何建立图像之间角点的对应关系,继而阐述了在这个基础上面一系列的图像处理的过程,最后介绍了图像融合的常用方法并进行总结。