2  图像拼接方法分类

参考国内外的文献资料，图像配准主要有三种方法：基于区域的方法（灰度相似）、基于特征和基于频域的方法（相位相关度法）。

基于区域的方法利用的是灰度相似原理，通过对比图像之间的亮度差异，将这种差异最小化来寻找最佳匹配点。这种方法简单直接，而且一般按此方法运行足够长的时间就可以得到理想的拼接图像。目前可以将大多数配准算法都归为此类，其中较为经典的有变换优化法、比值匹配法、块匹配法和网格匹配法。

基于特征的方法采取局部对应和抽取图像之间的对应特征点的方法进行匹配，例如SUSAN角点算法和Harris角点算法。该方法先从两幅图像中提出特征集，特征集主要由灰度变化明显的点、线、块等组成[17]，再运用特征匹配算法选出相互对应的特征对[18][19]。此类方法运行速率快，工作量小，并且对于图像的噪声、畸变、遮挡等有一定的鲁棒性，可是由于不一定能够找到合适的图像特征，最后的结果也可能只是局部最优解。

基于频域的方法主要有相位相关度法，其基本原理大致为先通过傅立叶变换将两幅待配准图像变换到频域，再利用互功率谱的中的相位信息得出两幅图像间的平移矢量，如此实现图像的配准。该方法拥有一定的鲁棒性和较高的配准精度，因此是目前使用最多的图像配准算法之一。