在图像拼接技术的研究中，两个起到关键作用的流程分别为图像配准跟图像融合。图像配准的主要工作是寻待拼接两幅图像之间的运动情况，这是图像拼接的重点。图像融合的目的是为了将两幅待拼接图像拼接到一块后，消除由于获取照片时由于种种原因导致光照不同以及图像颜色不连续等等原因造成拼接后图像出现断层等现象，最终得到一幅完整的无缝的拼接图像。27264
国外学者的对于图像拼接技术的研究获得了非常多的成果。早在 1992 年，来自剑桥大学的一位教授， Lisa Gottesfeld Brown 总结了当时在各个领域中出现的寄出的图像配准技术理论。1996 年，来自微软研究院的一位科学家，Richard Szeliski 提出了一种新的全景图像拼接技术，这是一种基于运动的拼接技术，这是一个在2D 空间内的八参数投影变换模型，这种模型中，图像间的几何变换参数是通过迭代非线性最小化的方法来找出的，在此基础上再对图像进行配准[1]。这是一种在早期图像拼接领域中出现的的经典算法，因为它在对经过几种几何变换（平移、旋转、仿射等）处理后的待拼接图像，得到的全景图像，一般都可以取得好的拼接效果[2]。之后几年，Shmuel Peleg 和 Alhichri 等多位科学家总结了 Richard Szeliski 的结果，并在此基础上作了进一步改进。2003 年，一篇由M.Brown教授发表的名为 Recognising Panoramas 的文章，随着这篇文章的发表，再一次掀起了图像拼接技术研究的热潮。他提出了一种新的算法，这种算法是通过基于尺度不变特征技术的 SIFT 算法的基础上来提取特征点，并在此基础上再进行图像配准，该算法能够自动完成并且效果非常好[3]。在这之后，科学界在基于改进SIFT技术上得到了很多的研究成果。论文网
伴随着国外图像拼接技术的研究发展，国内的一些学者也对这一领域展开了深入的研究。早在1997年，就有王小睿等一批学者在研究了前人的一些成果后，提出了一种新的图像配准的方法，因为这种算法精度比较高，能够实现自动配准，所以这种方法多使用于高精度配准要求的图像拼接。在这种方法中为了达到建立模板图像和输入图像间的相似度量值的目的，是通过序贯相似度检测相似度量方法以及归一化相关相似度量方法，接着再利用模拟退火算法，随机进行迅速而准确的匹配[4]。但是，这种方法并不具有全自动配准的能力，只是一种半自动的图像配准技术。在1998年，张祖勋等人提出一种快速匹配方法，当需要对来自不同传感器或空间不同分辨率的图像进行快速配准时，这种算法能够体现出其他算法难以比拟的优势。所以这种方法也被叫作多级影像概率松弛整体匹配技术。其后，华中科技大学的老师提出另外一种方法，这是在分析参考图像之间的关系的基础上创建数学模型，然后再利用相关法来判定提取特征点，最后进行图像拼接形成大图像的一种拼接算法。在2002年，杜威、李华两人，提出了一种全新的思想，就是将图像拼接用于构造动态场景，这使得图像拼接技术得以在虚拟现实中得到进一步的发展应用[5]。 图像拼接技术国内外研究现状:http://www.youerw.com/yanjiu/lunwen_21717.html