到目前为止，国内外学者们针对不同的应用领域提出了各种各样的图像拼接方法，它们各有其自身的特点，有优点也存在缺点。文献[3]中提到，目前的图像拼接技术大致可分为两大类:基于区域的图像拼接技术和基于特征的图像拼接技术。60599

(1)基于区域的图像拼接技术就是指将带配准图像中的一块区域与参考图像中的相同大小的一块区域做统计学比较，通过比较相似度获得两张图片间的关系，再进行匹配。这种方法充分利用了图像的信息。包括基于空间的像素匹配算法、基于频域的拼接算法等方法：

早先的基于空间的像素匹配算法是用图像在相邻的、有重叠部分的图像上进行平移，比较两张图像重叠区域各像素的匹配程度，进行所有的可能平移后选择最匹配的一种情况，这种算法的运算量比较大，而且不能解决图像的旋转和尺度缩放的问题。后来又有人提出选取第一幅图像中的一块重叠部分作为模板，在第二幅图像中搜索与之相似的对应部分，计算其相关度，所有部分中相关度最大的部分就是匹配的部分。这种方法虽然在一定程度上减少了运算量，但其仍然很大。随着研究的深入，又有人提出了基于列像素的方法，就是在第一幅图像中选取具有一定间隔的两列，用这两列像素的比值作为模板。这种方法在很大程度上减小了运算量，但是其鲁棒性不强。还有人提出了基于金字塔数据结构的多分辨率匹配，先对图像中领域内的像素点的灰度值取平均得到分辨率低一级的图像，接着再由此原理得到分辨率更低的图像，最终我们得到一组金字塔式的图像，对两张待拼接图像都做了该处理之后，从两图像的某一比较低的分辨率开始进行搜索，直到搜索到一个最优的位置。这种算法与以上几种算法相比搜索速度比较快。以上几种算法的缺点就是不能很好地解决旋转和缩放的问题。

基于频域的拼接算法有基于FFT的相关算法、以傅里叶变换为基础的相位相关算法等。文献[4]使用基于FFT的相关算法，其先对两幅待拼接的图像进行二维离散傅里叶变换与傅里叶反变换，这能够得到空间域的相关函数论文网，最后由空间域的相关函数就能够找出最佳的匹配位置。以傅里叶变换为基础的相位相关算法利用两幅图像离散傅里叶变换后的互功率谱归一化后得到对应互功率谱的相位谱。相位谱能够度量两图之间的相似程度。如果用极坐标的方式表示两幅图像，还能用相同的方法计算出图像间的旋转角度。基于频域的算法能够克服相关性噪声和频率噪声，能够显著地减小几何失真对匹配性能的影响，其计算速度快，对小平移量、旋转及变尺度图像的拼接较为适合，但是在两张图像重叠部分不大的情况下结果较差。

(2)基于特征的图像拼接技术不是利用图像全部的信息，而是利用了图像明显的特征来估计图像间的变换。这些特征包括图像的特征点(角点、关键点等)、轮廓和不变矩等。这种方法具有较高的健壮性与鲁棒性。基于特征的图像拼接技术包括基于轮廓特征的算法、角点检测算法、SIFT尺度不变特征转换算法等方法：

基于轮廓特征的算法指的是先对图像进行轮廓提取，然后对轮廓进行匹配，进而确定重叠位置的算法,文献[5]就采用了这种方法。轮廓提取对图像与LoG算子相卷积，利用卷积后图像在X、Y两个方向上的梯度来计算过零点的边缘强度，然后通过双阈值的方法处理得到图像的轮廓曲线。基于轮廓特征的算法能够改善光照的影响，而且能够解决旋转的问题，但是要求提取出比较精确并且明显的轮廓特征，而提取轮廓特征受到噪声的干扰较大，所以不适用于轮廓特征不明显的和噪声干扰较大的图像。 图像拼接技术国内外研究现状综述:http://www.youerw.com/yanjiu/lunwen_66109.html