图像拼接(image mosaic)技术是将一组相互间存在重叠部分的图像序列进行空间配准,
经重采样融合后形成一幅包含各图像序列信息的宽视角场景的、完整的、高清晰的新图像的
技术。图像拼接是数字图像处理领域的一个重要的研究方向,在摄影测量学、计算机视觉、
遥感图像分析、计算机图形等领域有着广泛的应用价值。
图像拼接技术一个日益流行的研究领域,是虚拟现实、计算机视觉、计算机图形学和图
像处理等领域的重要研究课题,在宇宙空间探测、海底勘测、医学、气象、地质勘测、军事、
视频压缩和传输、视频的索引和检索、物体的3D 重建、军事侦察和公安取证、数码相机的
超分辨率处理等领域都有广泛的应用。因此,图像拼接技术的研究具有很好的应用前景和实
际应用价值。
关于图像拼接的方法国内外已有不少的论文发表,其算法大致可分为基于模型的方法,
基于变换域的方法,基于灰度相关的方法和基于特征的方法,而如何提高图像拼接的效率,
减少处理时间和增强拼接系统的适应性一直是研究的重点。
1996 年,微软研究院的 Richard Szeliski 提出了一种 2D 空间八参数投影变换模型,采
用 Levenberg-Marquardt 迭代非线性最小化方法(简称L-M 算法)求出图像间的几何变换参
数来进行图像配准。这种方法在处理具有平移、旋转、仿射等多种变换的待拼接图像方面效
果好,收敛速度快,因此成为图像拼接领域的经典算法,但是计算量大,拼接效果不稳定。
2000 年,Shmuel Peleg 等人在 Richard Szeliski 的基础上做了进一步的改进,提出了自
适应图像拼接模型,根据相机的不同运动而自适应选择拼接模型,通过把图像分成狭条进行
多重投影来完成图像的拼接。这一研究成果推动了图像拼接技术的进一步的发展,从此自适
应问题成为图像拼接领域新的研究热点。
匹兹堡大学的 Sevket Gumustekin 对消除在固定点旋转摄像机拍摄自然景物时形成的透
视变形和全景图像的拼接进行了研究。通过标定摄像机来建立成像模型,根据成像模型将捕
获到的图像投影到同一的高斯球面上,从而得到拼接图像。这种方法拼接效果好、可靠性高,
但是要求对摄像机进行精确的标定,同时要求摄像机透镜本身的畸形参数引起的图像变形可
以忽略不计。
1975 年,Kuglin 和 Hines 提出了相位相关法,利用傅里叶变换将两幅带配准的图像变
换频域,然后利用互功率谱直接计算出两幅图像间的平移矢量。
1987 年,De Castro 和 Morandi 提出了扩展相位相关法,利用傅里叶变换的性质能够实
现具有旋转和平移变换的图像的配准。随着快速傅里叶变换算法的提出以及信号处理领域对
傅里叶变换的成熟应用,Reddy 和 Chatterji 提出了基于快速傅里叶变换(FFT-based)的方
法,利用极坐标变换和互功率谱,对具有平移、旋转和缩放变换的图像都能够实现精确配准。
相位相关法计算简单精准,但要求待配准图像之间有较大重叠比例,同时计算量和适用