图像拼接作为图像处理和模式识别领域中的一个基本技术,在计算机视觉、航空遥感、图像配准、重构高分辨率图像和医学图像处理等方面都有着广泛地应用。随着科学技术的发展,人们对图像拼接的准确性、高效性和普遍性都提出了更高的要求。本文围绕图像拼接的三个核心环节开展深入研究,并提出了相应的创新性算法。论文主要研究内容包括以下几个方面:(1)深入研究与讨论图像拼接技术及基本理论,阐述图像拼接的整体算法流程。通过对常见图像拼接算法的探索与比较,提出采用基于加速鲁棒特征(Speeded Up Robust Features,SURF)的图像配准算法进行图像拼接,并使用加权平均法进行图像融合。(2)针对在恶劣照明场景下基于特征的图像拼接中特征匹配准确度低的问题,提出基于伪高动态范围(Pseudo High Dynamic Range,P-HDR)的图像增强算法作为图像拼接预处理方法。该算法根据虚拟曝光值和比例函数生成多重虚拟照明量,进一步将多重虚拟照明量乘以反射量生成多重虚拟亮度图像;最后通过对多重虚拟亮度图像进行色调映射获得增强图像。所提图像增强算法可以明显增强图像边缘、角落和改善对比度,有效抑制图像噪声,检测到更多特征点,提高了图像特征匹配准确度。(3)针对图像配准中粗匹配算法的不足和随机抽样一致性(Random Sample Consensus,RANSAC)算法提纯得到的特征点对数量少的问题,提出基于SURF的加权约束欧式距离优化策略和三角约束优化策略。加权约束欧式距离优化策略可剔除粗匹配特征点对中大量的错误特征点对,提高几何变换模型的精度和图像配准算法的效率;基于Delaunay三角剖分的优化策略将图像中分布匹配特征点的区域划分成多个三角形区域,再对三角形内的特征点采用对应关系进行匹配。即选用这种方式可有效地增加匹配特征点对的数量,从而提高图像配准算法的精度。本文以恶劣照明场景下的图像作为实验数据进行图像增强和图像拼接实验,并采用标准测试图像验证本文提出的优化策略的有效性和实用性。