图像拼接是图像合成的一种技术,多幅图像重投影到一个共同表面上配准后,再对所有相邻图像进行融合,最终生成一幅全景图。传统的配准是通过SIFT特征检测和匹配来寻找对应场景中同一点的像素点,然后估计特征点对之间的变换关系。考虑到SIFT特征点大多出现在梯度值较大的区域且图像变换矩阵估计时排除了大量外点,本文提出在图像上梯度值较大的区域计算SIFT特征来提高运算速度。梯度值的阈值根据图像上保留的像素点数与梯度值下限共同决定。两幅图像特征点对之间的变换关系通常用一个单应性矩阵表示。单应性矩阵模型只适用于平面场景或没有平移只有旋转运动的视点变化,整幅图像使用同一个变换矩阵。本文充分考虑图像不同区域变换关系的区别,采用了多单应性矩阵进行变换。本文多次使用条件严格的RANSAC算法,每次使用时将上一次得到的内点去除,最终将特征点分为几部分内点,然后对每部分内点计算一个单应性矩阵。因为图像上相距较近的区域变换矩阵相似,所以将图像分成矩形块后,每块的变换矩阵取离自己最近的内点所对应的单应性矩阵。将源像素点重投影到合成表面之后,还需要决定它们怎么融合在一起以拼成漂亮的全景图。本文采用动态规划寻找最佳拼接线进行融合。对于接缝处出现的结构错位,本文对相邻图像同一拼接线上的像素点基于局部能量进行匹配,然后计算匹配上的点的形变矢量,再以泊松融合的方式计算重叠部分其他像素点的偏移量,最后进行内容相关的变形矫正,使错位的结构对齐。