全景图像拼接技术是一种集计算机视觉、图像处理和计算机图形学等多个学科、多领域广泛应用的交叉处理技术,主要用于获取全视角图像。是近年来图像处理技术领域的的研究热点,在医学微创手术、地质勘测、航空航天、军事侦查等多个领域发挥着重要作用。其应用前景十分广泛,深入研究全景图像拼接技术具有重要的实际意义与工程应用前景。本文针对基于特征的全景图像拼接技术的理论与方法,分析传统算法所存在的问题。并针对预处理、特征提取与匹配、图像融合、拼接图像质量优化等问题,深入研究与剖析理论和具体实现算法,提出改进方案、引入BRAND特征描述子、基于ORB的特征匹配、网格特征匹配算法等新算法、新技术,寻求最优解决方案,提高全景图像拼接的算法效率及运行效率。(1)在图像预处理过程中,针对图像亮度不均匀、图像动态范围大,阴暗部分图像特征信息提取难度大等问题,提出基于最优区域选择和颜色恒常性的图像信息校正算法(OCCA算法),恢复光照度不均及颜色不均图像特征信息。将图像划分若干区域,并利用不同尺度的离散小波变换求取小波系数,用以估计该分块区域上不同尺度的光照估计值。选取误差最小的估计光照值作为该图像区域的光照估计值,从而估计出各个图像区域的光照值。选择有效分块区域,并将其估计光照值作为整幅图像的估计光照值,使用对角模型进行图像颜色校正。(2)在图像配准中,针对传统方法图像特征点提取数量巨大导致的提取速度慢、精度差等问题,提出BRAND(Binary Robust Appearance and Normal Descriptor)描述子以及改进的ORB(Oriented Brief)特征提取两种新型特征点提取方法,利用二进制字符描述子,提取出的特征点具有尺度不变性、旋转不变性,并能结合特征点的几何信息进行特征提取,降低对噪声的敏感度。有效改善图像特征的提取速度慢的缺点,稳定性好。并提出基于尺度的聚类分析方法过滤误匹配特征点,以及基于Delaunay网格特征匹配算法,该方法有别于传统的只考虑点对之间几何相关性进行点对匹配的方法,构建全局匹配对,剔除错误匹配点。经实验验证,本文算法不仅对平移、缩放、旋转、仿射等图像变换具有鲁棒性,且匹配的准确度提高约30%。(3)在图像融合中,针对拼接过程中出现得亮度、颜色不均、出现鬼影现象以及拼接缝等问题,本文提出改进的最佳拼接线寻优方法,即基于能量谱技术和基于图割算法的拼接线寻优方法,改善拼接过程中运动物体“残缺”、“重影等问题。采用Levenberg-Marquardt(L-M)算法对图像进行捆绑调整,在研究经典的拼接线寻优方法的基础上,重点介绍两种改进的最佳拼接线寻优策略,同时利用改进的泊松融合技术对合成图像进行平滑过渡,消除拼接缝和亮度差异等。与商业软件A(?)oStitch、Panorama Maker等实验对比表明:本文算法在大场景、照度不均匀等状态下取了良好的拼接融合效果,在宽基线的静态场景中效果较好。(4)针对全景图像拼接过程中累计误差对拼接图像质量影响严重的问题,本文提出全景拼接图像的视觉质量检测与优化技术以及基于全局优化的图像修补技术。尽管本文提出的改进全景图像拼接算法,已经最大限度减少图像拼接过程所产生的图像质量损失、图像信息缺失、光亮度不均匀、鬼影及拼接缝隙等问题,但仍存有一定的图像信息一致性不够、拼接处物体缺失或不完整、出现冗余物体等视觉质量问题。通过研究几种图像质量参数来检测全景拼接图像,并利用线图优化算法对全景拼接图像进行补偿优化。采用基于像素融合的缝隙填充技术,进行图像缺失像素修补,进一步校正全景拼接图像的畸变。并通过合理构建马尔科夫随机场、定义标号集以及设置能耗函数等方法,对全景拼接图像进行基于全局优化的时空修补,增强了图像修补的(?)棒性。经过试验验证和分析,本文提出的全景图像拼接关键技术具有良好的精确性和有效性。同时,本文还通过算法的对比实验,验证了本文提出的全景图像拼接技术比传统拼接技术在时间、效果和质量上具备的明显优势。