图像拼接技术就是把拍摄得到的图像序列合成一幅大图像,使其能够很好地满足人们在日常生活、工作、学习中对宽视野图像的需求。其实质就是利用待拼接图像间的空间变换关系,将待拼接图像进行配准,之后再把待拼接图像映射到同一坐标系下,进而形成一幅宽视野的图像。图像配准是图像拼接技术的核心。配准方法可分为三类:利用图像灰度信息进行配准、利用图像变换域进行配准、利用图像特征点进行配准。利用图像特征点进行配准的方法有如下优点:1、特征点的提取过程可以减少噪声的影响,对图像遮挡、光照变化等都有较好的鲁棒性。2、特征点的数量要比图像像素点的数量少得多,利用特征点进行匹配可以降低配准过程的计算量。3、特征点的匹配度量值受畸变的影响较小,进而可以提高配准的精度。因此,本文将利用图像特征点的配准方法来实现图像的配准。SIFT(Scale-Invariant Feature Transform)特征在图像的众多特征中具有良好的性质,其不仅对方向不敏感,而且对旋转、尺缩等变换都具有较强的鲁棒性。但由于SIFT算法提取的关键点存在很大的冗余性,特征点分布随机,导致计算量较大,运行效率较低。而SURF(Speeded-up Robust Features)算法改进了SIFT特征的检测和描述方式,它通过使用积分图像和盒子滤波器使得运算效率更高、速度更快。所以本文将利用图像的SURF特征来实现待拼接图像的配准。由于图像配准时仅仅考虑的是两两图像间的空间变换关系,没有考虑待拼接图像间的全局信息。若将配准的待拼接图像直接映射到同一坐标系下,则会导致拼接后的宽视野图像出现波形现象。因此,需要对配准后的待拼接图像进行全局修正,使其尽可能地位于同一水平线上。此外,若对配准后待拼接图像直接进行映射,得到的宽视野图像的两侧可能有较大的畸变。为了消除这些畸变,需要对待拼接图像建立映射模型。本文将介绍三种映射模型,分别是:平面映射、柱面映射和球面映射。之后再经过拼接缝查找、光照补偿、图像融合等步骤,便可得到较高质量的宽视野图像。本文实现了对具有旋转运动、仰角变化、俯角变化、尺度变化等的图像序列的拼接,得到宽视野图像。并且能够矫正宽视野图像中的物体,使其尽量保持真实状态。此外,还能有效地对宽视野图像四周的畸变进行消除,得到的最终宽视野图像更加符合人类的视觉一致性。