近几十年来，由于大规模集成电路技术和计算机技术的迅猛发展、离散数学理论的创立和完善，数字图像处理技术正逐渐成为其他科学技术领域中不可缺少的一项重要工具。数字图像处理(DigitalImageProcessing)是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。而我此次所要研究的是其中的图像拼接技术。其中图像拼接(image mosaic)是一个日益流行的研究领域，他已经成为照相绘图学、计算机视觉、图像处理和计算机图形学研究中的热点，并且在虚拟场景的构建、遥感、医学图像、地质勘测、航空航天、视频会议、军事领域等广泛应用。图像拼接解决的问题一般式，通过对齐一系列空间重叠的图像，构成一个无缝的、高清晰的图像，它具有比单个图像更高的分辨率和更大的视野。

全景拼接侦察系统在国外已经有了较早的研究，早在1992年，剑桥大学的L.G.Brown就对图像拼接的核心技术进行总结，1996年微软研究院的Richard Szeliski提出基于运动的全景拼接模型。Szeliski后来又相继发表了若干这方面论文，2000年Shmuel Peleg提出改进方法，根据相机的运动方式自适应选择拼接模型，2003年M.Brown发表了SIFT特征进行图像拼接的方法，但计算量很大，2007年Seong Jong Ha提出移动相机系统的全景拼接方法，不仅保证效果，而且运算速度也不错。

伴随着国外图像拼接技术的研究发展,国内的一些学者也对这一领域展开了 深入的研究。早在1997年，就有王小睿等一批学者在研究了前人的一些成果后，提出了一种新的图像配准的方法，因为这种算法精度比较高，能够实现自动配准，所以这种方法多使用于高精度配准要求的图像拼接。在2002年，杜威、李华两人，提出了一种全新的思想,就是将图像拼接用于构造动态场景，这使得图像拼接技术得以在虚拟现实中得到进一步的发展应用。2007年,夏妍妍、尹丽华和安居白提出了基于特征点匹配的图像拼接方法。2010年4月,武汉理工大学的李庆、李芬等人提出了基于SURF特征配准的pcb图像拼接算法,在拼接过程中引人SURF配准来完成pcb图像融合,实现了pcb局部小图像间的无缝拼接，成像质量较高。
图像拼接中的关键技术图像配准算法经过几十年的发展已经取得了很大的进展，但由于拍摄环境复杂多变,现在还没有一种算法能够解决所有图像的匹配问题。现在的几种方法各有其优缺点，如果能综合利用这些方法的优点将会取得更好的匹配结果。同时对于简单的灰度图像，其拼接效果较好，但是对于彩色图像，拼接缝很明显。怎么较好的消除拼接缝还有待进一步深入研究。

综上所述，可知深入学习和研究图像拼接领域，改良现有算法，得到更清晰的拼接图具有非常重要的意义。

2. 研究的基本内容与方案

基本内容：学习和研究数字图像处理、数字视频处理原理和方法。重点研究室外场景图像拼接算法，在Visual Studio 2010或Matlab或Python环境下实现，得出结果，并对结果进行比较分析，再撰写相关报告。

目标：在细致认真地学习图像预处理、图像配准、图像融合等相关原理方法，查阅研究相关论文资料后，自己尝试研究出一种可行地、高效的算法并在相应的环境下实现室外场景图像拼接，关键是拼接完成后的图像是否有效地消除了拼接痕迹，是否足够平滑，是否保持了较高分辨率。在这个过程中要认真考量哪种方法能够合适地，高效地，能保持高分辨率地完成图像拼接。

拟采用的技术方案及措施：室外场景图像的拼接步骤大致可分为三部分:图像预处理，图像配准，图像融合。一般来说以上三个步骤可以细化为:①预处理一gt;②特征点搜索一gt;③特征点筛选一gt;④两幅图像中的特征点配对一gt;⑤根据配对点找到不同图片之间的映射变换关系一gt;⑥图形融合。采用的相关技术方法有图像的仿射变换（进行图像复原）、图像的特征点提取、图像配准、加权平均融合等来达到图像拼接的目的。

[1] 马孝贺.多幅图像的高分辨率无缝快速拼接方法[J]. 微电子学与计算机，2018，35（9）：118-120.