图像拼接是数字图像处理与计算机视觉领域的研究热点,主要是将多幅相互间存在重叠区域的同一场景的图像进行拼接,从而得到一幅高质量的全景图。本文研究基于SIFT特征的全景图像拼接理论和方法,主要以提高拼接质量为研究重点。拼接过程中,为了消除误匹配点对变换模型的影响,对拼接过程中变换模型的参数进行优化,提高了图像配准的精度。同时,采用自适应的多分辨率融合和最优拼接缝相结合的方法消除拼接缝及光照不均造成的过渡不连续现象,从而获得高质量的无缝拼接全景图。本文主要研究工作包括:1.变换模型的精确度决定了图像拼接的质量,为了消除误匹配点对变换模型的影响,本文采用了具有抗差能力的IGG函数来优化变换模型参数,剔除了误匹配对变换矩阵参数计算的影响,提高了变换矩阵准确度。2.本文对曝光不均等差异造成的拼接缝及过渡不连续进行研究,采用多分辨率图像融合技术能有效消除。传统多分辨率融合算法对分解后的图像直接进行融合,计算量大,实时性不高,本文采用自适应区域进行图像融合,提高了融合效率,实现了无缝拼接,获得高质量的无缝拼接全景图。3.传统的图像融合算法只对重叠区域进行融合,能保证图像的平滑过渡,但由于图像序列光照强度变化过大,只对重叠区域进行融合,会导致重叠区域与其他区域亮度差异较大,因此,本文采用对整幅拼接图像亮度调整的方法,使整幅图像的亮度趋于一致。4.本文设计并实现了全景图像快速拼接系统,提取图像的SIFT特征点,利用基于KD-tree结构的BBF算法进行配准,并用改进的LM算法对参数模型进行优化,得到带有拼接缝的结果图。本文采用多分辨率图像融合算法和拼接缝相结合的方法进行图像融合,最终实现对多幅图像进行拼接以及消除拼接缝,得到高质量的全景图。最后,对本文研究工作进行总结,指出后续图像拼接研究方向。