1. 研究目的与意义（文献综述）
近年来，伴随着计算机技术的快速发展，图像拼接技术发展越来越广泛和深入，对具有较大视域全景图像的需求也越来越迫切。图像拼接技术短短几年得到了快速发展，受到研究者越来越多的关注。目前全景图像已经成为计算机仿真及视觉模拟、图像处理、虚拟现实的重要组成部分，在地质勘测、军事侦查、医学微创手术、航空航天等多个领域发挥着重要作用。
1965年虚拟现实之父ivan sutherland发表了一篇名为“终极的显示”的论文，描述的就是我们现在熟悉的“虚拟现实”，随后20多年里科学家相继提出了相位相关法、扩展相位相关法、基于快速傅里叶变换法。全景图像拼接技术奠基人之称的 richard szeliski教授在 1996 年设计了基于运动的全景图像拼接模型。该模型采用levenberg-m arquardt迭代非线性最小化方法。2003 年，shmule peleg与benny rousso等人提出了自适应全景图像融合算法，为图像拼接的研究开辟了新的领域，大大推动了全景图像拼接技术的发展。m.brown和d.g.1owe 发表了recognizing panoramas 文章，提出了基于尺度不变特征的图像拼接技术，该算法完全自动完成，并采用了多分辨率对图像进行融合，收到了理想的效果。2010 年 7 月，jungpil shin 提出了基于能量谱的技术消除拼接后图像的重影。
随着国外图像拼接技术研究的兴起，国内学界对其研究也逐渐得到发展1997年，王小睿等人提出了一种自动图像配准方法1998年，张祖勋等提出多级影像概率松弛整体匹配技术。2008 年，郭红玉等人针对误匹配导致估计结果恶化的问题，提出了一种坐标归一化后基于 ransac 的基本矩阵估计方法。2009 年，刘美莹、汶德胜和曹红杏提出了一种基于角点特征的图像 自动拼接方法 ，分析了harris算子的实现原理及其不足，提出了一种改进 harris角点检测算法提取图像 的特征点，提高了角点的定位精度，增强了算法抗噪性能，还减少了计算量。
2. 研究的基本内容与方案
本次毕业设计拟采用的技术方案如下图所示，使用matlab工具将图像a、图像b分别进行预处理和特征检测，然后将两个图像进行融合得到目标图像。
对图像采取有针对性的预处理操作，能够有效地提高后续步骤的执行效率和保证拼接效果。图像预处理需要基于成像原理，先建立起一个可行的数学模型,最终形成一个与其相对应的算法策略。毕业设计用到的图像预处理操作有：图像边缘锐化，图像去噪，图像增强。基于特征信息的配准是基于图像中的某种特征来完成图像配准，这些特征包括边缘轮廓，封闭区域，离散的点等。此类算法的实现过程包括特征检测，特征描述和特征匹配三个环节。
由于其能够在不同条件下稳定地提取特征完成匹配。它成为当下最流行的配准技术。特征点检测图像的特征点检测是该项技术的第一步。毕业设计用到了尺度不变特征检测（sift）
3. 研究计划与安排
第1周-第3周 开题报告
第4周 完成图像预处理，先将两个图像进行边缘锐化，图像去噪，图像增强，便于后面特征点选择。
第5周-第8周 完成特征匹配，主要工作为sift特征检测，特征匹配，图像变换。
4. 参考文献（12篇以上）
[1] 赵夫群.基于多特征的兵马俑断裂面匹配方法研究[d].西安：西北大学,2019
[2] yusheng xu,sebastian tuttas,ludwig hoegner,uwe stilla. voxel-based segmentation of 3d point clouds from construction sites using a probabilistic connectivity model[j] .pattern recognition letters . 2018，120：67-74
[3] 董帅.基于改进orb的图像拼接算法[d]. 长沙：湖南师范大学， 2019
课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
