基于SURF特征的高动态范围图像配准算法
基于改进SURF算子的高低分辨率图像配准方法
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ： Ｄｕ ｅ ｔ ｏ ｔ ｈ ｅ ｌ ａ ｒ ｇ ｅ ｒ ｅ ｓ ｏ ｌ ｕ ｔ ｉ ｏ ｎ ｄ ｉ ｆ ｆ ｅ ｒ ｅ ｎ ｃ ｅ ｂ ｅ ｔ ｗｅ ｅ ｎ ｔ ｈ ｅ ｔ ｈ ｒ ｅ ｅ — ｄ ｉ ｍｅ ｎ ｓ ｉ ｏ ｎ ａ ｌ ｌ ａ ｓ ｅ ｒ ｉ ｍａ ｇ ｉ ｎ ｇ ｓ ｅ ｎ ｓ ｏ ｒ ａ ｎ ｄ ｖ ｉ ｓ ｉ ｂ ｌ ｅ ｉ ｍａ — ｇ ｉ ｎ ｇ ｓ ｅ ｎ ｓ ｏ ｒ ， ｍｉ ｓ ｍａ ｔ ｃ ｈ ｉ ｎ ｇ ｆ ｅ ａ ｔ ｕ ｒ ｅ ｐ ｏ ｉ ｎ ｔ ｓ ａ ｒ ｅ ｎ ｕ ｍｅ ｒ ｏ ｕ ｓ ． Ｉ ｎ ｏ ｒ ｄ ｅ ｒ ｔ ｏ ｓ ｏ ｌ ｖ ｅ ｔ ｈ ｉ ｓ ｐ ｒ ｏ ｂ ｌ ｅ ｍ， ａ ｒ ｅ ｇ ｉ ｓ ｔ ｒ ａ ｔ ｉ ｏ ｎ ｍｅ ｔ ｈ ｏ ｄ ｏ ｆ ｈ ｉ ｇ ｈ － ｌ ｏ ｗ ｒ ｅ ｓ ｏ ｌ ｕ ｔ ｉ ｏ ｎ ｉ ｍａ ｇ ｅ ｓ ｂ ａ ｓ ｅ ｄ ｏ ｎ ｉ ｍｐ ｒ ｏ ｖ ｅ ｄ Ｓ Ｕ ＲＦ ｉ ｓ ｐ ｒ ｏ ｐ ｏ ｓ ｅ ｄ ． Ｆ ｉ ｒ ｓ ｔ ｌ ｙ， ｌ ｏ ｗ— ｒ ｅ ｓ ｏ ｌ ｕ ｔ ｉ ｏ ｎ ｉ ｍａ ｇ ｅ ｉ ｓ ｐ ｒ ｏ ｃ ｅ ｓ ｓ ｄ ｅ ｔ ｈ ｒ ｏ ｕ ｇ ｈ ｂ ｉ ｌ ｉ ｎ ｅ ａ ｒ ｉ ｎ —
基于SURF的图像配准改进算法
长春理工大学ｈｕｎＵｎｉｖｅｒｓｉｔｙ ｏｆＳｃｉｅｎｃｅ ａｎｄＴｅｃｈｎｏｌｏｇｙ （Ｎａｔｕｒａｌ ＳｃｉｅｎｃｅＥｄｉｔｉｏｎ）
Ｖｏ１．３９ Ｎｏ．１ Ｆｅｂ．２０１６
基 于 ＳＵＲＦ的 图像 配准改进算 法
灰 度 和基 于特 征 的两类 ，其 中 ，基于 特征 检测 的方 法
基 于 ＳＵＲＦ的 图像 配准 技术 能够 较 为准确 地 匹
研究较 多 ，近年来 取得了飞速的发展 ，具有计算 简 配上两 幅 图像 的相 似部 分 ，但 是 ，由于描述 特征 点 时
单 、精度高等特点。Ｄ．Ｇ．Ｉ ｏｗｅ等人在 １９９９年 提出 使用的是 特征点周围像素 的信息 ，所以当两幅图像
张 凤 晶 ，王 志强 ，吴迪 ，于光
（空军航空大学 航天航天情报系 ，长春 １３００２２）
摘 要 ：为 了更好 地在保 证 图像 配准 的速 度前提 下 ，提 高配准 的精 度 ，本文提 出一种新 的基 于ＳＵＲＦ的 图像 配准改进 算
法 改进算 法将 单向 匹配与方 向一致性 约束两者结合起 来，先 对待 配准 图像进行单 向匹配 ，再计算 出各个 匹配 点对之 间的
目前 ，图像配准技术 已经被广泛应用于计算机视觉 、 简 化计 算 ，大大 降低 了检 测特 征点 的计 算量 ，并 且它
遥 感 数 据 分 析 、全 景 图像 拼 接 、医学 诊 断 与辅 助 治 对 图像 的平 移 、旋 转 、缩 放 等 变 化 具 有 良好 的不 变
疗 、虚拟 现 实 等领 域 。 图像 配准 方 法 主要 分 为 基 于 性 ，进一 步提 高 了 ＳＩＦＴ算 法 的性能 。
图像配准是指对初始位置不 同的两幅图像 ，将 分 析 、总 结 多 种 特 征 检 测 方 法 的 基 础 上 ，提 出 了
基于SURF的图像配准方法研究
１６２红外与激光工程第３８卷进一步求解得到Ｈｅｓｓｉａｎ矩阵的△表达式１１６］：Ａ（日）＝Ｄ。
Ｄ咿一（Ｏ．９Ｄ叫）（２）用类似ＳＩＦＴ的方法构建尺度图像金字塔，在每（ａ）Ｘ方向（ｂ）Ｙ方向（ｃ）ｘｙ方向（ａ）』ｄｉｒｅｃｔｉｏｎ（ｂ）Ｙｄｉｒｅｃｔｉｏｎ（ｃ）ｘｙｄｉｒｅｃｔｉｏｎ图２９ｘ９方框滤波模板Ｆｉｇ．２Ｂｏｘｆｉｌｔｅｒｗｉｔｈ９ｘ９一阶中，选择４层的尺度图像，４阶的构建参数如图３所示。
灰色底的数字表示方框滤波模板的大小，如果图像尺寸远大于模板大小，还可继续增加阶数。
如滤波模板大小为ＮｘＮ，则对应的尺度ｓ：１．２ｘＮ／９；用Ｈｅｓｓｉａｎ矩阵求出极值后，在３ｘ３ｘ３的立体邻域内进行非极大值拟制，只有比上一尺度、下一尺度及本尺度周围的２６个邻域值都大或者都小的极值点，才能作为候选特征点，然后在尺度空间和图像空间中进行插值运算［１８ｌ，得到稳定的特征点位置及所在的尺度值。
ＦｏｒｅＢｃｈ证ｃｗｏｃｔａｖｅ．ｔｈｅｆｉｌｔｅｒｇｉｚｃｉｌａｅｆｅａ，￥ｅ．璺昱《∞２了４Ｏｃｔａｖｅ图３尺度空间金字塔方框滤波的大小Ｆｉｇ．３Ｓｉｚｅｏｆｂｏｘｆｉｌｔｅｒｉｎｓｃａｌｅｓｐａｃｅ１．２主方向确定为保证旋转不变性，首先以特征点为中心，计算半径为６ｓ（ｓ为特征点所在的尺度值）的邻域内的点在工、Ｙ方向的Ｈａａｒ小波（Ｈａａｒ小波边长取缸）响应，并给这些响应值赋高斯权重系数，使得靠近特征点的响应贡献大，而远离特征点的响应贡献小，更符合客观实际；其次将６００范围内的响应相加以形成新的矢量，遍历整个圆形区域，选择最长矢量的方向为该特征点的主方向。
这样，通过对１．１节的特征点逐个进行计算，得到每一个特征点的主方向。
１．３描述子形成以特征点为中心，首先将坐标轴旋转到主方向，按照主方向选取边长为２０ｓ的正方形区域，将该窗口区域划分成４ｘ４的子区域，在每一个子区域内，计算５ｓｘ５ｓ（采样步长取Ｓ）范围内的小波响应，相对于主方向的水平、垂直方向的Ｈａａｒ小波响应分别记做ｄ。
基于SURF的图像配准技术可行性研究.doc
基于SURF的图像配准技术可行性研究-摘要：当前基于特征的图像配准算法较多，而SURF算法由于其性能优越和运算效率较快，被众多学者广泛应用于图像匹配算法的研究中。
在图像匹配算法研究的基础上，通过比较SURF算法和Harris算法在通用型、计算效率和配准精度三个方面的差异，验证SURF算法在图像配准应用中的可行性。
实验结果及数据表明基于SURF的图像配准技术不仅能够适用于不同条件下的图像变化，并且可以实现快速、精确的图像配准。
关键词：SURF; Harris; 计算效率; 配准精度Feasibility Research of image registration technology based on SURFGU Da?long（Beijing Aerospace Control Center，Beijing 100094，China）Abstract：Currently，there are many image registration algorithms based on characteristic. However，the SURF algorithm is widely used in the research of image matching by many scholars because of its superior performance and fast computational efficiency. On the basis of the research of image matching algorithm，the feasibility of the SURF applied to the image registration is confirmed in this paper by means of comparing the differences of universality，computational efficiency and registration precision between SURF and Harris. The experimental results and data indicate the image registration technology based on SURF not only can apply to image changes under differentconditions，but also achieve the fast and accurate image registration.Keywords：SURF; Harris; computational efficiency; registration precision0 引言图像配准是图像处理中的一个非常关键的技术，其广泛应用于医学、军事、遥感及计算机视觉等领域，比如军事领域中的目标毁伤效果评估，图像配准技术是实现及时、准确获取目标打击前后信息的关键步骤。
SURF算法在图像处理中的应用
SURF算法在图像处理中的应用SURF算法是一种被广泛应用于计算机视觉领域的算法，其全称是Speeded Up Robust Features。
它是一种特征提取算法，可以在图像中检测出具有特殊性质的关键点，并生成具有鲁棒性的特征描述子。
这些特征可以用于识别相似的图像，比较相似度，并在图像配准、图像跟踪、三维重建等领域中发挥重要作用。
本文将探讨SURF算法在图像处理中的应用。
一、 SURF算法的原理SURF算法是基于SIFT算法的一种改进，它的主要优势在于速度更快、鲁棒性更强。
下面简单介绍SURF算法的原理。
1. 尺度空间构建SURF算法首先对原始图像进行尺度变换，通过高斯金字塔来构建尺度空间。
尺度空间的不同层次可以检测到不同大小的特征。
通过不同层次检测的关键点可以估计出原始图像中的关键点，这个过程被称为尺度空间极值点检测。
2. 关键点定位在尺度空间中，SURF算法通过Hessian矩阵的行列式求解得到图像局部极值点位置，这些点是具有高强度、对光照变化鲁棒等性质的关键点。
3. 方向确定为了使SURF算法对旋转和光照变化更加鲁棒，需要为每个关键点确定一个主方向，这个方向是在关键点周围采用Hessian矩阵主方向确定的。
4. 特征描述为了描述关键点的局部特征，SURF算法使用了一种统计学上的方法，即将关键点周围的区域分解成小的子区域，每个子区域在水平和竖直方向上计算Haar小波变换，形成特征向量。
这些特征向量组成的特征描述子具有鲁棒性，可以用来评估关键点的稳定性。
5. 特征匹配在进行图像匹配时，SURF算法使用了一种快速的近似最近邻搜索方法，称为快速最近邻搜索（FLANN）。
它可以在大规模的特征库中快速找到与查询特征最相似的特征。
二、 SURF算法可以被广泛应用于图像处理中，下面介绍一些应用领域。
1. 图像配准SURF算法可以被用来匹配两幅图像之间的关键点，通过计算两幅图像中关键点的相似度来实现图像配准。
基于改进SURF的快速图像配准算法
算法 ， 利用扩散距离代替欧 氏距离进行匹配 ， 利用随机抽 样
一
图像 配准是图像处理过程 中的关键技术 ， 在 目标识别 、 图像拼接 、 变化检测 、 目标 跟踪 、 三维 重建 等领域 得到 了广
致（ Ｒ Ａ Ｎ Ｓ Ａ Ｃ ） 算 法 从候 选 匹配 中排 除 错误 的 匹 配。文
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ： Ａｉ ｍｉ ｎ ｇ ａ ｔ ｐ ｒ ｏ ｂ ｌ ｅ ｍ ｏ ｆ ｐ ｏ ｏ ｒ ｒ ｅ ａ ｌ — ｔ ｉ ｍｅ ａ ｎ ｄ ｆ ａ ｌ ｓ ｅ ｍａ ｔ ｃ ｈ ｉ ｎ ｇ ｏ ｆ ｉ ｍａ ｇ ｅ ｓ ｍａ ｔ ｃ ｈ ｉ ｎ ｇ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ｂ ａ ｓ ｅ ｄ ｏ ｎ ｓ ｐ ｅ ｅ ｄ
中图分 类号 ：Ｔ Ｐ ３ ９ １ ． ４ １ 文献标识码 ：Ａ 文章编号 ：１ ０ ０ ０ － － ９ ７ ８ ７ （ ２ ０ １ ７ ） １ １ ０１ － ５ １ ０３ －
Ｆａ ｓ ｔ ｉ ｍａ ｇ ｅ ｍａ ｔ ｃ ｈ ｉ ｎｇ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ｂ ａ ｓ ｅ ｄ ｏ ｎ ｉ ｍｐ ｒ ｏ ｖ ｅ ｄ Ｓ ＵＲ Ｆ
进行筛 选 ， 采用 改进 的快 速近邻搜索算 法进 行特 征匹 配 ， 到用 随机抽 样一 致 （ Ｒ Ａ Ｎ Ｓ Ａ Ｃ） 算 法剔 除误 匹配
对 。实验表 明 ： 改进后 的算 法有效改善了匹配效率 ， 提高了匹配准确度 。 关键词 ：加速鲁 棒特征 ；图像熵 ； 最近邻搜索 ； 图像配准
ＨＵ Ｍｉ ｎ— ｔ ａ ｏ，ＰＥＮＧ Ｙｏ ｎ ｇ，ＸＵ Ｙｕ ｎ
（ Ｓ ｃ ｈ ｏ ｏ ｌ ｏ ｆ ｌ ｎ ｔ ｅ ｒ ｎ ｅ ｔ ｏ ｆ Ｔ ｈ ｉ ｎ ｇ ｓ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ ， Ｊ ｉ ａ ｎ ｇ ｎ ａ ｎ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ， Ｗｕ ｘ ｉ ２ １ ４ １ ２ ２， Ｃ ｈ ｉ ｎ ａ ）
基于SURF的图像配准与拼接技术研究共3篇
基于SURF的图像配准与拼接技术研究共3篇基于SURF的图像配准与拼接技术研究1近年来，图像配准与拼接技术已经成为了数字图像处理的重要研究方向之一。
在许多应用领域中，例如遥感影像、医学影像、三维建模等，图像配准与拼接技术已经得到了广泛的应用。
随着计算机视觉技术的不断发展，图像配准与拼接技术也在不断的完善和提高。
其中一种最具有代表性的图像配准与拼接技术就是基于SURF的图像配准与拼接技术。
SURF（Speeded-Up Robust Features）是一种高效的图像特征提取算法，它可以在保证特征点数量和质量的同时，提高提取速度。
利用SURF算法提取的特征点几乎不受图像缩放、旋转、平移等变换的影响，具有较好的鲁棒性和准确性。
基于SURF算法的图像配准与拼接技术，可以较好地解决图像缩放、旋转、平移等问题，为数字图像处理提供了更好的技术保障。
在基于SURF的图像配准与拼接技术中，首先需要选取参考图像和待配准图像。
然后，利用SURF算法对两幅图像提取特征点，并进行特征点匹配。
通过对特征点的匹配，可以找到两幅图像之间的几何变换关系。
接下来，可以利用图像配准技术对待配准图像进行校正对准，从而使其与参考图像达到一致。
最后，可以利用图像拼接技术将校正后的待配准图像与参考图像进行拼接，得到最终的拼接结果。
其中，特征点匹配是图像配准与拼接的关键步骤之一。
SURF算法的特征点匹配策略使用的是一种特殊的描述子匹配算法——KD树。
KD树是一种数据结构，在高维空间中构建KD树，可以实现高效的最近邻搜索。
通过KD树可以快速地找到两幅图像中距离最近的特征点，并将其匹配起来。
通过特征点的匹配，可以计算出两幅图像之间的变换关系，并对待配准图像进行校正对准。
除了特征点匹配外，还有一些其他的关键步骤也需要注意。
例如，在图像配准中，需要对待配准图像进行坐标转换，从而使得其与参考图像的坐标系一致。
在图像拼接中，需要实现拼接过程中的图像去重、光照一致性等问题。
基于SURF特征的高动态范围图像配准算法
基于SURF特征的高动态范围图像配准算法葛成;胡福乔;赵宇明【摘要】同一场景的多曝光图像序列被广泛的应用于高动态范围图像(High Dynamic Range Image)的合成中.但是,在多曝光图像序列的采集过程中,相机抖动、场景运动等因素会对合成图像的质量产生较大的影响.此外,离镜头较近的大目标往往由于显著的三维形状,在序列图中产生较大的视差效应,也会对合成图像产生消极影响.该文提出一种基于SURF特征点的三维图像配准算法,实验证明该算法在近距离大目标情形下较之传统配准算法MTB(Mean Threshold Bitmap,均值二值化)可以获得更好效果.【期刊名称】《微型电脑应用》【年(卷),期】2010(026)002【总页数】3页(P8-9,17)【关键词】图像配准;HDR;SURF;MTB【作者】葛成;胡福乔;赵宇明【作者单位】上海交通大学自动化系,上海200240;上海交通大学图像处理与模式识别研究所,上海200240;上海交通人学图像处理与模式识别研究所,上海200240【正文语种】中文【中图分类】TP391.410 引言近年来，高动态范围图像合成（High Dynamic Range Image Composition）技术获得了长足发展。
真实世界场景往往具有很高的动态范围，而传统数码照相机由于只具有有限的位深度，难以捕捉到完整的动态范围。
一个弥补措施是通过拍摄多张相同场景不同曝光度的图像并合成，间接恢复出完整的动态范围，再通过色调映射（tone mapping）算法，将高动态图像压缩显示在低动态范围显示部件上（如LCD，CRT），实现图像质量的提升。
1999年Debevec和Malik在文献[1]中描述了数码相机成像的基本过程。
在该模型中，相机的输出主要由两个因素决定。
其一是场景的光线辉度（Scene radiance），在短时摄影中基本保持不变。
另一因素是相机自身参数，在光圈、增益等一定时，主要由曝光时间决定。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
定时，主要由曝光时问决定 。 出图像 的灰度级和场景光 输
线 辉度 之 间 的关 系 ，可 以用 相 机 响 应 函 数（ ａ ｅａＲ ｓｏ ｓ Ｃ ｍ ｒ ｅｐｎｅ Ｆ ｎｔ ｎ ｃ ） 示 。 ｂｖ ｃ Ｍａｉ 用 求 解 超 定 线性 方 ｕ ｃｉ ． Ｒ 表 ｏ Ｆ Ｄｅｅ ｅ 和 ｌ ｋ采 程 组 的 方 法 ， 从 多 曝 光 图 像 序 列 中 恢 复 Ｃ Ｆ。 随 后 Ｒ Ｍ ｉｕ ａａ Ｎ ｙ ｒ 表 了基 于 多项 式 逼 近 的 Ｃ Ｆ估 计 方 法 ｔ ｎｇ 和 ａａ发 ｓ Ｒ
文 献 标 志 码 ：Ａ
０ 引言
近 年来 ，高动 态范 围 图像 合成 （ ｇ ｙ ａ ｃＲｎ ｅ Ｈｉｈ Ｄ ｎ ｍｉ ａ ｇ
方向平移量 ， 从而实现配准。由于配准过程是大多进行位运
算 ， 故 而 速 度 较 快 。但 是 其 缺 点也 是 显 而 易 见 的 。主 要 是
Ｉ ｇ ｏ ｏｉｏ ） ｍａｅ Ｃ ｍｐ ｓ ｉｎ技术 获 得 了长 足 发 展 。真 实世 界 场 景 往 ｔ 往 具有 很 高 的动 态 范 围， 传 统 数 码 照 相 机 由于 只 具 有有 限 而
Ｍｉ ｏｏ ｕｅ Ａｐ ｌａｉｎ Ｖ １２， ． ２ １ ｃ ｃｍｐ ｔ ｒ ｒ ｐｉ ｔ ｓ ｏ．６Ｎｏ ， ００ ｃ ｏ ２
文 章 编号 ： １０ —５ Ｘ ２ １）—０ ８０ ０ ７７ ７ （０ ０２０ ０ －３
研 究与设计
微 型 电脑 应 用
２１ 年第 ２ ００ ６卷第 ２期
基于 Ｓ Ｒ Ｕ Ｆ特 征 的高 动 态 范 围 图像 配准 算 法
的三 维 图像 配 准 算 法 ，实 验 证 明 该 算 法在 近 距 离 大 目标 情 形 下 较 之传 统 配 准 算 法 ＭＴ （ ａ Ｔ ｒｓｏｄＢｔ ｐ Ｂ Ｍｅｎ ｈｅｈ ｌ ｉ ｍａ，均 值 二值 化）
可 以获 得 更好 效 果 。
关 键 词 ： 图像 配 准 ；Ｈ ＤＲ；Ｓ Ｒ ；ＭＴ Ｕ Ｆ Ｂ 中图 分 类号 ：Ｔ ３ １ １ Ｐ ９． ４
ＭＴ 的 配准 检测 ， 能在 Ｊ方 向上 搜 索 得 到整 数 平 移 量 ， Ｂ 只 ， 而 对 没 有 亚 像 素 级 别 的 精 度 ，并 且 当运 动 目标 距 离 镜 头较 近 ， 目标 本 身 的三 维 形 状 在 序 列 图像 中 产 生 较 大 视 差 效应
的位深度 ， 以捕捉到完整 的动态范围。一个弥补措 施是通 难 过 拍摄 多张 相 同场 景 不 同曝 光 度 的 图像 并合 成 ， 接 恢 复 出 间
［ ２ １
。
该场 合 。ＭＴ 算 法 计 算 多 曝 光 图 像各 自的 中值 ，并 将 其 二 Ｂ 值 化 ， 用 金 字 塔 搜 索 获 得 水 平和 垂直 方 向 目标 运 动量 。 利 在 本文 的后 续 实 验 中我 们 可 以 看 到 ，ＭＴ 方 法 对 物 体 三 维 形 Ｂ 状信 息 的 忽略 ， 导致 近 距 离 大 目标 的 配 准及 合成 中产 生 明 显
葛成 ， 胡福 乔 ，赵 宇 明
摘 要 ： 同一 场 景 的 多 曝 光 图像 序 列被 广 泛 的应 用 于 高动 态 范 围 图像 （ ｇ ｙ ａ ｃＲ ｎ ｅＩ ｇ） ＨｉｈＤ ｎｍｉ ａｇ ｍａ ｅ的合 成 中。但 是 ，在 多曝
光 图像 序 列 的 采 集过 程 中 ，相 机 抖 动 、场 景 运 动 等 因素 会 对 合 成 图像 的质 量产 生较 大 的影 响 。 此外 ，离镜 头较 近 的 大 目标往 往 由于 显 著 的三 维形 状 ，在 序 列 图 中 产 生 较 大 的视 差 效 应 ，也会 对 合成 图像 产 生 消 极 影 响 。该 文提 出一 种 基 于 Ｓ Ｒ Ｕ Ｆ特 征 点
的 模 糊 和 重影 效 应 。
１ ． 三 维 配 准 ：基 于 Ｓ Ｆ ２ Ｉ Ｔ特 征
利 用 相机 响应 曲线 ， 以将 多曝 光 图像 映 射 到 光 线 辉 度 可 域 上 ，对辉 度 空 间 的 图像 进 行 加 权 平 均 即 得 到对 数 Ｈ ＤＲ 图 像 。 是 ，在 合 成 之 前 ，一 个 重 要 的 问题 是拍 摄 过 程 中 图像 但
１１ 二 维配 准 ： 中值 二 值 化 图 像（ Ｂ ． ＭＴ ） 当 图像 场 景 基 本 为 平 面物 体 或 者 目标 距 离 镜头 较 远 时 ， 物 体 的三 维 形 状 可 以忽 略 。换 句话 说 ，即 图像 之 间的 配 准 关 系 可 以简 单 的处 理 为 Ｊ平 面 上 的平 移 或 旋 转 。０ ３ Ｇ ｅ ， ２ ０ 年 ｒｇ
一
时，简单的 Ｘ，方 向平移已经无能为力 。本文提 出的 Ｓ Ｒ ， Ｕ Ｆ 算 法 解 决 了在 三 维 视 差 不 能 忽略 的情 况 下 ， 多曝 光 图 像 序 列
的配 准 问题 ， 且 算 法 具 有 较 快 的速 度 ， 合 于 实 时 配 准情 并 适
形。
１ 多 曝光 图像 序 列配准 的相 关研究
完 整 的 动 态 范 围 ，再 通 过 色 调 映射 （ ｎ ｐ ｉｇ算 法 ， 将 ｔ ｅ ｍａｐｎ ） ｏ 高动 态 图 像压 缩 显 示在 低 动 态 范 围显 示 部件 上（ 如 Ｌ ＤＣ Ｔ ， 实现 图像 质 量 的 提 升 。 Ｃ ．Ｒ ） １９ ９ ９年 Ｄ ｂｖ ｃ和 Ｍａｉ 文献 ［】 描 述 了 数 码相 机 ｅｅ ｅ ｌ ｋ在 １中 成 像 的基 本 过 程 。 该 模 型 中 ， 机 的输 出主 要 由两 个 因 素 在 相 决 定 。 一 是 场 景 的光 线 辉 度 （ｃｎ ｄａｃ） 短 时 摄 影 中 其 Ｓｅ ｅ ａ ｉ ｅ 在 ｒ ｎ ， 基 本保 持不 变 。另 一 因 素 是 相 机 自身 参数 ，在 光 圈 、增 益 等