图像拼接开题报告
全景图像拼接算法的研究与实现的开题报告
全景图像拼接算法的研究与实现的开题报告一、选题背景与意义全景图像拼接技术是近年来计算机视觉领域的研究热点之一。
全景图像拼接是指将多个单幅图像拼接成一个完整的全景图像。
在实际应用中，全景图像拼接技术已经被广泛应用于航拍、地图制作、虚拟现实等领域，为人们的工作和生活带来了巨大的便利。
全景图像拼接的主要难点在于如何准确地识别并匹配图像中的关键点，并将多个图像进行精准拼接，以实现衔接自然、无缝衔接、清晰高清的全景图像的创建。
因此，该选题的研究和实现对于推动计算机视觉技术的发展和广泛应用具有重要的意义和应用价值。
二、主要研究内容和技术路线本选题主要研究和实现如下内容：1. 了解和掌握全景图像拼接相关的基本理论和算法，包括图像特征提取、关键点匹配、图像变换、图像融合等。
2. 分析和比较国内外常见的全景图像拼接算法，探索算法的优缺点以及适用场景。
3. 针对实际情况，进一步优化和改进算法，提升全景图像拼接的精度和效率。
4. 实现和验证算法，并通过实验和评估验证算法的正确性和性能。
技术路线如下：1. 对全景图像拼接技术和相关理论进行深入学习和分析，梳理各种拼接算法的主要思路和优缺点。
2. 实现针对不同场景的全景图像拼接算法，并使用统一的评估指标进行实验和比较。
3. 对算法进行优化和改进，并进行实验对比。
4. 编写论文，撰写实验和算法实现的细节部分，并将论文中的理论和实验结果进行分析和总结。
三、预期成果1. 掌握全景图像拼接相关的基本理论和算法，包括图像特征提取、关键点匹配、图像变换、图像融合等。
2. 深刻理解国内外常见的全景图像拼接算法的优缺点和适用场景，并能在实际工作中针对不同场景选择合适的算法进行应用。
3. 实现和比较多种全景图像拼接算法，并掌握其实现细节和对各种因素的敏感性。
4. 对算法进行优化和改进，提升拼接效果和效率。
5. 发表相关论文，并在计算机视觉领域获得一定的学术成就和影响力。
四、可行性分析与计划进度本选题的可行性主要表现在以下几个方面：1. 实践基础扎实，具备计算机视觉、图像处理等方面的相关基础。
图像拼接关键技术研究与实现的开题报告
图像拼接关键技术研究与实现的开题报告一、选题背景和意义图像拼接是一种将多张图像拼接成一张大图的技术，应用广泛。
目前，图像拼接技术已经被应用到人脸识别、地球观测、医学影像、虚拟现实等领域，并取得了良好的效果。
然而，图像拼接的关键技术研究与实现依然面临着诸多难题，因此，本文拟对图像拼接关键技术进行研究与实现，提高图像拼接的精度和效率，以满足实际应用需求。
二、研究内容本文将研究图像拼接的关键技术，主要包括以下几个方面：1. 特征提取和匹配：利用图像特征点获取多张图像的相对位移关系，并进行匹配，以准确计算重叠区域。
2. 图像校正和对齐：分析不同拍摄角度和距离所带来的图像失真和变形，采用校正和对齐技术消除重叠区域的差异。
3. 图像融合：将多张图像在重叠区域处进行像素融合和颜色平滑处理，以获得连贯、自然的拼接效果。
4. 拼接质量评估：根据图像拼接效果对拼接质量进行评估，制定相应的优化方案。
三、研究方法1. 特征提取和匹配：采用最近邻点匹配算法和随机抽样一致性（RANSAC）算法，提取图像的SIFT特征点，并完成特征点的匹配工作。
2. 图像校正和对齐：采用基于全景图的仿射变换算法和基于相似变换的特征点匹配算法，校正和对齐图像。
3. 图像融合：采用多重分辨率图像融合算法和多尺度融合算法，完成图像的融合和颜色平滑处理。
4. 拼接质量评估：采用色差和拼接误差两项指标对拼接结果进行评估，并制定相应的优化方案。
四、预期结果本文将实现一种高效精确的图像拼接算法，以满足实际应用需求。
我们预期的结果包括：1. 采用SIFT算法和RANSAC算法实现特征提取和匹配，提高匹配的精度和鲁棒性。
2. 采用全景图仿射变换算法和特征点匹配算法实现图像的校正和对齐，提高拼接的精度和稳定性。
3. 采用多重分辨率图像融合算法和多尺度融合算法实现图像的融合和颜色平滑处理，提高拼接的效果和质量。
4. 利用色差和拼接误差两项指标对拼接结果进行评估，并制定相应的优化方案，提高拼接效果和质量。
基于特征的图像拼接技术研究的开题报告
基于特征的图像拼接技术研究的开题报告一、选题背景随着数字化和互联网技术的快速发展，人们对于图像处理和计算机视觉技术的应用需求日益增长。
其中，图像拼接技术是一种比较常见的图像处理技术。
其主要将多幅图像拼接成一幅大图，以展示更全面的信息或者美学效果等。
目前，图像拼接技术主要有基于特征的图像拼接和基于全局优化的图像拼接两种方法。
其中，基于特征的图像拼接是一种局部的拼接方式，其依靠识别图像中的特征点，然后将特征点进行匹配，最后进行拼接。
其优点是运算速度快，适合较大规模图像拼接，但缺点是对于复杂度较高的图像拼接，效果较为一般。
因此，本研究选择基于特征的图像拼接技术为研究对象，提出一种新的算法，以突破当前算法的局限性，提高图像拼接的质量和效率。
二、研究目的和意义本研究的目的是提出一种新的基于特征的图像拼接算法，解决现有算法在对于复杂度较高的图像拼接效果较差的问题，同时提高算法的运算速度和效率。
本研究的意义如下：1.提高特征点匹配的准确度：现有的特征点匹配算法对于图像中的旋转、缩放、遮挡等变化情况容易出现误匹配，本研究提出的新算法在处理这些变化时更加准确。
2.提高图像拼接的质量和效率：本研究提出的新算法将能够匹配更多的特征点，从而提高图像拼接的质量，在运算速度和效率方面也将有所提高。
3.拓展图像处理的应用领域：基于特征的图像拼接技术在许多领域有着广泛的应用，如电影特效、卫星遥感、医学影像等。
本研究提出的新算法将有助于进一步拓展这些应用领域。
三、研究内容和方法1.研究内容本研究将以基于特征的图像拼接技术为基础，提出一种新的算法。
主要包括以下几个部分：（1）特征点的提取：采用SIFT算法提取图像中的特征点。
（2）特征点的匹配：采用RANSAC算法进行特征点的匹配。
（3）图像拼接：根据匹配到的特征点进行图像的拼接。
（4）算法优化：通过调整算法参数、使用其他特征点提取算法等方法进行算法优化。
2.研究方法本研究将采用以下研究方法：（1）文献研究：通过对现有的基于特征的图像拼接技术的研究文献进行研究和归纳，掌握现有技术的优点和不足。
全景图像的拼接技术研究的开题报告
全景图像的拼接技术研究的开题报告一、研究背景全景图像在计算机视觉和虚拟现实等领域中具有广泛的应用。
它可以模拟现实环境中360度的场景，提供更为真实的视觉体验。
全景图像的制作需要将多张图片拼接在一起，形成一个无缝的全景图。
因此，全景图像拼接技术的研究对于提高全景图像制作的效率和质量具有重要意义。
二、研究目的本研究旨在探究全景图像的拼接技术，开发一种高效、准确地拼接算法，用于处理不同角度和不同距离拍摄的多张图片，实现全景图像的制作。
三、研究内容和方法本研究的主要内容包括以下几个方面：1. 全景图像拼接算法的研究通过对全景图像拼接算法的分析和研究，确定一种适用于不同场景和不同拍摄条件的最佳算法。
主要考虑图像拼接的准确性、速度、效果等因素。
2. 图像预处理技术的研究在进行图像拼接之前，需要对图片进行一些预处理，以便拼接算法能够更好地处理图片。
本研究将研究图像预处理技术，如图像去噪、校正、对齐等。
3. 实验设计本研究将通过对不同场景和不同拍摄条件下的多张图片进行拍摄和采集，并使用开发的全景图像拼接算法进行拼接。
通过对结果的比较和分析，验证算法的准确性和效果。
四、研究意义本研究的结果将对全景图像拼接技术的发展具有指导意义。
通过研究和开发高效、准确的全景图像拼接算法，可以进一步提高全景图像的制作效率和质量。
同时，也有助于推动全景图像的应用和发展。
五、预期成果本研究的预期成果包括以下几个方面：1. 开发出高效、准确的全景图像拼接算法，实现图片无缝拼接。
2. 提出适用于图像拍摄的预处理技术，提高图像拼接的准确性和效率。
3. 通过实验，验证算法的准确性和效果，提供有力的实证证据。
六、工作计划本研究的工作计划分为以下几个阶段：1. 阶段一（1-2周）：收集相关文献，对全景图像拼接技术进行分析和研究。
2. 阶段二（2-3周）：开发全景图像拼接算法，并进行初步测试，确定算法的优化方向。
3. 阶段三（3-4周）：提出预处理技术，并对算法进行进一步优化。
基于SURF特征匹配算法的全景图像拼接的开题报告
基于SURF特征匹配算法的全景图像拼接的开题报告一、研究背景及意义全景图像拼接是将多张图像拼接起来制成一张大幅面图像的技术，广泛应用于旅游、地图制作等领域，可以提供多角度的视角信息，满足人们多样化的观察需求。
随着数字摄影技术的不断发展，全景图像拼接技术也在不断完善和优化。
然而，由于室内和室外环境的复杂性和拍摄设备的限制，全景图像的拼接困难程度较大，尤其是在拼接后的图像边缘处的匹配和平滑过渡方面存在一定的难点和挑战。
为了解决这些问题，研究者们提出了许多全景图像拼接算法。
其中，基于特征匹配的全景图像拼接算法是一种较为常用的方法。
该方法可以自动提取图像中的特征，并将其匹配到相邻图像中的相应特征上，从而实现图像的平滑过渡。
SURF特征匹配算法是一种基于尺度不变特征变换（SIFT）算法的改进。
该算法包括了高斯差分算法、图像积分算法和方向分布直方图等步骤，适用于图像匹配和全景图像拼接等多个领域。
相比于其他特征提取算法，该算法具有计算速度快，匹配效果好等优点，因此被广泛应用于计算机视觉和图像处理领域。
因此，本文将探索基于SURF特征匹配算法的全景图像拼接方法，旨在提高图像拼接的效率和准确度。
该研究对于加快全景图像拼接技术的实际应用具有一定的意义和价值。
二、研究方法和步骤1.数据采集和预处理采集相关数据集，如室内或室外环境下的多张图像，并进行预处理和修正，包括旋转、裁剪、去除噪声和调整亮度等操作。
2. SURF特征提取和描述子生成利用SURF算法提取图像中的SURF特征，并生成SURF特征描述子，可用于后续的特征匹配。
3. 特征匹配采用SURF特征描述子对相邻图像进行匹配，使用RANSAC算法排除误匹配点，进一步提高匹配精度。
4. 全景图像拼接采用图像融合算法将匹配后的图像进行全景拼接，并进行图像的平滑过渡，使得拼接后的图像具有较好的连续性和真实性。
5. 实验结果分析对于拼接后的全景图像进行质量分析，包括图像清晰度、配准精度和图像处理效果等方面。
图像拼接技术初步研究的开题报告
图像拼接技术初步研究的开题报告一、选题背景及意义在数字图像处理领域中，图像拼接技术是一种常见的图像合成方法，它将多张图像拼接起来，形成一张更大的图像。
图像拼接技术已经被广泛应用于全景拼接、视频拼接、医学图像处理、虚拟现实等领域。
随着科技的不断发展，图像拼接技术的应用越来越广泛，同时也面临着一些挑战。
例如，图像拼接时出现的偏差、配准问题、缝隙处理等等。
因此，对于图像拼接技术的研究具有较大的意义。
二、研究内容本次研究将会围绕以下几个方面展开：1. 图像拼接算法的研究：研究传统的图像拼接算法，如基于特征点匹配的算法、基于全景分割的算法、基于基变换的算法、深度学习的算法等，比较其优缺点，寻找适用于不同场景的算法。
2. 图像配准的研究：图像配准是图像拼接中的重点问题，需要对不同图像进行精确的配准。
本次研究将研究传统的配准算法，如基于角点、边缘和纹理特征的配准算法，以及基于深度学习的配准算法，并比较它们的配准效果。
3. 缝隙处理的研究：在图像拼接过程中，由于拍摄时的角度、光照等原因，可能会出现缝隙或者重叠区域。
因此，需要对拼接后的图像进行缝隙处理，使图像拼接更加自然。
本次研究将研究传统的缝隙处理算法，如基于图像融合的算法、基于图像颜色匹配的算法等，并比较它们的效果。
三、研究方法本次研究将采用如下方法：1. 文献综述和比较：对于图像拼接相关的文献进行综述和比较，了解不同算法的优缺点和适用性，为后续研究提供指导。
2. 实验验证：选取不同的数据集，使用不同的算法进行图像拼接，并进行比较和分析。
通过实验验证，进一步证明本文提出的算法的优越性。
3. 细节优化：针对实验结果中出现的一些问题，进行细节优化，使得图像拼接的结果更加自然、真实。
四、预期成果本次研究的预期成果如下：1. 完成对图像拼接算法、图像配准算法和缝隙处理算法的综述和比较，找出适用于不同场景的算法。
2. 提出一种适用于不同场景的图像拼接算法，并进行实验验证。
图像拼接与全景图技术研究的开题报告
图像拼接与全景图技术研究的开题报告一、选题背景与意义随着数字技术的不断发展，拍摄和处理图像的技术也得到了提高，图片拼接和全景图技术应运而生。
拼接技术能够将拍摄的不同角度的图片零散地拼接在一起，形成一个整体的效果，大大扩展了图像的应用领域。
而全景图技术更是在一个场景中，通过尽可能多的角度拍摄，再进行图像处理与拼接，实现了一个全景、逼真的效果。
图像拼接与全景图技术有广泛的应用场景，例如智能出行、工业检测、虚拟现实等领域，因此对其研究具有重要的现实意义。
二、研究内容和重点本次研究计划主要围绕图像拼接与全景图技术展开，具体包括以下内容：1、了解图像拼接与全景图技术的基本原理和相关理论知识，并进行综述。
2、了解目前相关研究的进展情况，并进行评估，总结出技术上的不足和未来发展方向。
3、研究图像拼接与全景图技术在智能出行、工业检测、虚拟现实等场景中的应用，并分析其现实意义和应用价值。
4、实现图像拼接与全景图技术的相关算法，比较不同算法的优缺点，进一步提高图像处理的准确度和效率。
5、分析拼接结果的精度和稳定性，优化算法参数以提高实验效果。
三、研究方法和技术路线本次研究采用文献调研与实验相结合的方式，主要研究方法包括：1、收集有关图像拼接与全景图技术的相关文献，了解其基础原理和技术发展情况。
2、通过分析现有算法的优缺点和应用场景，整合出本次实验所需的算法和技术方案。
3、使用Python、OpenCV等软件进行图像处理、算法实现和实验操作。
4、通过对比和分析实验结果，进一步改进算法，提高图像处理的准确度和效率。
四、研究预期成果本次研究预期实现以下成果：1、对图像拼接与全景图技术进行深入的研究，了解其基础原理和技术发展情况。
2、完成本次实验所需的算法和技术方案，实现清晰、准确、稳定的拼接效果。
3、在智能出行、工业检测、虚拟现实等领域中，探索图像拼接与全景图技术的应用价值和现实意义。
4、提出改进算法的方案，为图像处理技术的发展和应用做出贡献。
数字图像拼接技术研究的开题报告
数字图像拼接技术研究的开题报告一、选题背景与意义数字图像处理技术在现代生活中发挥着越来越重要的作用，特别是在数字摄影和计算机视觉领域。
数字图像拼接技术是其中一个重要的应用方向，主要是将多张照片拼接成一张大图，使得拼接后的图像更具有视觉冲击力和效果。
数字图像拼接技术既可以应用于旅游摄影、卫星摄影等领域，也能应用于医学影像、航空等领域。
因此，数字图像拼接技术的研究具有很高的实际应用价值。
二、研究内容和方法数字图像拼接技术的研究主要包括以下几个方面：1. 图像预处理：对输入的多张照片进行裁剪、校正、配准和灰度处理等操作。
2. 特征点提取：通过SIFT、SURF等算法提取多张照片的特征点，并对这些特征点进行描述。
3. 特征点匹配：基于特征点的描述子进行特征匹配，并采用RANSAC算法去除匹配误差。
4. 图像融合：通过对匹配后的多张照片进行拼接，并采用图像融合技术，使得拼接后的图像更具有连续性、自然性和真实感。
本文主要采用图像分割、特征提取和特征匹配、图像融合等技术，进行数字图像拼接的研究和实践。
三、研究进展和成果预期目前，数字图像拼接技术已经得到了广泛的应用和研究。
本文将采用Python语言实现数字图像拼接算法，并对比不同方法的优缺点。
预计实现以下研究成果：1. 完整的数字图像拼接算法，并实现多张照片的拼接。
2. 通过实验数据对不同拼接算法的性能进行评估和对比，并进行对比分析。
3. 对算法进行优化和改进，并提高拼接效果的质量和准确度。
四、研究时间安排总时长为3个月，具体时间安排如下：1. 第1-2周，熟悉图像处理相关知识和Python语言。
2. 第3-4周，学习数字图像拼接技术和图像分割、特征提取和特征匹配等算法。
3. 第5-6周，完成数字图像拼接算法的实现和测试，并进行初步比较和分析。
4. 第7-8周，对算法进行改进和优化，提高拼接效果的质量和准确度。
5. 第9-10周，进行实验数据的采集和处理，并进行较终的实验比较和分析。
- 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)。
本科生毕业设计
开题报告
题目基于MATLAB图像拼接的实现
专业电子信息工程101班
班级101班
姓名李三
指导教师王四
所在学院信息科技学院
开题时间 2013年12月
一、选题的背景与意义
在日常生活中，使用普通相机获取宽视野的场景图像时，必须通过调节相机的焦距才可以提取完整的场景。
由于相机的分辨率有限，拍摄场景越大，得到的图像分辨率就越低，因此只能通过缩放相机镜头减小拍摄的视野，以换取高分辨率的场景照片。
为了在不降低图片分辨率的条件下获取大视野的场景照片，可将普通照片或者视频图像进行无缝拼接，得到超宽视角甚至360°全景图，实现场面宏大的景物拍摄。
图像拼接（Image Mosaics）技术就是把针对同一场景的相互有部分重叠的一系列图片合成一张大的宽视角的图像，并且要求拼接后的图像最大程度地与原始图像接近，失真尽可能小，没有明显的缝合线川。
随着数字图像处理理论的丰富，近年来的发展趋势是利用PC机通过一定的算法来完成多幅图像的拼接，从而生成一幅完整的大图像。
2003年，美国“勇气号”和“机遇号”火星探测器发回了大量的火星地面照片，科学家们就是运用图像拼接技术合成了火星表面的宽视角全景图像。
因此，研究并提出一种精确而高速的图像拼接算法具有十分重要的现实意义。
图像拼接技术已广泛应用在宇宙空间探测、医学、气象、军事、视频压缩和传输，档案的数字化保存，视频的索引和检索，物体的3D重建，数码相机的超分辨率处理等领域。
图像拼接的广泛应用，图像拼接理论不断得到丰富。
早期的图像拼接研究一直用于照相绘图学,主要是对大量航拍或卫星的图像的整合。
近年来随着图像拼接技术的研究和发展，它使基于图像的绘制（IBR）成为结合两个互补领域，计算机视觉和计算机图形学的研究焦点。
在计算机视觉领域中,图像拼接成为对可视化场景描述（Visual Scene Representations）的主要研究方法,在计算机图形学中,现实世界的图像过去一直用于环境贴图,即合成静态的背景和增加合成物体真实感的贴图。
图像拼接可以使IBR从一系列真实图像中快速绘制具有真实感的新视图。
目前,一个特别流行图像拼接技术的应用是全景图的拼接,它是基于图像绘制虚拟现实场景创建和虚拟漫游的基础。
由于图像是独立拍摄的,在光滑表面上进行图像拼接对清晰度没有约束,并且可以避免不连续现象。
全景图提供一种在虚拟场景交互式浏览中良好的感觉,使用节点合成多个场景可以让用户在场景之间切换漫游,利用计算机视觉的方法,能够从两个节点之间产生新的中间视点图像。
与几何模型绘制真实场景相反,可以从这些节点重建场景的几何模型。
二、研究的基本内容与拟解决的主要问题
（一）研究的基本内容：
本项目主要目的是将把同一场景的相互有部分重叠的一系列图片合成一张大的宽视角的图像，并且要求拼接后的图像最大程度地与原始图像接近，失真尽可能小，没有明显的缝合线川。
图像拼接主要由图像获取、图像配准、图像融合三部分组成。
（二）拟解决问题
图像拼接中的主要问题：
如何确定重叠区域和如何使拼接后的图像不出现明显的拼接缝。
如果对视觉上已经感觉重叠融合到一起的两幅图像的边缘部分进行放大,就会发现很多细节部分并没有重叠。
这样生成的图像原本一个病灶点可能会被误判为两个或体积更大,原本清晰的边缘可能造成模糊迹象。
三、研究的方法与技术路线
图像拼接就是将多幅来自同一场景的有重叠的小尺寸图像合成一幅大尺寸的高质量图像。
主要流程如下图3-1所示。
在RGB模型中，如果R=G=B时，则彩色表示一种灰度颜色，其中R=G=B的值叫灰度值，因此，灰度图像每个像素只需一个字节存放灰度值（又称强度值、亮度值），灰度范围为0-255。
图像二值化就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果。
为了实现图像拼接，首先需要寻找图像拼接的重叠部分，即实现重叠图像的匹配。
在图像匹配技术中，匹配的依据是图像之间的相似性。
根据相似性判断标准的不同，图像匹配方法大致可以分为三类：基于轮廓特征、基于模版匹配的穷尽搜索和基于频域变换。
其中基于模版匹配方法的匹配时间较长，匹配效率不高，当图像发生旋转、比例变化时，不能准确的定位图像的位置；基于频域变换的方法的计算量较大，需要将图像由时域转换到频域进行相位关系比较；基于特征的匹配方法不是直接利用图像的像素值，而是通过像素导出图像特征（常见的特征包括点、轮廓、曲线和曲面等），然后以图像特征为标准，对图像重叠部分的对应特征区进行搜索匹配。
一般基于特征点的匹配算法主要包括特征点、确定特征点之间的关联、确定图像之间的配准变换三个处理过程，而点特征中主要应用的是图像中的角点。
由于角点特征不会随图像的旋转、
缩放、投影和仿射等操作而改变，通过提取两幅图像中的角点，再利用特征点匹配算法尽可能的选择对应关系的特征对。
图像特征点也称角点，因具有信息量丰富、便于测量和表示的优点，能适应环境光照的变化，尤其适用处理遮挡和几何变换问题等优点而成为特征匹配算法的首选。
特征点检测的方法有很多，大致可以分为二类：一类是首先进行边缘的提取，然后再进行角点提取，如Kitehen角点检测算法和Beaudet角点检测算法；另一类是直接在灰度图像中提取角点特征，主要通过计算出率及梯度达到检测角点的目的，如Harris角点检测算法，SUSAN（Smallest Uuivalue Segment Assimilating Nucleus）角点检测算法和SIFT（Scale-Invariant Feature Transform）角点检测算法等。
SIFT角点检测算法是基于尺度空间的、对图像缩放、旋转甚至仿射变换保持不变的图像局部特征描述算法，即尺度不变特征变换。
通过SIFT方法从图像中提取的特征点可用于一个物体或场景不同的可靠匹配，提取的特征点对图像尺度和旋转保持不变，对光线变化、噪声和仿射变化都鲁棒性。
SIFT角点检测过程是：首先在尺度空间进行特征检测，并确定特征点的位置和特征点的尺度，然后以特征点邻域梯度的主方向为该点的方向特征，实现对尺度和方向的无关性，最后得到两幅图像的所有特征点描述符。
通过SIFT角点检测算法得到两幅图像的所有特征点描述符后，使其中一幅图像为样本图像，与之相匹配的图像为特征图像。
因为正确的匹配应该比错误的匹配有明显的最短最近邻距离、可以利用最近邻特征点性质实现两幅图的匹配。
最近邻特征点是指用不变的特征点描述符进行运算的、与样本点具有最短欧几里得距离的特征点。
欧几里得距离定义：欧几里得距离（ Euclidean distance）也称欧氏距离，在n维空间内，最短的线的长度即为其欧氏距离。
它是一个通常采用的距离定义，它是在m维空间中两个点之间的真实距离。
通过该方法可以获得稳定的匹配结果。
得到匹配的特征点后，可以进行图像拼接。
一般情况下，在拼接的边界处，两幅图像灰度上的细微差别都会导致明显的拼接缝，而在实际成像中，被拼接的图像在拼接辩解附近的灰度细微差别几乎是不可避免的，因此需要采用图像融合技术。
通过使用渐入渐出的方法，即在重叠区域的平滑处实现第1幅图像慢慢过渡到第2幅图像。
四、研究的总体安排与进度
2013年11月至2013年12月：查阅相关文献与资料，开始撰写开题报告；
2013年12月至2014年1月：确定实现算法，完成开题报告，进行开题答辩；
2014年1月至2014年2月：完成程序编写及运行过程；
2014年2月至2014年3月：撰写论文初稿；
2014年3月至2014年4月：完成毕业论文，进行毕业答辩。
主要参考文献
[1]王伟，陆佩忠．数字图像拼接技术[J]．小型微型计算机系统，2006，36(6)．
[2]敬忠良，肖刚，李振华．图像融合——理论与应用[M]．北京：高等教育出版社，2007．
[3]Mikolajczyk K，Schmid C.A performance evaluation of local descriptors[J]．IEEE Transactions on PAMI，2005，27(10)．
[4]David G．Lowe．Distinctive Image Features from Scale—Invariant Keypoints．IJCV，2004，60(2)．
[5]Feng Zhao，Wen Gao．Singular Value Decomposition Based Image Matching．Proceeding of the Third International Conference on Image and Graphics，2004．
[6]冷晓艳，薛模根，韩裕生等．基于区域特征与灰度交叉相关的序列图像拼接[J]．红外与激光工程，2005，34(5)．
[7]赵芹，周涛，舒勤．基于特征点的图像配准技术探讨川．红外技术，2006，28(6).
[8]林诚凯，李惠，潘金贵．一种全景图生成的改进算法．计算机工程与应用，2004，35．
[9]倪国强．多波段图像融合算法研究及其新发展(I)．光电子技术与信息，2001，14(5)．
[10]李志伟，苏志勋．图像拼接技术中若干问题的研究[D]．大连理工大学，2005．
指导教师审核意见：
指导老师（签字）
年月日。