1.2.1  国外研究现状
表1.1  国外现状[1,2]
1.2.2  国内研究现状
表1.2  国内现状[1,2]
1.3  图像拼接的的基本流程
怎么精确寻找出接连两张图片的重合部分是图像拼接的关键一步,继而得到参考图与待配准图两者之间的关系矩阵,也就是如何变换的，最后进行合成，消除拼缝。
图像拼接方式多种多样，但它的几个环节大抵相同。一般地,图像拼接是这样进行的：
 
图1.1图像拼接步骤
1.4  图像拼接的算法分类
作为多年来数字图像处理研究方面的重要分支方向，国内外有许多科学研究者对图像拼接算法研究作出了里程碑式贡献，发展处很多算法。但归根结底，最后得到的图片的质量，主要取决于图像匹配的好坏，所以图像的配准是整个过程的重点与核心。根据匹配算法差异，一般可以将拼接方法分为两类。
（1）基于区域的图像拼接
基于区域的配准方式是比较传统的，它更加充分地运用了图像讯息，以每张图片的像素的灰度值为基础，经由对两张图片重叠的地方的对应像素的灰度关系的运算，才可最后得到两两之间坐标变换的参数。这种方法采用的是一种相关系数的思想，比如可以对参考图像和待配准图像中相同区域运用最小二乘法计算灰度差异，该差异大小其实就代表相应区域的相似程度，比较得到相似程度高的块即可判断为图像重叠区。或可利用快速傅里叶变换方法，该法使用傅立叶域途径以匹配相对于彼此被平移、旋转和缩放的图像。图像的平移、旋转和缩放都在傅立叶域有对应。傅立叶算法不同于其他方法之处根据在频域中的信息寻找最佳匹配。在这种对应关系中，还对自动图像配准的相位相关技术提出了一个扩展，其特点在于它对平移，旋转，缩放和噪声的不敏感，以及由它的低计算成本。
（2）基于特征的图像拼接
基于特征的图像拼接特点是并不利用图像的所有信息，而只是通过像素抽取出图像某方面的特征，以此作为标准在重叠区域搜索匹配[4]。抽取出有明显变化的点、边界、块等特征，主要有基于轮廓特征、基于角点和尺度不变特征转换算法（SIFT)。基于轮廓的方法对光照旋转都不敏感但是易受噪声干扰；基于角点的算子中Harris法最为常见，本文就用到了该法来检出角点，具体的原理在第三章中给出；SIFT开始是用作目标识别的，它分为两步，第一步检测极值，在尺度，灰度空间的分别进行，利用Laplace金字塔去除尺度影响,确定检测点的位置，确定其处在什么尺度,然后选择特征方向,生成向量，再选用欧几里得距离（ Euclidean distance）作为准则度量相似性，达成最终匹配。
1.5  本文主要的研究工作内容
本文首先介绍了常见的图像采集方式、图像预处理中涉及的方面，主体部分介绍了三种图像配准的算法。其一，对Harris法中角点的提取[4]与标注的具体的原理。其二，基于SIFT配准算法[7]的具体步骤及理论。其三，在利用频域的基于傅里叶梅林变换的配准法里，它的各个部分的原理。然后，对提取到的特征点配对，再通过RANSAC（鲁棒性好）对配好的特征点对作筛选，对相应的算法选择合适映射模型算出对应变换矩阵，完成图像的配准[4]。合成部分的缝隙消除用改进版本的渐进渐出加权来达成。经实验验证，该方法对存在平移、旋转、缩放变换的可见光图像能够进行比较准确的拼接[4]。同时还具有很强的实时性。最后，拼接对象是可见光下的形成的图象，所以简介了可见光成像的一些特性，比较了不同情况下在Harris、傅里叶梅林基础上拼接时的效果，给出了效果，作了分析评价。 MATLAB图像拼接算法的设计与实现(3):http://www.youerw.com/tongxin/lunwen_19210.html