視頻拼接技術(shù)，即對有重疊區(qū)域的多路源視頻數(shù)據(jù)利用拼接算法進行拼接，消除重疊區(qū)域，形成寬角度、大視場視頻圖像的技術(shù)。

隨著數(shù)字視頻技術(shù)的發(fā)展，視頻拼接技術(shù)在各工業(yè)領(lǐng)域均有廣泛的應(yīng)用需求，如天文探測中需要提供大面積和高分辨率的全景圖像；汽車環(huán)視系統(tǒng)需要為汽車駕駛提供車身四周更全面的輔助駕駛圖像信息；道路監(jiān)控系統(tǒng)需要提供更寬角度的道路視頻信息；海洋勘探中也需要提供全景觀測圖像。圖像和視頻拼接技術(shù)可以廣泛滿足以上領(lǐng)域的需求，提供高質(zhì)量與大角度的圖像和視頻信息。

自1965年計算機圖形學(xué)創(chuàng)始人Ivan Sutherland在IFIP會議上做了題為“TheUelimate Display”的報告，提出計算機圖像配準技術(shù)這一課題以來，圖像配準技術(shù)已經(jīng)歷近半個世紀。總結(jié)其發(fā)展歷程，圖像配準方法歸結(jié)起來可大體分為兩類，即基于區(qū)域的圖像配準方法和基于特征的圖像配準方法。

基于區(qū)域的圖像配準方法出現(xiàn)較早，查閱相關(guān)文獻發(fā)現(xiàn)，目前基于區(qū)域的圖像配準方法主要有相位相關(guān)法、灰度信息法和極坐標法。

基于區(qū)域的配準方法以相位相關(guān)法為代表，相位相關(guān)法由Kuslin和Hines于1975年提出，并先后由De Castro和Morandi等人，以及Reddy和Chatterji等人進行改進，使得其對于具有旋轉(zhuǎn)和縮放的圖像變換具有較強的適應(yīng)性。基于區(qū)域的圖像配準方法如下表所示。

基于特征的圖像配準方法起步較晚，最早是Burt P.J 于20世紀80年代提出的基于拉普拉斯金字塔變換算法，基于特征的圖像配準方法在近些年得到了廣泛的關(guān)注和研究。與基于區(qū)域的圖像配準方法相比，基于特征的圖像配準方法起步較晚，但由于其拼接效果好，以及具有通用性好的優(yōu)勢，所以在近些年取得了快速發(fā)展。但是，該方法的缺陷是算法較復(fù)雜，耗時較長。

比較有代表性的基于特征的圖像配準方法如下表所示：

基于特征的圖像配準方法的大致發(fā)展歷程如下表所示。

在國內(nèi)，圖像配準技術(shù)也日益得到廣泛關(guān)注，衍生出許多比較優(yōu)秀的算法。早在1997年，王小睿等人提出了基于序列相似度檢測的圖像配準方法實現(xiàn)了圖像的自動配準，是國內(nèi)較早研究圖像配準技術(shù)并取得顯著成果的案例。對于圖像配準中存在的兩大關(guān)鍵問題，即配準速度和拼接質(zhì)量，也提出了相應(yīng)的改進，比較有代表性的包括：

（1）2005年，針對圖像金字塔搜索數(shù)據(jù)量大和運算速度慢等問題，侯舒維和郭寶龍等人提岀了邊緣信息閉值法。

（2）2010年，李慶和李芬等人以提高圖像配準質(zhì)量為目標，提出基于SUKF的PCB圖像拼接算法。

總體來說，近年來，圖像配準技術(shù)在國內(nèi)外發(fā)展迅速且成果顯著，但也在配準速度、精確度和實時性，以及自動化等方面存在較大的發(fā)展空間。

快速掌握MIPI開發(fā)攻略