圖像拼接是生成全景圖的關鍵技術(shù)之一，針對傳統(tǒng)圖像拼接方法只能處理靜態(tài)圖像這一問題，本文提出了一種含有運動物體的圖像拼接方法。該方法運用梅林變換、目標分離提取、差值圖像處理等技術(shù)，有效地解決了圖像拼接中的區(qū)域精確匹配、光照差、噪聲點及圖像融合問題。實驗表明對含有運動物體的圖像采用該方法進行拼接可以獲得較滿意的視覺效果。

　　全景圖是近年來興起的基于圖像繪制技術(shù)中的重要研究方向，其在虛擬環(huán)境、計算機視覺以及多媒體等領域得到廣泛應用。獲取全景圖的方法包括：1）利用廣角鏡頭和掃帚式相機來獲得［1］，但得到360度的全景圖比較困難而且廣角鏡頭的邊緣會產(chǎn)生變形。2）利用圖像拼接技術(shù)將一系列有重疊區(qū)域的普通圖像進行無縫拼接，可以很好地解決廣角鏡的不足，而圖像拼接的質(zhì)量決定了全景圖的視覺效果。圖像拼接根據(jù)相鄰圖像間重疊區(qū)域的相似性進行，傳統(tǒng)拼接算法主要分為兩類：基于特征的方法和基于區(qū)域的方法。前者從圖像的局部特征出發(fā)尋找最優(yōu)匹配區(qū)域，其結(jié)果一般為局部最優(yōu)解；并且當場景中含有運動物體，如果特征點選擇在運動物體的邊界上時，特征點匹配的方法失效。后者是最小化圖像重疊區(qū)域?qū)笏氐牟钪担芄庹兆兓挠绊戄^大，抗干擾能力差；尤其當場景中包含運動物體時，其對象素差的錯誤貢獻顯著，通常導致算法失敗。因此亟待研究含有運動物體的圖像拼接算法。

　　Kuglin提出了基于梅林變換的圖像拼接方法，該方法利用頻域中的相位信息尋找最佳匹配點，不受運動物體的影響。對于重疊區(qū)域的融合，傳統(tǒng)方法是對重疊區(qū)域象素的灰度值加權(quán)平均。然而如果待拼接圖像重疊區(qū)域中含有運動物體，直接加權(quán)平均處理由于物體運動前后位置不同，融合后的圖像因出現(xiàn)重影而嚴重影響視覺效果。針對這一問題James Davis［5］提出采用分塊的方法，即將圖像的重疊部分分割成左右兩個區(qū)域，對應全景圖中每個區(qū)域從單個圖像中采樣，使得圖像顏色在邊界上的差值最小，從而保證拼接圖像產(chǎn)生最小的不連續(xù)性。由于相機拍攝角度及拍攝時間不同，相鄰圖像的整體光照會有差別。因而采用分塊的方法在全景圖中仍能看到明顯的光照變化，給人以不連續(xù)不真實的感覺。
?