吴亮红，孙亮，周博文，张红强，卢明

(湖南科技大学信息与电气工程学院，湖南湘潭，411021)

图像拼接是计算机视觉研究中的热点问题，该技术已广泛应用于医学图像处理[1]、虚拟现实[2]、机器人视觉[3]等领域。图像拼接就是将某一环境下拍摄到的2幅或多幅图像经过图像处理拼接成1幅视角更广的全景图像技术。图像拼接可以通过基于灰度信息特征、相位相关和变换模型等方法来实现，其中，由于基于图像特征点的匹配方法能够在光照变化、拍摄角度变换等变化下表现出较强的可靠性和鲁棒性，被大量应用于图像拼接中。例如，BAY等[4]提出的加速鲁棒特征(speeded up robust features，SURF)算法采用Hessian 矩阵检测图像特征点具有尺度、光照、旋转等不变特性，使得图像特征匹配具有较强的稳定性。然而，在恶劣照明场景下，图像特征匹配准确度非常低。由于图像特征匹配是基于检测到的边缘、角落等特征来进行匹配，所以，尽可能多地检测出特征点是解决图像特征匹配准确度低的有效方法。为了能够检测出更多的特征点，通常在图像拼接预处理部分采用能够提高图像对比度并且增强待拼接图像中边缘、角落的图像增强方法，如TU 等[5]提出直方图均衡化应用于图像特征匹配，经实验验证，直方图均衡可以明显提高特征点的数量；DAUD 等[6]提出一种基于直方图均衡的改进预处理方法，该方法提高了恶劣光照情况下图像特征匹配的准确度；贾银江等[7]提出一种锐化滤波器来增强图像细节，以此增加特征点数量；……