呼亚萍，孔韦韦，李 萌，黄翠玲

1.西安邮电大学 计算机学院，西安710121

2.陕西省网络数据分析与智能处理重点实验室，西安710121

图像拼接技术可以将多幅图像构建成一幅大型宽视角的全景图像。借助该技术，医生可以获取信息更为全面的大尺寸X射线图像，有助于针对病灶特征制定更有效的治疗方案。不仅如此，全景图像还被广泛应用于地形勘测、环境监测、遥感图像处理、军事科学、道路监控等其他多个领域[1]。然而，在图像拼接过程中，若待拼接图像清晰度差、噪声点较多，则很容易导致图像拼接失败，从而影响全景图像的质量。尽管人们可以通过改良设备来获取高质量的低噪声图像，提高图像拼接的成功率，但硬件设备成本昂贵，无法实现大面积的应用，针对硬件的局限性，人们考虑通过改进算法的方法来提高图像的质量。因此，将改进的图像去噪模型应用于全景图像的拼接，是一种能够解决实际问题的有效途径[2]。

目前，应用于全景图像的拼接算法主要包括Harris角点检测算法、Hessian-Laplace算法、SIFT算法、SUFR（Speeded Up Robust Features）算法以及各种类型衍生出来的改进算法。Harris角点检测算法[3]通过计算灰度图像二阶矩阵的特征值获得具有旋转不变特性的特征点，但由于该类特征点不具备尺度不变性，因此在噪声点的干扰下会导致伪角点的出现；在此基础上，文献[4]提出通过引入图像差分滤波算子对Harris角点检测算法进行改进，帮助其检测特征点，使得算子可以滤除噪声响应点，降低噪声点带来的负面影响；……