陈 伟，刘 宇，王亚伟，孙 静，嵇 婷，赵青林

（1.西安应用光学研究所，陕西 西安 710065；2.西安文理学院 机械与材料工程学院，陕西 西安 710065）

引言

图像拼接是将同一场景中具有重叠视场的两幅或者多幅图像组合，以产生一幅无缝全景图或高分辨率图像的过程，经过拼接所获得的图像有较大的视场[1]。它广泛应用于地质勘测、军事侦察、医学微创手术、航空航天以及视频会议等领域。图像拼接基本流程包括图像预处理、图像配准、图像融合等[2]，其中图像配准是一个重要环节，常用的图像配准算法是基于特征的配准方法，该方法具有计算速度快、鲁棒性好和对图像变形不敏感等优点。常见的特征配准算法中，较为成熟的有SIFT(scale invariant feature transform)[3]算法和SURF(speeded-up robust features)[4]算法。SIFT算法具有尺度不变性和旋转不变性，图像在尺度变化和旋转变化的情况下匹配效果受影响很小，由于采用差分高斯金字塔进行特征点提取，并且每个特征点都需要构建128 维描述子，所以在计算和匹配过程中运行时间相应增加，降低了运行速度[5-6]。Herbert Bay 等人在分析总结多种特征检测方法的基础上提出了SURF 算法，加入了积分图像简化计算，减少了检测特征点的计算量，而且对图像的平移、旋转、缩放等变化具有很好的不变性[7]。尽管SURF 算法具有杰出的性能，但仍然存在计算量大、匹配时间长的问题。FAST(features from accelerated segment test)[8]算法是由Edward等人提出的一种快速角点检测算法，最大的特点就在于其计算效率高，正是由于其具有高速性能，所以更适合应用于快速拼接。……