SIFT与小波变换结合的Matlab图像融合系统，如何实现？

本文共计1542个文字，预计阅读时间需要7分钟。

1+简介+随着新型传感器的飞速发展，人们获取图像的能力也迅速提高。然而，单一图像数据或单个传感器所获取的图像信息往往无法满足实际需求。图像拼接技术就是指将多个图像进行融合，以获得更全面、更丰富的信息。

1 简介

随着新型传感器的飞速发展,人们获取图像的能力也迅速提高,但是一种图像数据或者单一的传感器所获得的图像信息往往无法满足实际需求.图像拼接就是指将两个或两个以上关于某个具体场景的具有重叠区域的多幅图像加以综合,以生成新的有关此场景的更大视角范围的图像.图像拼接中的两个关键技术是图像配准和图像融合,图像配准和融合的关系十分紧密.图像配准是图像融合的先决条件,为了实现准确的图像融合,必须先对图像进行配准变换.图像配准和融合广泛应用于医学,遥感,航空航天和虚拟现实等领域,是其他技术无法取代的重要技术. 本文总结了基于特征的图像拼接中所用到的相关技术.基于特征的图像拼接的基本步骤包括:特征提取,特征匹配,模型参数估计,图像变换.文中以图像配准与融合的每个步骤中的相关方法为基础,着重阐述了基于SIFT特征的图像配准和基于小波变换的图像融合相关算法.

Lowe于1999年正式提出的SIFT（Scale invariant features transform）算法，对一些在匹配过程中遇到的关键性问题找到了很好的处理方法，因其SIFT算子具有放缩、旋转和仿射不变性的特点，并且对光照变化和视点变化有不错的适应性，鲁棒性良好。