% copy image

Y = A4;

　　5．3实验结果

   下面将本文的算法用于多聚焦图像的融合。多聚焦图像指的是对相同的场景用不同的焦距进行拍摄，得到镜头聚焦目标不同的多个图像。经过图像融合技术后，就可以得到一个所有目标都聚焦清晰的图像。图5-1中左边的目标较为清晰，图5-2中右边的目标较为清晰。

图5-1 聚焦在左边的图像

图5-2 聚焦在右边的图像

　　我们分别利用基于PCA的算法、金字塔图像融合法和小波变换法的算法程序得到的的融合图像结果，如图5-3、图5-4、图5-5所示

图5-3 基于PCA算法的融合图像

图5-4 基于金字塔图像融合算法的融合图像

图5-5 基于SIDWT小波变换的融合图像

    从实验结果可以看出，三种方案都可以得到较满意的视觉效果，消除了原图像的聚焦差异，提高了图像的清晰度，在合成图像中左、右两边的目标都很清晰。但通过比较分析，我们可以看出基于小波变换的融合图像（图5-5）最为清晰，所表现的图像细节效果最好，重影现象消除得最干净。图5-3的清晰度不够，而图5-4的细节表现力较弱，只有图5-5的边缘最清晰，重影消除地最干净，细节得到了最好地保留。

　　第六章  与展望

　　6.1 本论文工作的总结

    图像拼接技术一直是视觉、图像处理和计算机图形学的热点研究方向。它可以用来建立大视角的高分辨率图像，在虚拟现实领域、图像处理领域、遥感技术领域和军事领域中均有广泛的应用。

    本文总结了前人在图像拼接领域的研究成果和研究现状，按照图像拼接的流程(图像预处理、图像配准和图像融合)，详细介绍了图像拼接技术，主要完成的工作有:(1)图像预处理主要指对图像进行几何畸变校正和噪声点的抑制等，让参考图像和待拼接图像不存在明显的几何畸变。

　　(2)图像配准主要指对参考图像和待拼接图像中的匹配信息进行提取，在提取出的信息中寻找最佳的匹配，完成图像间的对齐。图像配准是图像拼接技术中的核心部分。本文分析了现有的多种图像配准算法。   

　　(3)图像融合指在完成图像匹配以后，对图像进行缝合，并对缝合的边界进行平滑处理，让缝合自然过渡。

    (4)论文的最后简要介绍了利用matlab实现的图像拼接软件，该软件实现了本文讨论到的所有方法。

　　6.2展望

　　经过3个月的研究，本文对图像拼接技术的研究涉及到了现有图像拼接领域的大多方法。但对于这一研究领域来说，本文所作的工作只是沧海一粟。事实上，还有很多图像拼接问题值得去研究和解决，由于时间的关系，本文没有做进一步的研究。

    根据图像拼接技术的研究体会，本人认为以下几个方面有待于进一步研究:

    (1)本文的图像拼接算法的研究，是基于两幅图像间重叠区域并不存在运动的物体的假设的。但是在有些情况下，待拼接的图像采集过程中，会有运动的物体出现。如果在重叠区域存在运动物体的情况下，如何消除运动物体对拼接图像带来的影响例如，两幅图像因为重叠区域的运动物体，在合成的图像中该区域出现重影)，是需要进一步研究的问题。

    (2)本文讨论的图像拼接算法，并不是针对特定图像的研究。但是，图像拼接在用于实际应用的时候，有时是针对某一特定的图像。如何通过特定目标的特征从图像中提取出特定目标(例如，人脸、足球)，以此来帮助完成图像拼接，这需要加深对图像中特定目标的理解和分割。因此，如何更好的理解图像，分割出特定图像中的目标物体，通过特征物体的配准来完成图像拼接，是一个可以重点研究的方向。