图像拼接技术因其能够把多张图像拼接融合形成一张新的图像,已经成为数字图像处理领域一个越来越受欢迎的的研究热点之一,它应用的范围包括虚拟现实技术、人工智能识别、无人机地图测绘、卫星图像融合、对地遥感观测等领域。图像拼接就是将具有重叠区域的两张或多张图像进行空间位置上的坐标变换,使多张图像处于同一空间坐标系下,然后将多张图像拼接融合成一张具有宽视角和高分辨率的图像。拼接融合后的图像与融合之前的多张图像的信息相差不大,不仅具有了更广阔的视野和更高的分辨率,而且具有大部分的图像信息,不会丢失主要的图像信息。在图像拼接技术中,图像配准是关键步骤。图像配准分为基于灰度和基于特征的配准方法。因为基于灰度的图像配准方法计算量大、时间长、效率低,而且配准后的效果不如后者,所以本文选择基于尺度不变特征变换(Scale Invariant Feature Transform,SIFT)的配准方法进行文本图像拼接并对其匹配算法进行了优化处理。图像融合方法主要是为了消除文本图像拼接融合后的拼接线,根据文本图像的文字分布特点,本文利用区域分块实现了文本图像的分块融合,效果良好。关于基于区域分块的文本图像拼接融合算法,本文根据文字空白行间隙对文本图像区域进行了区域分块,调整了每块区域的亮度值,使基准图像和待配准图像之间的亮度值趋于一致,利用加权平均融合算法实现了文本图片的融合。论文在现有的基于SIFT算法的特征配准的拼接方法基础上,对基于SIFT的特征匹配算法进行了优化。其中,对k-d树最近邻算法,从数据结构方面进行了改进,加入了索引字段,使之具有了索引信息,在搜索数据时可以更加高效便捷,缩短了搜索时间,提高了搜索效率。同时它避免了多个特征点与同一特征点匹配的情况,减小了搜索空间,提高了准确率。针对随机抽样一致性(Random Sample Consensus,RANSAC)算法,在匹配特征点对之间添加了空间上的约束条件,对匹配特征点对进行了筛选。因为在文本图像中,正确匹配特征点之间的距离和角度都是近似相等的,本文通过长度和角度筛选去除了错误的匹配特征点对,提高了匹配特征点的准确率。