由于图像之间存在光照变化巨大、部分遮挡和损坏等现象，稳健且高效的图像对齐仍然是一项具有挑战性的任务。为此，提出了一种改进的在线图像对齐算法。通过图像梯度方向(IGO)的主成分分析(PCA)来提供比像素强度更可靠的低维子空间，然后在IGO域中寻找对齐，使新到达图像的IGO对齐被分解为稀疏误差和从先前良好对齐图像上学习得到的IGO-PCA基的线性组合的总和，进而图像对齐问题可被建模为l1范数最小化问题。将该问题松弛为凸优化问题，并提出一种基于乘子交替方向法的凸优化求解算法。考虑IGO均值的偏移，基于增量奇异值分解自适应地更新IGO-PCA基。在大量具有挑战性的数据集上验证了所提算法的有效性。实验结果表明，相比于目前典型的尺度不变特征变换(SIFT)算法、稀疏和低秩分解(RASL)算法和变换Grassmannian鲁棒自适应子空间跟踪算法 (t-GRASTA)，本文算法的对齐效果更佳，对于图像的光照变化和遮挡现象等具有更强的鲁棒性。

多光谱视频成像能够同时采集场景的空间、时间和光谱信息, 可广泛应用于遥感、农业监测和材质分析等多个领域。然而传统光谱仪往往包含光学色散分光结构, 系统复杂、标定困难, 难以普遍推广。因此, 文中搭建了一种多传感器小型化光谱视频成像系统, 提出了一种基于相机姿态的多视点图像或视频快速对齐方法, 实现了嵌入式平台上的多光谱视频的实时采集和对齐。通过复杂场景的实验验证, 文中提出的对齐方法在PSNR、SSIM客观指数以及主观视觉评价中均取得了良好的效果。

提出了一种基于空间平面分割和投影变换的光场图像拼接算法。依据光场深度信息对目标场景进行平面拟合和分割,并根据颜色信息利用马尔可夫模型对分割结果进行了优化。利用不同视点间的光流信息求解投影变换矩阵,将对应的分割区域投影变换到同一视点。通过计算最小缝合线拼接重叠区域,并采用泊松优化的方法融合拼接区域。实验结果表明,所提算法能够生成大视野的光场图像,且光场中光线对齐准确,无明显几何畸变。

线阵相机具有高敏感性、高分辨率和高动态性等特点,常用于运动物体成像。在动车组列车运行故障图像动态检测中,由于列车运行速度不是理想匀速通过线阵相机,所拍摄的图像会在列车运行方向上出现拉伸或压缩等变形现象,造成同一列车在不同时间所拍摄到的图像总数不一致,给后续目标自动定位、识别以及故障自动检测带来挑战。为解决图像之间未对齐的问题,提出了一种基于分块式的图像对齐方法。首先对图像进行分块处理、特征提取和匹配、特征量化,然后根据特征点之间的像素距离实现图像分块式校准,最后级联各个校准之后的图像块,完成目标图像与标准图像的对齐。实验结果表明,该方法对线阵相机所拍摄的动车组列车序列图像具有较好的对齐效果,可以精确定位序列图像中的目标。