外文翻译教材.doc

毕业设计(论文)外文资料翻译 系： 专 业： 姓 名： 学 号： 外文出处： An algorithm for image stitching and blending 附 件： 1.外文资料翻译译文；2.外文原文。 指导教师评语： 签名： 年 月 日 注：请将该封面与附件装订成册。 附件1：外文资料翻译译文 一种图像拼接和融合 摘要 在许多临床研究，包括癌症，这是非常可取的，以获取图像的整个肿瘤节 同时保留一个微小的决议。通常的办法是建立一个综合的形象，适当重叠个人获得的图象在高倍显微镜下。一块镶嵌图，这些图片可以 准确地运用所形成的图像配准，重复搬运和混合技术。我们描述的最优化， 自动，快速和可靠的方法，既形象加入和融合。这些算法可以适用于大多数类型光学显微镜的成像。从组织学，从体内血管成像和荧光应用表明，无论是在二维和三维。算法的不同形象重叠的阶段，但例子综合获得的图象既手动驱动，电脑控制的阶段介绍。重叠迁移算法是基于互相关的方法，这是用来确定和选择最佳的相关点之间的任何新的形象和以前的综合形象。补充图片混合算法的基础上，梯度法，是用来消除强度变化急剧的形象加入，从而逐渐融合到一个图像邻近复合的细节，该算法克服强度 差异和几何失调图像之间的缝合将介绍和说明了几个例子。 ：图像拼接，共混，镶嵌图像 1 。导言和背景 有许多应用需要高分辨率图像。在明亮的场或落射荧光显微镜[ 1 ] ， 例如，用于生物和医学应用中，通常需要分析一个完整的组织部分已层面几十毫米，在高分辨率。然而，高分辨率单图片不能意识到了低功耗的目标，必要的，以查看大样本，即使使用数码相机时的几万数以百万计的积极像素。最常见的方法是获得一些图片的部分组织在高 放大率和组装成一个复合单一形象保持高分辨率。这一过程的 组装复合图像从一些图片，也被称为块或拼图需要一个算法为图像拼接（登记）和混合。自动建立大型高分辨率图像的马赛克是一种越来越多的研究领域涉及计算机视觉和图像处理。拼接与融合可以被界定为生产单一edgeless形象整理一套重叠图像[ 2 ] 。自动化这一进程是一个重要的问题，因为它是困难和消耗时间，以实现手动。这样的一个算法的图像拼接和融合是本文介绍了。 图像拼接结合了一些拍摄高分辨率纳入一个综合的形象。综合图像必须包括图像放在正确的位置和目标是使图像边缘之间的无形的。那个质量表示缝合因此通过测量两个相邻的信件图像缝合形成了综合形象和知名度煤层之间的缝合图像[ 3 ] 。图像拼接（注册） 方法已详细解释[ 4 ] 。 [ 5 ]中，互相关证明是最好的方法，自动注册大量的图像。各种登记方法进行了比较研究[ 5 ]这是显示 的互相关法提供了最小的错误。当这些方法进行了比较而言，速度， 交叉相关证明是第二快的，但更准确比速度最快的方法（主轴 法） 。 有一些文件，处理问题的缝合[ 3 ， 6-8 ] 。图像拼接可以用 图像像素直接-相关法，在频域-快速傅里叶变换法;利用水平低功能，如棱角;使用高层次的功能，如部分对象[ 2 ] 。布朗[ 4 ]分类图片登记根据以下标准：类型的功能空间，类型的搜索策略和类型的相似性 措施。 图像拼接方法的优化，寻求最佳的相关点使用以Levenberg - Marquardt 方法给出了[ 2 ， 9 ， 10 ] 。以Levenberg - Marquardt方法使良好的效果，但它是昂贵和计算能停留在局部极小。还有一种方法是运用一个算法搜索最佳的相关点拥有由粗到细的决议的办法，以减少计算[ 10 ， 11 ] 。 该方法提供了本文所选择的最佳关联点，以下列方式。基于 了解预期重叠当使用机动阶段，这将是直截了当的，以找到最佳的 相关点在理想的情况。然而，重叠面积并非尽善尽美，而且肯定不是一个准确的一 像素，由于偏离阶段的理想位置，而且由于舞台/相机失调。我们的算法提供了一个如何克服这一问题，寻找周围地区的小预期中央重叠像素，以便找到 最佳关联点。定位获得图像手册阶段小得多准确，因此有必要 寻找更广阔的领域，以找到最佳的关联点。 大多数现有方法的图像拼接或者制作一个粗略缝，不能处理的共同特征 如血管，彗星细胞和组织，或者他们需要一些