论文部分内容阅读
Levenberg-Marquardt(简称LM)算法是高斯一牛顿法和梯度下降法的结合,既有高斯牛顿法的快速收敛性,也有梯度下降法的全局搜索特性。将LM算法应用于图像拼接过程中变换矩阵的参数自动优化中,通过对多个对应点的自动优化后,可以较快得到变换矩阵,从而实现图像拼接。在LM算法中,以对应点距离的平方和作为目标函数,给出此方法详细的实现过程与结果。与以灰度差平方和为目标函数相比,避免了提前采用插值算法,从而求得的M变换矩阵更精确。结果表明,该方法实现图像拼接的精度高,速度快。