随着汽车数量的迅速增加,由于驾驶员视觉盲区引发的安全驾驶问题日益突出、交通事故不断攀升。目前,车载全景系统被认为是缓解该问题的有效手段之一,已成为智能交通和图像处理领域近年来的研究热点,从而吸引了众多学者的关注。而图像配准是决定车载全景系统是否可行的关键环节。因此,本文针对车载全景系统中快速图像配准方法开展了深入研究,主要研究内容如下:1、针对传统尺度不变特征变换(SIFT)算法在特征提取与特征描述时计算量大、实时性差的问题,提出一种基于区域分块的SIFT快速配准方法。首先,将匹配图像和待匹配图像分割成若干均匀的子图,通过计算每个子图的信息熵值与设定阈值比较来判断局部子图的特征类型;然后对筛选出来的子图进行SIFT特征提取和对特征向量降维处理,生成PCA-SIFT描述子;最后对两幅图像进行配准和剔除误匹配点对。结果表明,在保证配准精度在90%以上的基础上,配准时间减少了15%-25%。2、针对传统的Harris角点检测算法,手动输入单个阈值可能出现角点聚簇、伪角点等现象。提出了一种自适应阈值的Harris角点检测的图像配准方法,首先将图像分割成3?3个无重叠子图,根据每个子图的对比度的大小,来设置每个子图的阈值。然后采用NCC算法对检测出的角点进行粗匹配;最后采用RANSAC算法将粗匹配中误匹配点对进行剔除。实验表明,该算法使检测的角点分布比较均匀,并在图像配准中有效地增加图像匹配点对数,能有效提高图像配准的准确度。3、为了验证本文的图像配准算法在车载全景系统中应用效果,采用Directshow技术和两个USB摄像头搭载了系统实验平台,分别采用改进的SIFT算法、改进的Harris角点检测算法对采集的图像帧进行提取特征点和图像配准的效果对比。实验结果表明:采用改进的SIFT配准算法,融合后图像效果良好,并能有效减少图像拼接时间。总之,本文研究的图像快速配准算法,可提高图像配准效率20%左右,有效减少了图像配准环节的时间消耗,为研制实用的车载图像全景系统奠定技术基础。