本文選題：圖像配準(zhǔn) + Harris角點檢測　； 參考：《西安電子科技大學(xué)》2014年碩士論文

【摘要】：圖像配準(zhǔn)技術(shù)是圖像處理的關(guān)鍵技術(shù)之一。圖像配準(zhǔn)的過程是將不同條件下、不同時間或者不同傳感器獲得的兩幅或者多幅圖像進(jìn)行匹配的過程。圖像配準(zhǔn)技術(shù)在許多領(lǐng)域都有廣泛研究的價值,如計算機(jī)圖形學(xué)、地理探測和攝影測量和材料力學(xué)等。由于遙感圖像自身的多樣性以及從不同傳感器獲得的圖像之間往往存在畸變,因此對遙感圖像的配準(zhǔn)存在一定的困難�，F(xiàn)如今,隨著圖像配準(zhǔn)技術(shù)越來越深入的研究,人們對配準(zhǔn)的精度也有了越來越高的要求。通過對現(xiàn)有的遙感圖像配準(zhǔn)技術(shù)的研究,以及對實驗問題的分析,本文提出了以下兩種有效的遙感圖像配準(zhǔn)方法:第一種方法是一種結(jié)合了基于灰度和基于特征的圖像配準(zhǔn)方法,這種方法克服了現(xiàn)有的基于特征和基于灰度的圖像配準(zhǔn)方法的不足。首先它提取兩幅圖像中的最相似圖像塊,然后利用Harris角點檢測法提取最相似圖像塊中的角點特征,接著利用角點特征對兩幅圖像的最相似圖像塊進(jìn)行匹配,得到最優(yōu)幾何變換參數(shù),最后根據(jù)所得到的幾何變換參數(shù)對整幅圖像進(jìn)行配準(zhǔn)。我們稱這種方法為改進(jìn)的基于互信息和Harris角點檢測的圖像配準(zhǔn)方法。實驗表明,本文提出的這種方法是一種有效的遙感圖像配準(zhǔn)方法。第二種方法是基于灰度的方法�；诨叶鹊姆椒ㄍǔＰ枰獙⒖紙D像和待配準(zhǔn)圖像之間的相似度矩陣進(jìn)行優(yōu)化。正交學(xué)習(xí)(OL)能夠構(gòu)造出一個引導(dǎo)模型,引導(dǎo)算法更加有效地朝著最優(yōu)解的方向進(jìn)行搜索。差分進(jìn)化算法(DE)是一種貪婪算法,由于它在解決遙感圖像配準(zhǔn)問題中表現(xiàn)出了優(yōu)越的性能。因此,本文提出了一種的基于正交學(xué)習(xí)差分進(jìn)化算法(OLDE)的圖像配準(zhǔn)方法,這種方法充分利用正交學(xué)習(xí)的引導(dǎo)特性來引導(dǎo)差分進(jìn)化算法朝著全局最優(yōu)方向進(jìn)行搜索。經(jīng)過實驗表明,本文提出的算法在遙感圖像配準(zhǔn)中表現(xiàn)出了比遺傳算法(GA)、粒子群算法(PSO)和差分進(jìn)化算法(DE)更加優(yōu)越的性能,具有更強(qiáng)的魯棒性。
[Abstract]:Image registration is one of the key techniques in image processing.The process of image registration is to match two or more images under different conditions, different time or different sensors.Image registration technology has been widely studied in many fields, such as computer graphics, geographical detection, photogrammetry and mechanics of materials.Because of the diversity of remote sensing images and the distortion between images obtained from different sensors, it is difficult to register remote sensing images.Nowadays, with more and more in-depth research on image registration technology, people have higher and higher requirements for registration accuracy.Through the research of the existing remote sensing image registration technology and the analysis of the experimental problems,In this paper, two effective methods for remote sensing image registration are proposed. The first method is a combination of grayscale and feature-based image registration.This method overcomes the shortcomings of existing feature-based and gray-based image registration methods.Firstly, it extracts the most similar image blocks in two images, then extracts the corner features from the most similar image blocks by using the Harris corner detection method, and then matches the most similar image blocks of the two images by corner features.The optimal geometric transformation parameters are obtained and the whole image is registered according to the obtained geometric transformation parameters.We call this method an improved image registration method based on mutual information and Harris corner detection.Experiments show that the proposed method is an effective method for remote sensing image registration.The second method is based on gray level.Gray level based methods usually need to optimize the similarity matrix between the reference image and the image to be registered.Orthogonal learning (OLL) can construct a guide model, and the guidance algorithm can search for the optimal solution more effectively.Differential evolution algorithm (DED) is a greedy algorithm because of its superior performance in solving the problem of remote sensing image registration.Therefore, an image registration method based on orthogonal learning differential evolution algorithm (OLDE) is proposed in this paper. This method makes full use of the guidance characteristic of orthogonal learning to guide the differential evolution algorithm to search for the global optimal direction.The experiments show that the proposed algorithm has better performance than genetic algorithm, particle swarm optimization (PSO) and differential evolution algorithm (DED) in remote sensing image registration, and it has better robustness than genetic algorithm (GA), particle swarm optimization (PSO) and differential evolution algorithm (DED).
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TP751

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 謝昆青，，孟凡忠;計算機(jī)在地形圖上繪制規(guī)劃圖的配準(zhǔn)方法及應(yīng)用[J];北京規(guī)劃建設(shè);1995年01期

2 劉重慶,曾東武,王福東;在印鑒識別中的配準(zhǔn)方法[J];上海交通大學(xué)學(xué)報;1998年09期

3 田上成;張喬;劉保成;崔超;;基于傳感器幾何特性和圖像特征的影像配準(zhǔn)方法[J];航天返回與遙感;2013年05期

4 劉衛(wèi)光,郭師紅,周利華;一種多層迭代的多源圖象的配準(zhǔn)方法研究(英文)[J];儀器儀表學(xué)報;2004年S3期

5 李利軍;劉偉;管濤;姚曉文;;基于粒子濾波的虛實配準(zhǔn)方法研究[J];工程圖學(xué)學(xué)報;2009年01期

6 張定華;程云勇;卜昆;張順利;;考慮彎扭變形的葉片模型配準(zhǔn)方法[J];航空學(xué)報;2009年12期

7 趙杰;江晶;;基于序貫最小二乘的雷達(dá)網(wǎng)誤差配準(zhǔn)方法[J];空軍雷達(dá)學(xué)院學(xué)報;2007年02期

8 官云蘭;程效軍;張明;魯鐵定;;三維激光掃描數(shù)據(jù)配準(zhǔn)方法[J];工程勘察;2008年01期

9 徐亮勝;高健;陳岳坪;陳新;;復(fù)雜曲面測量數(shù)據(jù)的位姿配準(zhǔn)方法[J];機(jī)械設(shè)計與研究;2011年04期

10 賈富倉;李修往;陳思平;;CT圖像引導(dǎo)脊柱外科配準(zhǔn)方法研究[J];深圳大學(xué)學(xué)報(理工版);2007年04期

相關(guān)會議論文 前1條

1 韋海軍;梁甸農(nóng);朱炬波;;一種適合長基線、復(fù)雜地形的InSAR精配準(zhǔn)方法[A];第十四屆全國信號處理學(xué)術(shù)年會(CCSP-2009)論文集[C];2009年

相關(guān)博士學(xué)位論文 前8條

1 孫少燕;基于像素灰度的醫(yī)學(xué)圖像剛性配準(zhǔn)方法研究[D];大連理工大學(xué);2007年

2 李琦;多模態(tài)醫(yī)學(xué)影像魯棒配準(zhǔn)方法研究[D];西安電子科技大學(xué);2013年

3 徐玉華;二維光學(xué)和距離圖像配準(zhǔn)方法及其應(yīng)用研究[D];合肥工業(yè)大學(xué);2011年

4 張建國;骨科導(dǎo)航手術(shù)中數(shù)字幾何處理相關(guān)技術(shù)的研究及其應(yīng)用[D];上海交通大學(xué);2009年

5 王曉華;基于集成互補(bǔ)不變特征的多源遙感影像配準(zhǔn)方法研究[D];中國礦業(yè)大學(xué);2013年

6 徐麗燕;基于特征點的遙感圖像配準(zhǔn)方法及應(yīng)用研究[D];南京理工大學(xué);2012年

7 王海南;基于互信息的多模醫(yī)學(xué)圖像配準(zhǔn)方法研究[D];西北工業(yè)大學(xué);2006年

8 欒紅霞;基于定量定性互信息的醫(yī)學(xué)圖像配準(zhǔn)[D];上海交通大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 王詩琴;鼻咽癌進(jìn)行圖像引導(dǎo)放療時不同配準(zhǔn)方法對體位校正的影響[D];廣州醫(yī)學(xué)院;2010年

2 何夢s

本文編號：1753584