影像配準(zhǔn)是指匹配或重疊在不同時間、不同傳感器或不同條件下獲取的兩個或多個影像的過程。傳統(tǒng)的配準(zhǔn)算法如尺度不變特征變換（scale-invariant feature transform,SIFT）等在一般影像配準(zhǔn)領(lǐng)域已經(jīng)取得較好的成果,但由于遙感影像范圍大、地物雜、光譜多,高光譜影像更是具有數(shù)百上千個光譜通道,使用傳統(tǒng)的算法對其進行配準(zhǔn),無法提取具有判別性的高魯棒性特征,配準(zhǔn)時往往會出現(xiàn)提取特征點少、錯誤匹配多甚至無法配準(zhǔn)等缺點。深度學(xué)習(xí)中的卷積神經(jīng)網(wǎng)絡(luò)具有良好的特征提取能力,隨著網(wǎng)絡(luò)層數(shù)不斷加深,能提取到具有魯棒性的高層語義特征,更適用于高光譜影像配準(zhǔn)。因此本文使用基于深度學(xué)習(xí)網(wǎng)絡(luò)模型的方法,對高光譜影像進行配準(zhǔn),主要對數(shù)據(jù)預(yù)處理、特征提取和特征匹配三個過程進行模型設(shè)計和優(yōu)化,提高影像的配準(zhǔn)精度。實驗結(jié)果表明:與傳統(tǒng)的人工特征配準(zhǔn)算法相比,本文基于深度學(xué)習(xí)網(wǎng)絡(luò)模型的配準(zhǔn)算法,能實現(xiàn)對高光譜遙感影像的配準(zhǔn);與現(xiàn)存的深度學(xué)習(xí)配準(zhǔn)算法相比,本文設(shè)計的特征提取網(wǎng)絡(luò)能提取到高光譜影像具有更高魯棒性的特征;本文優(yōu)化的特征匹配策略,能明顯提高特征點對的正確匹配率。本文從數(shù)據(jù)預(yù)處理到模型設(shè)計,實現(xiàn)了... 

【文章來源】：中國地質(zhì)大學(xué)(北京)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：89 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖像配準(zhǔn)主要方法

中國地質(zhì)大學(xué)（北京）碩士學(xué)位論文9圖1-2技術(shù)路線圖1.4論文組織結(jié)構(gòu)本文研究目的為：使用基于深度學(xué)習(xí)網(wǎng)絡(luò)模型的方法實現(xiàn)高光譜影像配準(zhǔn)，以機載高光譜數(shù)據(jù)為數(shù)據(jù)源，首先使用SAE算法對高光譜影像進行數(shù)據(jù)降維，提取出具有豐富信息的特征波段，然后參照公開匹配數(shù)據(jù)集HPatches（MikolajczykKetal.,2005）制作高光譜數(shù)據(jù)集；特征提取器使用VGG為基礎(chǔ)網(wǎng)絡(luò)，增加網(wǎng)絡(luò)層數(shù)，同時加入ResNet塊，避免出現(xiàn)梯度消失；匹配網(wǎng)絡(luò)損失函數(shù)使用提取器的結(jié)果進行優(yōu)化，使得特征匹配對特征提取進行負反饋調(diào)節(jié)；模型訓(xùn)練先使用公開數(shù)據(jù)集HPatches進行預(yù)訓(xùn)練，再使用高光譜數(shù)據(jù)集進行訓(xùn)練，增加網(wǎng)絡(luò)的收斂速度；最后使用訓(xùn)練好的模型對高光譜影像進行配準(zhǔn)，對結(jié)果進行分析與精度評價。根據(jù)以上內(nèi)容，本文共分為六章，具體安排如下：第一章：引言，介紹了本文的研究背景、研究現(xiàn)狀、研究問題與研究方法，在研究現(xiàn)狀中，介紹了傳統(tǒng)的和現(xiàn)有的基于深度學(xué)習(xí)的配準(zhǔn)算法研究現(xiàn)狀，引出本文的研究問題和研究方法。第二章：基于深度學(xué)習(xí)的高光譜影像配準(zhǔn)理論基礎(chǔ)，首先介紹了影像配準(zhǔn)理論即影像配準(zhǔn)的目的、方法和結(jié)果，然后闡述了高光譜影像特點以及配準(zhǔn)難點，最后

2基于深度學(xué)習(xí)的影像配準(zhǔn)理論基礎(chǔ)1211121321222331323311pqpqxtttxytttyttt(2-2)111213212223313233tttTtttttt(2-3)其中，T為轉(zhuǎn)換參數(shù)，由多組來自參考影像1I和待配準(zhǔn)影像2I的同名特征點對1212{(,,,),(,,)}nnPpppQqqq確定。因此，如下圖所示，基于特征的影像配準(zhǔn)過程可總結(jié)為：輸入影像對、提取特征點、特征點匹配（得到同名特征點）、轉(zhuǎn)換關(guān)系計算（得到旋轉(zhuǎn)、平移、尺度縮放因子）、配準(zhǔn)結(jié)果。其中，探測出具有旋轉(zhuǎn)、平移和尺度縮放不變性的特征點并進行正確的同名點對匹配是影像配準(zhǔn)任務(wù)的關(guān)鍵。圖2-1影像配準(zhǔn)流程圖2.2傳統(tǒng)SIFT特征配準(zhǔn)算法由2.1影像配準(zhǔn)理論可知，特征點提取和匹配是影像配準(zhǔn)的關(guān)鍵步驟，傳統(tǒng)的SIFT算法在高斯差分空間探測極值點作為特征點，主要過程如下：1.檢測尺度空間極值點,初步確定關(guān)鍵點的位置和所在尺度。L(x,y,)G(x,y,)I(x,y)(2-4)高斯核函數(shù)：

【參考文獻】：
期刊論文
[1]無人機高光譜內(nèi)置推掃影像快速拼接方法[J]. 黃宇,陳興海,劉業(yè)林,孫梅,蘇秋城,李艷大.  測繪地理信息. 2019(05)
[2]輕小型無人機高光譜影像拼接研究[J]. 易俐娜,許筱,張桂峰,明星,郭文記,李少聰,沙靈玉.  光譜學(xué)與光譜分析. 2019(06)
[3]基于Sentinel-1和Sentinel-2數(shù)據(jù)融合的農(nóng)作物分類[J]. 郭交,朱琳,靳標(biāo).  農(nóng)業(yè)機械學(xué)報. 2018(04)
[4]一種改進的基于深度學(xué)習(xí)的遙感影像拼接方法[J]. 雒培磊,李國慶,曾怡.  計算機工程與應(yīng)用. 2017(20)
[5]一種基于SIFT算法的SAR圖像配準(zhǔn)方法[J]. 范宗杰,徐向輝,周曉麗.  電子測量技術(shù). 2014(08)
[6]遙感圖像配準(zhǔn)技術(shù)綜述[J]. 余先川,呂中華,胡丹.  光學(xué)精密工程. 2013(11)
[7]基于MNF、PCA與ICA結(jié)合的高光譜數(shù)據(jù)特征提取方法[J]. 葛山運.  城市勘測. 2013(02)
[8]基于Autoencoder網(wǎng)絡(luò)的數(shù)據(jù)降維和重構(gòu)[J]. 胡昭華,宋耀良.  電子與信息學(xué)報. 2009(05)
[9]圖像拼接技術(shù)綜述[J]. 王娟,師軍,吳憲祥.  計算機應(yīng)用研究. 2008(07)

碩士論文
[1]基于三維重建的無人機高光譜影像拼接研究[D]. 鄒松.中國科學(xué)院大學(xué)(中國科學(xué)院遙感與數(shù)字地球研究所) 2018
[2]基于高光譜圖像的壓縮與重構(gòu)算法研究[D]. 章夢飛.武漢大學(xué) 2017
[3]航空高光譜遙感影像自動拼接技術(shù)研究[D]. 牛璐璐.吉林大學(xué) 2016



本文編號：3486130