遙感技術在促進我國經(jīng)濟發(fā)展、保障生產(chǎn)生活安全等方面具有重要的作用。其中,遙感圖像作為遙感應用的重要數(shù)據(jù),在軍事導航、資源普查、環(huán)境監(jiān)測、目標識別等領域中得到了廣泛的使用。由于同一場景在不同傳感器下采集到的遙感圖像中的信息具有互補性。因此,利用不同的遙感圖像往往能觀測到不同的地面信息。為了消除圖像間的誤差并盡可能的保留不同遙感圖像中的圖像信息,通常利用圖像配準技術對得到的遙感圖像進行預處理。在圖像配準中,基于圖像局部特征的配準算法應用廣泛,在不同圖像中,圖像局部特征都有著很強的魯棒性。因此,本文基于遙感圖像局部特征進行配準算法的研究。在基于關鍵點的遙感圖像配準算法研究中,我們發(fā)現(xiàn),由于遙感圖像間存在著不規(guī)則梯度變化,利用梯度幅值（GM）構建的傳統(tǒng)描述子難以滿足遙感圖像配準的需求。因此,為解決這一問題,本文提出了一種基于梯度幅值歸一化重置策略的描述子NGMD。本文在實驗部分將其與其他六種基于梯度信息構建的描述子進行了比較,實驗結果顯示,使用NGMD的配準算法具有最高的準確率。通過對圖像梯度信息的研究,我們發(fā)現(xiàn)梯度幅值（GM）和梯度發(fā)生（GO）這兩種不同的梯度信息在描述特征時具有互補性�；�... 

【文章來源】：齊魯工業(yè)大學山東省

【文章頁數(shù)】：68 頁

【學位級別】：碩士

【部分圖文】：

局部特征示例

第2章基于局部特征的圖像配準相關技術研究8為一種基于輪廓的角點檢測算法，F(xiàn)ast-CPDA首先從Canny邊緣檢測算法檢測到的邊緣圖像中提取輪廓[24]。然后對每個輪廓進行平滑處理，并使用CPDA算法估計角點所在輪廓的曲率，曲率最大值對應的點被視為候選角點[38,39]。在我們后面的研究中將使用Fast-CPDA作為我們的角點檢測算法，因此，在這里我們總結了Fast-CPDA角點檢測算法的主要步驟以及相對于原始CPDA算法在效率方面的改進。（1）提取輪廓。對選定的灰度圖像使用Canny邊緣檢測算法檢測出圖像中的邊緣信息[24]。假設很短的輪廓可能不包含顯著的角點，則輪廓的長度n應滿足以下條件：（2.1）其中h和w對應于圖像的長和寬，是用于控制輪廓長度的參數(shù)。（2）平滑輪廓線。為了減少噪聲對輪廓的影響，采用高斯卷積對所有選定的輪廓進行平滑處理。輪廓（，）通過以下公式進行計算：（2.2）式中是高斯平滑后的輪廓，是卷積運算，σ是平滑的比例因子，高斯函數(shù)定義如下：（2.3）（3）估計曲率。圖2.2說明了CPDA曲率估計算法的工作原理。當弦沿著輪廓移動時，通過累積點到弦的垂直距離來表示點處的曲率。對于長度為L的弦，點的曲率計算公式為：（2.4）圖2.2CPDA曲率估計示意圖

第3章基于梯度信息的特征描述子22（45°,90°]……(315°,360°]8個方向區(qū)間。對像素點中梯度方向在這8個方向區(qū)間范圍內的像素點的梯度幅值進行累加，從而構建出8個方向的梯度直方圖。梯度直方圖中第w個直方圖的計算公式如下：（3.5）其中，為梯度直方圖中第w個直方圖中n個像素點的梯度幅值累加值，為特征區(qū)域內第n個像素點的梯度幅值。通過梯度直方圖的方式疊加特征點鄰域像素在八個方向范圍內的梯度幅值來構建出該特征點的描述子。3.3一種新的梯度幅值描述子3.3.1問題闡述由于遙感圖像在采集時受不同傳感器的成像差異及光照等條件的影響，采集到的遙感圖像局部區(qū)域內往往會發(fā)生不規(guī)律的灰度變化。如圖3.1中所示為兩幅相同場景下的遙感圖像，圖中紅色矩形方框內的區(qū)域中發(fā)生了明顯的灰度變化。如果還是僅僅依靠在梯度直方圖上累加梯度幅值的方法構建描述子，將很大程度上使得遙感圖像中對應的特征點形成不同的描述子。為了減少遙感圖像中對應部分灰度值不規(guī)則變化對遙感圖像梯度造成的影響，我們將進一步研究一種能有效規(guī)避此類變化的特征描述子。圖3.1局部梯度反轉樣例3.3.2NGMD描述子的構建單純依賴梯度幅值構建的特征描述子往往會因局部區(qū)域不規(guī)則的灰度值變化而降低描述子的識別力與準確性。但是，大多數(shù)情況下，局部區(qū)域內即使發(fā)生不規(guī)則的灰度值變化，對應像素的梯度幅值仍然具有一定的描述能力。因此，在構建描述子時，我們通過梯度幅值歸一化重置策略增強描述子對于這部分區(qū)域的特征表達能力。我們將這種處理策略應用在我們的圖像中，如圖3.2所示，左圖為我


本文編號：3549850