高分專項的穩(wěn)步實施,進(jìn)一步提升了我國對地觀測能力。由于高分衛(wèi)星拍攝的單幅遙感圖像展示的范圍有限,所以在實際應(yīng)用之中往往需要將其按重疊區(qū)域進(jìn)行拼接,生成一張廣角全景圖像。高分衛(wèi)星遙感圖像具有分辨率高、數(shù)據(jù)量大的特點。雖然獲得了高清晰遙感影像,但是在大量的數(shù)據(jù)面前,常用的圖像拼接方法的效率大打折扣。并且由于遙感圖像間存在色差,使得在對圖像進(jìn)行拼接時容易出現(xiàn)明顯的接縫和鬼影現(xiàn)象,造成圖像視覺效果的下降。為此本文提出了一種基于CPU-GPU協(xié)同處理的高效圖像拼接方法。本文提出了一種基于相位相關(guān)算法計算圖像重合范圍的方法,將圖像特征點的提取和匹配范圍限定在重合區(qū)域。該方法減少了特征點提取的數(shù)量,從而較好地提高了圖像拼接的整體效率。針對圖像特征點匹配階段效率不佳、誤差較大的問題,本文采用基于k-d樹的BBF算法進(jìn)行特征點匹配,并采用RANSAC算法對不良的特征點的匹配對進(jìn)行了刪除,該方法提高了圖像特征點匹配的速度和精度。采用了加權(quán)平均融合算法對圖像進(jìn)行了融合處理,該方法有效減少了圖像拼接處的色彩差異,弱化了圖像的接縫的視覺效果。在上述CPU端圖像拼接技術(shù)優(yōu)化的基礎(chǔ)上,本文利用CUDA技術(shù)在GPU端... 

【文章頁數(shù)】：78 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 圖像拼接技術(shù)研究現(xiàn)狀
        1.2.2 GPU通用計算研究現(xiàn)狀
    1.3 論文的主要工作
    1.4 論文的組織結(jié)構(gòu)
第2章 圖像拼接及GPU通用計算關(guān)鍵技術(shù)研究
    2.1 圖像拼接技術(shù)
        2.1.1 圖像的前期預(yù)處理
        2.1.2 圖像配準(zhǔn)技術(shù)
        2.1.3 圖像的變換與融合
    2.2 GPU架構(gòu)及CUDA編程模型
        2.2.1 GPU架構(gòu)簡介
        2.2.2 CUDA編程模型簡介
    2.3 本章小結(jié)
第3章 基于CPU的遙感圖像拼接技術(shù)優(yōu)化
    3.1 圖像拼接技術(shù)整體流程
    3.2 圖像預(yù)處理的分析與設(shè)計
    3.3 SIFT特征點搜索方法的優(yōu)化
    3.4 基于SIFT算法圖像配準(zhǔn)技術(shù)設(shè)計
        3.4.1 基于SIFT算法的特征提取
        3.4.2 SIFT特征點的匹配
        3.4.3 確定圖像變換模型
    3.5 基于加權(quán)平均融合算法的圖像融合
    3.6 本章小結(jié)
第4章 基于GPU的遙感圖像拼接技術(shù)并行優(yōu)化
    4.1 CUDA編程環(huán)境下并行化設(shè)計策略
    4.2 基于GPU的SIFT算法的分析與設(shè)計
        4.2.1 CUDA編程環(huán)境下SIFT算法的并行化分析
        4.2.2 CUDA編程環(huán)境下SIFT算法的并行化設(shè)計
    4.3 基于CUDA的SIFT算法優(yōu)化
    4.4 針對接縫明顯和鬼影問題的圖像融合技術(shù)研究
    4.5 本章小結(jié)
第5章 實驗驗證與結(jié)果分析
    5.1 實驗環(huán)境配置
        5.1.1 實驗所用軟件硬件環(huán)境
        5.1.2 實驗所用數(shù)據(jù)集
    5.2 實驗驗證與圖像效果分析
        5.2.1 基于CPU端優(yōu)化的圖像拼接實驗結(jié)果
        5.2.2 基于GPU并行化的圖像拼接實驗結(jié)果
    5.3 圖像配準(zhǔn)階段實驗數(shù)據(jù)對比分析
    5.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文和取得的科研成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]結(jié)合最佳縫合線和多分辨率融合的圖像拼接[J]. 谷雨,周陽,任剛,馮秋晨,魯國智.  中國圖象圖形學(xué)報. 2017(06)
[2]基于SURF的圖像配準(zhǔn)改進(jìn)算法[J]. 潘建平,郝建明,趙繼萍.  國土資源遙感. 2017(01)
[3]基于PCA-SIFT特征匹配的圖像拼接算法[J]. 蔣波,翟旭平.  計算機(jī)應(yīng)用. 2016(S2)
[4]結(jié)合Harris與SIFT算子的圖像快速配準(zhǔn)算法[J]. 許佳佳.  中國光學(xué). 2015(04)
[5]基于FPGA的大視場圖像實時拼接技術(shù)的研究與實現(xiàn)[J]. 楊磊,任龍,劉慶,王華,周祚峰,曹劍中.  紅外與激光工程. 2015(06)
[6]基于量子力學(xué)和拉普拉斯金字塔的圖像融合方法[J]. 席亮.  計算機(jī)與現(xiàn)代化. 2015(04)
[7]基于改進(jìn)SURF的實時視頻拼接方法[J]. 雷飛,王文學(xué),王雪麗,任維.  計算機(jī)技術(shù)與發(fā)展. 2015(03)
[8]基于初始尺度變換的SIFT匹配算法[J]. 張靜,桑紅石.  紅外與毫米波學(xué)報. 2014(02)
[9]一種改進(jìn)的Harris角點圖像拼接算法[J]. 仇國慶,馮漢青,蔣天躍,涂樂飛.  計算機(jī)科學(xué). 2012(11)
[10]基于平均梯度和方向?qū)Ρ榷鹊膱D像融合方法[J]. 趙青,何建華,溫鵬.  計算機(jī)工程與應(yīng)用. 2012(24)



本文編號：3661843