本文關(guān)鍵詞：融合SIFT和Gabor特征的多源遙感圖自動配準(zhǔn)

  更多相關(guān)文章： 尺度不變特征變換(SIFT) Gabor特征 遙感圖像 圖像配準(zhǔn) 特征提取 隨機(jī)抽樣一致性(RANSAC)

【摘要】：圖像配準(zhǔn)是在不同時(shí)段,對同一場景從不同視角、用不同傳感器獲取的,有重疊區(qū)域的兩幅或多幅圖像進(jìn)行幾何校準(zhǔn)的過程[1]。遙感圖像配準(zhǔn)是圖像融合、變化檢測、圖像鑲嵌等應(yīng)用中不可缺少的步驟。而對于越來越龐大的遙感數(shù)據(jù),依靠人力配準(zhǔn)成本太大,因此遙感圖像自動配準(zhǔn)成為了當(dāng)前該領(lǐng)域的研究熱點(diǎn),而多源遙感圖像自動配準(zhǔn)是該領(lǐng)域的難點(diǎn)。本文致力于改進(jìn)SIFT算法以滿足多源遙感圖像自動配準(zhǔn)的要求。本文首先分類概述了目前主要的各種遙感圖像配準(zhǔn)技術(shù),然后深入解析了基于SIFT算法的遙感圖像配準(zhǔn)技術(shù),指出了將其應(yīng)用于多源遙感圖像配準(zhǔn)問題時(shí)的缺陷包括關(guān)鍵點(diǎn)監(jiān)測重復(fù)性差、主方向不可靠、SIFT描述子不可靠、匹配方法不可靠。針對SIFT描述子不可靠的問題,本文提出了一種融合了更大支撐域Gabor特征的方向受限SIFT描述子。Gabor特征反映了圖像的邊緣方向信息和紋理方向信息,常用于圖像檢索。方向受限SIFT特征與之結(jié)合之后描述能力及獨(dú)特性都得到了提升;針對匹配方法不可靠的問題,本文提出了一種利用匹配對可靠度與關(guān)鍵點(diǎn)位置信息的改進(jìn)隨機(jī)抽樣一致性(Random Sample Consensus,RANSAC)方法,通過利用額外信息,該方法能更有效地篩選出內(nèi)點(diǎn),減少誤匹配。
【關(guān)鍵詞】：尺度不變特征變換(SIFT) Gabor特征 遙感圖像 圖像配準(zhǔn) 特征提取 隨機(jī)抽樣一致性(RANSAC)
【學(xué)位授予單位】：南昌大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP751
【目錄】：

• 摘要3-4
• Abstract4-7
• 第1章 引言7-14
• 1.1 研究背景與意義7-8
• 1.2 國內(nèi)外研究現(xiàn)狀和發(fā)展方向8-12
• 1.2.1 SIFT提升算法8-9
• 1.2.2 針對遙感圖像性質(zhì)的改進(jìn)9-11
• 1.2.3 混合方法11
• 1.2.4 針對算法流程的改進(jìn)11-12
• 1.3 本文主要研究內(nèi)容及章節(jié)安排12-14
• 第2章 遙感圖像配準(zhǔn)技術(shù)概述14-20
• 2.1 基于模版的遙感圖像配準(zhǔn)14-16
• 2.1.1 圖像域上的模版配準(zhǔn)方法15
• 2.1.2 頻域上的模版配準(zhǔn)方法15-16
• 2.2 基于特征的遙感圖像配準(zhǔn)16-19
• 2.2.1 點(diǎn)特征16-17
• 2.2.2 線特征17
• 2.2.3 面特征17-18
• 2.2.4 虛擬結(jié)構(gòu)特征18-19
• 2.3 基于物理模型的遙感圖像配準(zhǔn)19
• 2.4 基于混合模型的遙感圖像配準(zhǔn)19-20
• 第3章 基于SIFT算法的遙感圖像配準(zhǔn)技術(shù)研究20-33
• 3.1 基于SIFT算法的遙感圖像配準(zhǔn)基本流程20-30
• 3.1.1 關(guān)鍵點(diǎn)檢測22-28
• 3.1.2 局部特征描述子生成28-29
• 3.1.3 特征匹配29-30
• 3.2 在多源遙感圖配準(zhǔn)中存在的缺陷30-33
• 3.2.1 關(guān)鍵點(diǎn)檢測重復(fù)性差30
• 3.2.2 主方向不可靠30-31
• 3.2.3 SIFT描述子不可靠31-32
• 3.2.4 匹配方法不可靠32-33
• 第4章 改進(jìn)SIFT方法33-49
• 4.1 對關(guān)鍵點(diǎn)檢測的調(diào)整33
• 4.2 跳過主方向分配33-34
• 4.3 融合Gabor描述子的方向受限SIFT描述子34-38
• 4.3.1 方向受限SIFT描述子34-35
• 4.3.2 更大支撐域的Gabor描述子35-38
• 4.3.3 描述子融合38
• 4.4 改進(jìn)匹配算法38-41
• 4.4.1 帶有位置與可靠度信息的一對多匹配38-39
• 4.4.2 改進(jìn)RANSAC算法39-41
• 4.5 實(shí)驗(yàn)結(jié)果及分析41-49
• 第5章 總結(jié)與展望49-51
• 5.1 總結(jié)49
• 5.2 展望49-51
• 致謝51-52
• 參考文獻(xiàn)52-57
• 攻讀學(xué)位期間的研究成果57

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前2條

1 高華;曹鋒;陳明星;;基于SIFT-BP的圖像配準(zhǔn)算法[J];重慶理工大學(xué)學(xué)報(bào)(自然科學(xué));2011年12期

2 陽吉斌;胡訪宇;;一種基于ASIFT的圖像配準(zhǔn)算法[J];電子技術(shù);2012年07期

，

本文編號：854043