多源圖像的集成配準(zhǔn)和融合作為圖像處理領(lǐng)域的研究熱點(diǎn),目標(biāo)在于綜合來自不同源的成像傳感器數(shù)據(jù)獲得更加全面的圖像信息。當(dāng)前其廣泛應(yīng)用在醫(yī)學(xué)、遙感圖像以及智能車等領(lǐng)域,故對多源圖像的集成配準(zhǔn)和融合的聯(lián)合優(yōu)化方法進(jìn)行研究具有重要的理論和工程意義。通過對國內(nèi)外研究現(xiàn)狀的調(diào)查發(fā)現(xiàn),目前這部分的研究并不多,考慮的問題不夠全面深入,且集中于兩兩配準(zhǔn)與融合。因此,本文對多源圖像的集成配準(zhǔn)和融合展開研究。首先,考慮噪聲以及離群值對模型的影響,提出基于學(xué)生t混合模型的多源圖像集成配準(zhǔn)和融合的聯(lián)合優(yōu)化方法;進(jìn)而,本文重點(diǎn)分析圖像像素值的真實(shí)分布范圍,引入空間約束機(jī)制,構(gòu)建基于有界廣義高斯混合模型的多源圖像的集成配準(zhǔn)和融合的聯(lián)合優(yōu)化算法;最后,為解決智能車環(huán)境感知中車輛檢測準(zhǔn)確率以及魯棒性低等問題,將多源圖像的集成配準(zhǔn)和融合聯(lián)合優(yōu)化應(yīng)用到車輛檢測中,從而提高車輛檢測準(zhǔn)確率。論文的主要研究內(nèi)容包括:1.總結(jié)當(dāng)前多源圖像集成配準(zhǔn)和融合的聯(lián)合優(yōu)化方法的研究現(xiàn)狀與不足之處,并提出本文的研究目標(biāo)。2.提出基于學(xué)生t混合模型的多源圖像集成配準(zhǔn)和融合的聯(lián)合優(yōu)化方法�？紤]到噪聲以及離群值對圖像配準(zhǔn)精度與圖像融合性能的影響,提出... 

【文章來源】：重慶郵電大學(xué)重慶市

【文章頁數(shù)】：75 頁

【學(xué)位級別】：碩士

【圖文】：

生物圖像

重慶郵電大學(xué)碩士學(xué)位論文第3章基于學(xué)生t混合模型的圖像集成配準(zhǔn)和融合的聯(lián)合優(yōu)化24MRI圖像（T1加權(quán)，T2加權(quán)和PD加權(quán)）。設(shè)定圖像平移像素和旋轉(zhuǎn)角度的范圍值為[-5,5]并隨機(jī)生成50組源圖像。初始的聚類數(shù)量是4。圖像處理區(qū)域在圖3.3(a)的白線區(qū)域內(nèi)。第三組數(shù)據(jù)來自于耶魯大學(xué)人臉數(shù)據(jù)集。分別為利用不同聚焦相機(jī)從左到右依次拍攝所得的五幅人臉圖像，如圖3.4所示。隨機(jī)生成50組初始源圖像，并在[-10,10]像素和角度范圍內(nèi)進(jìn)行平移和旋轉(zhuǎn)變換。圖3.4(a)的白線區(qū)域?yàn)閳D像的處理區(qū)域。初始的分布成分個(gè)數(shù)估計(jì)值為5。第四個(gè)數(shù)據(jù)集包含六幅衛(wèi)星圖像，如圖3.5所示，分別為來自于不同波段的Landsat7衛(wèi)星對于同一地面區(qū)域拍攝所得圖像，圖像之間存在差異。通過這組圖像測試本文方法對含有仿射變換的圖像的配準(zhǔn)和融合效果。利用隨機(jī)的仿射變換生成50組待配準(zhǔn)和融合的圖像。其變換范圍為：尺度變換[0.95,1.05]，錯(cuò)切變換[-0.2,0.2]，平移變換[-5,5]和旋轉(zhuǎn)變換[-5,5]。圖像的處理區(qū)域?yàn)閳D3.5(a)中的白線區(qū)域。(a)(b)(c)(d)圖3.2生物圖像數(shù)據(jù)集(a)CT(b)PET(c)T1加權(quán)(d)T2加權(quán)(e)PD加權(quán)圖3.3醫(yī)學(xué)圖像數(shù)據(jù)集(a)(b)(c)

重慶郵電大學(xué)碩士學(xué)位論文第3章基于學(xué)生t混合模型的圖像集成配準(zhǔn)和融合的聯(lián)合優(yōu)化25(d)(e)圖3.4人臉圖像數(shù)據(jù)集(a)(b)(c)(d)(e)(f)圖3.5衛(wèi)星圖像數(shù)據(jù)集(2)真車采集數(shù)據(jù)集將不同型號攝像頭安裝在智能汽車的車頂臺架上，距離地面1.5米，幀率為每秒30幀，采集源圖像的分辨率為1024×768。第一組實(shí)驗(yàn)數(shù)據(jù)選用不同攝像機(jī)在不同時(shí)刻、不同角度下針對重慶郵電大學(xué)校園內(nèi)某一特定場景下采集到的道路圖像對本文方法進(jìn)行實(shí)驗(yàn)驗(yàn)證。圖3.6(a)、圖3.6(b)和圖3.6(c)是同一攝像機(jī)在不同時(shí)刻和不同角度下采集到的數(shù)據(jù)，圖3.6(d)和圖3.6(e)為雙目攝像機(jī)在同一時(shí)刻下采集到的數(shù)據(jù)。圖像與圖像之間既有相似之處，也存在不同點(diǎn)。首先，隨機(jī)生成50組帶有平移和旋轉(zhuǎn)偏移的待配準(zhǔn)圖像，其變換區(qū)間為[-10,10]像素或角度。圖3.6(a)的白線區(qū)域?yàn)閳D像的處理區(qū)域。初始聚類數(shù)目為5。

【參考文獻(xiàn)】：
期刊論文
[1]基于分?jǐn)?shù)階微分的TV-L1光流模型的圖像配準(zhǔn)方法研究[J]. 張桂梅,孫曉旭,劉建新,儲珺.  自動化學(xué)報(bào). 2017(12)
[2]基于混合特征的非剛性點(diǎn)陣配準(zhǔn)算法[J]. 湯昊林,楊揚(yáng),楊昆,羅毅,張雅瑩,張芳瑜.  自動化學(xué)報(bào). 2016(11)
[3]大形變微分同胚圖像配準(zhǔn)快速算法[J]. 閆德勤,劉彩鳳,劉勝藍(lán),劉德山.  自動化學(xué)報(bào). 2015(08)
[4]香農(nóng)熵加權(quán)稀疏表示圖像融合方法研究[J]. 李奕,吳小俊.  自動化學(xué)報(bào). 2014(08)
[5]含局部空間約束的t分布混合模型的點(diǎn)集配準(zhǔn)[J]. 周志勇,李莉華,鄭健,蒯多杰,胡粟,張濤.  自動化學(xué)報(bào). 2014(04)
[6]基于區(qū)域生長的多源遙感圖像配準(zhǔn)[J]. 倪鼎,馬洪兵.  自動化學(xué)報(bào). 2014(06)

博士論文
[1]多源圖像融合算法研究[D]. 延翔.西安電子科技大學(xué) 2018
[2]像素級圖像增強(qiáng)及配準(zhǔn)算法研究[D]. 章學(xué)靜.北京理工大學(xué) 2014

碩士論文
[1]基于有限混合模型的極化SAR影像分類方法研究[D]. 李蘭.西安科技大學(xué) 2013



本文編號：3121508