圖像處理技術(shù)廣泛應(yīng)用在航拍災(zāi)情圖像配準(zhǔn)中,目前對(duì)高分辨率、大數(shù)據(jù)量圖像處理的時(shí)效性和準(zhǔn)確性需求越發(fā)迫切。對(duì)航拍獲取到的超清高分辨率災(zāi)害場(chǎng)景圖像信息進(jìn)行配準(zhǔn)拼接處理,得到的高清晰度高質(zhì)量全局圖像信息對(duì)搶險(xiǎn)救災(zāi)、災(zāi)情分析具有科學(xué)的指導(dǎo)意義。針對(duì)水災(zāi)圖像數(shù)據(jù)具有光照不均勻、曝光過(guò)度或不足、視角旋轉(zhuǎn)變化、數(shù)據(jù)量大等特點(diǎn),本文首先對(duì)圖像預(yù)處理方法、圖像特征點(diǎn)描述算法以及特征點(diǎn)匹配去誤方法,進(jìn)行了調(diào)研分析,然后結(jié)合航拍江南水鄉(xiāng)洪災(zāi)水災(zāi)數(shù)據(jù)的圖像配準(zhǔn)和拼接結(jié)果,對(duì)上述關(guān)鍵技術(shù)進(jìn)行了選擇和改進(jìn),實(shí)現(xiàn)基于GPU-SURF改進(jìn)算法的圖像快速配準(zhǔn),為了方便用戶(hù)并進(jìn)一步設(shè)計(jì)實(shí)現(xiàn)基于改進(jìn)算法的水災(zāi)圖像快速配準(zhǔn)拼接系統(tǒng)。本文所做的具體工作如下:（1）為了減少彩色圖像信息中冗余無(wú)關(guān)的數(shù)據(jù),本文首先使用加權(quán)平均濾波對(duì)輸入的洪災(zāi)水災(zāi)彩色圖像進(jìn)行灰度化預(yù)處理,然后使用改進(jìn)的中值濾波算法對(duì)灰度圖像進(jìn)行去噪、平滑等圖像增強(qiáng)操作。實(shí)驗(yàn)表明,通過(guò)圖像預(yù)處理操作減少了不相關(guān)的彩色信息數(shù)據(jù),去除了噪聲的影響,增強(qiáng)了輸入圖像中相關(guān)信息的可檢測(cè)性,提高了圖像對(duì)比度,提升了輸入圖像的質(zhì)量。（2）為了提高特征檢測(cè)描述算法的運(yùn)算速度,本文在傳... 

【文章來(lái)源】：華北水利水電大學(xué)河南省

【文章頁(yè)數(shù)】：67 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

航拍獲取災(zāi)情信息Fig1-1Aerialphotographytoobtaindisasterinformation洪澇、山洪、地震等自然災(zāi)害嚴(yán)重迫害人民的生命財(cái)產(chǎn)安全，對(duì)國(guó)家經(jīng)濟(jì)造成巨大

基于特征匹配的圖像配準(zhǔn)研究72基于特征匹配的圖像配準(zhǔn)研究2.1引言基于特征匹配算法的圖像配準(zhǔn)方法以其算法的高效性、魯棒性強(qiáng)等優(yōu)勢(shì)在當(dāng)下的圖像處理領(lǐng)域廣泛使用�；谔卣髌ヅ涞膱D像配準(zhǔn)方法基本流程如圖2-1所示。本章首先對(duì)圖像預(yù)處理操作進(jìn)行了分析研究，接著對(duì)經(jīng)過(guò)圖像預(yù)處理操作的輸入圖像，進(jìn)一步進(jìn)行基于特征匹配算法的圖像配準(zhǔn)操作，對(duì)常用的SIFT、SURF特征提取描述算法分析研究。圖2-1圖像配準(zhǔn)基本流程圖Fig2-1Basicprocessofimageregistration2.2圖像預(yù)處理圖像處理中，輸入圖像質(zhì)量的好壞會(huì)對(duì)圖像配準(zhǔn)的運(yùn)行效率和配準(zhǔn)結(jié)果的準(zhǔn)確度產(chǎn)生直接的影響。因此我們需要對(duì)圖像進(jìn)行預(yù)處理操作來(lái)消除圖像中的噪聲，減少無(wú)關(guān)信息的影響，增強(qiáng)有關(guān)的信息的可檢測(cè)性，最大程度的簡(jiǎn)化有效信息，從而提高特征提娶圖像匹配和圖像拼接融合等后續(xù)處理的準(zhǔn)確性和可靠性。圖像預(yù)處理流程一般為：1灰度化->2幾何變換->3圖像增強(qiáng)。2.2.1圖像灰度化處理圖像的灰度化處理是將彩色圖像轉(zhuǎn)化為高質(zhì)量的黑白圖像�；叶葓D像保留了圖像的基本特征，減少了無(wú)用的色彩特征信息數(shù)據(jù)量。目前圖像處理領(lǐng)域所處理的彩色圖像大都是采用RGB三通道顏色模式，對(duì)彩色圖像處理時(shí)，需要分別對(duì)RGB三個(gè)通道的圖像

基于特征匹配的圖像配準(zhǔn)研究9圖2-2航拍獲取RGB彩色災(zāi)情信息原始圖Fig2-1OriginalimageofRGBcolordisasterinformationobtainedbyaerialphotography(a)分量法1(b)分量法2(c)分量法3(d)最大值法(e)平均法(f)加權(quán)平均法圖2-3四種圖像灰度化預(yù)處理結(jié)果Fig2-3Fourimagegrayscalepreprocessingresults圖2-3(a)、(b)、(c)為采用分量法分別取R通道、G通道、B通道的亮度值為圖像的灰度值進(jìn)行灰度化的結(jié)果，圖2-3(d)為采用最大值灰度化法對(duì)原圖進(jìn)行灰度化的結(jié)果，該方法提取的灰度圖亮度高于平均法和加權(quán)平均，同時(shí)輸入圖像的G通道亮度值最大，我們觀(guān)察輸入圖像也可以發(fā)現(xiàn)圖中綠色亮度值占大多數(shù)，實(shí)驗(yàn)結(jié)果符合實(shí)際原圖情況。圖2-3(e)、(f)分別為采用平均法和加權(quán)平均法對(duì)輸入圖像進(jìn)行灰度化預(yù)處理的灰度圖結(jié)果，采用平均值法得到的灰度圖對(duì)圖像的輪廓和局部部分邊緣區(qū)域響應(yīng)較弱，灰度亮度較低，因此不適合本文所研究災(zāi)情圖像灰度化預(yù)處理操作，加權(quán)平均灰度化方法更接近人眼感知下的灰度圖像。通過(guò)對(duì)比以上四種灰度化處理方法及結(jié)合本文所使用圖像實(shí)驗(yàn)集更符合人體視覺(jué)觀(guān)察的特點(diǎn)，因此本課題在后續(xù)的圖像預(yù)處理灰度化方法中選擇根據(jù)人類(lèi)視覺(jué)感知能力的加權(quán)平均法對(duì)圖像灰度化處理，更有利于后續(xù)高像素災(zāi)情航拍圖像的特征點(diǎn)提取及匹配，以達(dá)到更科學(xué)可信的實(shí)驗(yàn)仿真目的。

【參考文獻(xiàn)】：
期刊論文
[1]基于SIFT算法的圖像拼接技術(shù)研究[J]. 何惠洋,韓軍.  自動(dòng)化與儀表. 2020(02)
[2]基于特征的圖像配準(zhǔn)綜述[J]. 姚佳佳,劉毓.  電子制作. 2020(02)
[3]國(guó)內(nèi)外區(qū)域水土資源匹配研究綜述[J]. 劉晶,鮑振鑫,劉翠善,賀瑞敏,王婕,王國(guó)慶.  華北水利水電大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(06)
[4]基于特征點(diǎn)匹配的圖像配準(zhǔn)研究[J]. 陶靜,李逸琳,霍藝文,徐武.  現(xiàn)代電子技術(shù). 2019(20)
[5]當(dāng)前我國(guó)城市內(nèi)澇問(wèn)題歸因分析與應(yīng)對(duì)策略[J]. 陳倩云,余弘婧,高學(xué)睿,安婷莉,王玉寶,孫淼.  華北水利水電大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(01)
[6]高土石壩變形監(jiān)測(cè)的監(jiān)測(cè)管選型研究[J]. 鄭君里,陳江,匡學(xué)文,劉浩吾.  水電能源科學(xué). 2018(11)
[7]基于自適應(yīng)序貫相似性檢測(cè)波形匹配延拓的EMD端點(diǎn)效應(yīng)抑制[J]. 楊劍鋒,石戈戈,周天奇,高鋒陽(yáng).  振動(dòng)與沖擊. 2018(18)
[8]基于改進(jìn)SURF算子的彩色圖像配準(zhǔn)算法[J]. 任克強(qiáng),胡夢(mèng)云.  電子測(cè)量與儀器學(xué)報(bào). 2016(05)
[9]基于尺度不變特征變換和區(qū)域互信息優(yōu)化的多源遙感圖像配準(zhǔn)[J]. 趙遼英,呂步云,厲小潤(rùn),陳淑涵.  物理學(xué)報(bào). 2015(12)
[10]基于改進(jìn)Harris-SIFT算子的快速圖像配準(zhǔn)算法[J]. 許佳佳,張葉,張赫.  電子測(cè)量與儀器學(xué)報(bào). 2015(01)

博士論文
[1]醫(yī)學(xué)圖像特征提取方法及應(yīng)用研究[D]. 肖哲.電子科技大學(xué) 2017
[2]無(wú)人機(jī)遙感圖像拼接關(guān)鍵技術(shù)研究[D]. 賈銀江.東北農(nóng)業(yè)大學(xué) 2016

碩士論文
[1]基于A(yíng)RM平臺(tái)和TensorFlow的手寫(xiě)數(shù)字識(shí)別[D]. 黃佳凱.南京郵電大學(xué) 2019
[2]基于改進(jìn)ORB的圖像拼接算法[D]. 董帥.湖南師范大學(xué) 2019
[3]基于特征點(diǎn)的圖像配準(zhǔn)方法研究[D]. 高文鵬.重慶郵電大學(xué) 2019
[4]基于多幀融合的低照度圖像增強(qiáng)[D]. 張雨帥.重慶郵電大學(xué) 2019
[5]仿生眼圖像拼接技術(shù)研究[D]. 徐揚(yáng).長(zhǎng)春理工大學(xué) 2019
[6]基于圖像塊匹配的異源圖像配準(zhǔn)[D]. 方帥.西安電子科技大學(xué) 2019
[7]圖像配準(zhǔn)和超分辨率復(fù)原技術(shù)的研究[D]. 高云龍.吉林大學(xué) 2018
[8]基于線(xiàn)特征和網(wǎng)格優(yōu)化的圖像拼接算法研究[D]. 施嘉察.浙江大學(xué) 2018
[9]基于SIFT特征的圖像配準(zhǔn)與拼接技術(shù)研究[D]. 王天云.南京郵電大學(xué) 2017
[10]基于SIFT算法的快速圖像配準(zhǔn)技術(shù)[D]. 孫偉曄.吉林大學(xué) 2017



本文編號(hào)：3242737