圖像處理技術(shù)廣泛應(yīng)用在航拍災(zāi)情圖像配準(zhǔn)中,目前對高分辨率、大數(shù)據(jù)量圖像處理的時效性和準(zhǔn)確性需求越發(fā)迫切。對航拍獲取到的超清高分辨率災(zāi)害場景圖像信息進行配準(zhǔn)拼接處理,得到的高清晰度高質(zhì)量全局圖像信息對搶險救災(zāi)、災(zāi)情分析具有科學(xué)的指導(dǎo)意義。針對水災(zāi)圖像數(shù)據(jù)具有光照不均勻、曝光過度或不足、視角旋轉(zhuǎn)變化、數(shù)據(jù)量大等特點,本文首先對圖像預(yù)處理方法、圖像特征點描述算法以及特征點匹配去誤方法,進行了調(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,對上述關(guān)鍵技術(shù)進行了選擇和改進,實現(xiàn)基于GPU-SURF改進算法的圖像快速配準(zhǔn),為了方便用戶并進一步設(shè)計實現(xiàn)基于改進算法的水災(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關(guān)的數(shù)據(jù),本文首先使用加權(quán)平均濾波對輸入的洪災(zāi)水災(zāi)彩色圖像進行灰度化預(yù)處理,然后使用改進的中值濾波算法對灰度圖像進行去噪、平滑等圖像增強操作。實驗表明,通過圖像預(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,增強了輸入圖像中相關(guān)信息的可檢測性,提高了圖像對比度,提升了輸入圖像的質(zhì)量。（2）為了提高特征檢測描述算法的運算速度,本文在傳... 

【文章來源】：華北水利水電大學(xué)河南省

【文章頁數(shù)】：67 頁

【學(xué)位級別】：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產(chǎn)安全，對國家經(jīng)濟造成巨大

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、魯棒性強等優(yōu)勢在當(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。本章首先對圖像預(yù)處理操作進行了分析研究，接著對經(jīng)過圖像預(yù)處理操作的輸入圖像，進一步進行基于特征匹配算法的圖像配準(zhǔn)操作，對常用的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)量的好壞會對圖像配準(zhǔn)的運行效率和配準(zhǔn)結(jié)果的準(zhǔn)確度產(chǎn)生直接的影響。因此我們需要對圖像進行預(yù)處理操作來消除圖像中的噪聲，減少無關(guān)信息的影響，增強有關(guān)的信息的可檢測性，最大程度的簡化有效信息，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。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，對彩色圖像處理時，需要分別對RGB三個通道的圖像

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行灰度化的結(jié)果，圖2-3(d)為采用最大值灰度化法對原圖進行灰度化的結(jié)果，該方法提取的灰度圖亮度高于平均法和加權(quán)平均，同時輸入圖像的G通道亮度值最大，我們觀察輸入圖像也可以發(fā)現(xiàn)圖中綠色亮度值占大多數(shù)，實驗結(jié)果符合實際原圖情況。圖2-3(e)、(f)分別為采用平均法和加權(quán)平均法對輸入圖像進行灰度化預(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。通過對比以上四種灰度化處理方法及結(jié)合本文所使用圖像實驗集更符合人體視覺觀察的特點，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)人類視覺感知能力的加權(quán)平均法對圖像灰度化處理，更有利于后續(xù)高像素災(zāi)情航拍圖像的特征點提取及匹配，以達到更科學(xué)可信的實驗仿真目的。

【參考文獻】：
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,王國慶.  華北水利水電大學(xué)學(xué)報(自然科學(xué)版). 2019(06)
[4]基于特征點匹配的圖像配準(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)前我國城市內(nèi)澇問題歸因分析與應(yīng)對策略[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(自然科學(xué)版). 2019(01)
[6]高土石壩變形監(jiān)測的監(jiān)測管選型研究[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)序貫相似性檢測波形匹配延拓的EMD端點效應(yīng)抑制[J]. 楊劍鋒,石戈戈,周天奇,高鋒陽.  振動與沖擊. 2018(18)
[8]基于改進SURF算子的彩色圖像配準(zhǔn)算法[J]. 任克強,胡夢云.  電子測量與儀器學(xué)報. 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,陳淑涵.  物理學(xué)報. 2015(12)
[10]基于改進Harris-SIFT算子的快速圖像配準(zhǔn)算法[J]. 許佳佳,張葉,張赫.  電子測量與儀器學(xué)報. 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]無人機遙感圖像拼接關(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ARM平臺和TensorFlow的手寫數(shù)字識別[D]. 黃佳凱.南京郵電大學(xué) 2019
[2]基于改進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[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.長春理工大學(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：3242737