圖像配準(zhǔn)是將參考圖像和待配準(zhǔn)圖像轉(zhuǎn)換到同一坐標(biāo)系下的過程,它廣泛應(yīng)用于全景圖像拼接、圖像融合等領(lǐng)域。異源圖像配準(zhǔn)除了傳統(tǒng)圖像配準(zhǔn)面臨的光照變化、幾何變化等難點(diǎn)外,還有傳感器成像機(jī)理不同導(dǎo)致的像素級特征的顯著差異。因此,異源圖像配準(zhǔn)相比同源圖像配準(zhǔn)具有更大挑戰(zhàn)。針對異源圖像配準(zhǔn)問題,本文基于深度學(xué)習(xí)技術(shù)提出了三種配準(zhǔn)方法。這三種方法均利用卷積網(wǎng)絡(luò)對以特征點(diǎn)為中心的圖像塊學(xué)習(xí)不變性特征。具體內(nèi)容如下:（1）為了學(xué)習(xí)異源圖像塊之間魯棒的共享特征,本章提出了漸進(jìn)式融合的特征判別（SCFDM）模型。SCFDM模型中的漸進(jìn)式融合特征網(wǎng)絡(luò)在保持異源圖像低級特征特異性的同時(shí),能夠逐漸融合高級特征以得到更有效的異源圖像語義特征;其中,特征判別網(wǎng)絡(luò)可以使特征網(wǎng)絡(luò)更好的提取異源圖像塊的共享特征,并防止模型過擬合;度量網(wǎng)絡(luò)則計(jì)算所提取特征的相似性,從而判斷輸入圖像塊的匹配程度。實(shí)驗(yàn)結(jié)果表明,SCFDM模型不僅在圖像塊匹配任務(wù)上取得了明顯優(yōu)勢,還能成功應(yīng)用于異源圖像配準(zhǔn)。（2）借鑒L2-Net良好的泛化性能,本章提出了基于改進(jìn)L2-Net模型的異源圖像配準(zhǔn)方法。本方法在L2-Net模型的基礎(chǔ)上,提出了對稱損失來... 

【文章來源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：80 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號對照表
縮略語對照表
第一章 緒論
    1.1 異源圖像配準(zhǔn)研究背景和意義
    1.2 圖像配準(zhǔn)的研究現(xiàn)狀
    1.3 異源圖像配準(zhǔn)的難點(diǎn)
    1.4 本文工作及章節(jié)安排
第二章 圖像配準(zhǔn)相關(guān)理論
    2.1 引言
    2.2 圖像配準(zhǔn)及方法分類
        2.2.1 圖像配準(zhǔn)的定義
        2.2.2 圖像配準(zhǔn)的傳統(tǒng)方法總結(jié)
    2.3 基于圖像塊匹配的圖像配準(zhǔn)流程
        2.3.1 特征點(diǎn)的檢測
        2.3.2 特征點(diǎn)的描述
        2.3.3 特征點(diǎn)的匹配
        2.3.4 模型參數(shù)估計(jì)
        2.3.5 空間變換和灰度插值
    2.4 基于深度學(xué)習(xí)的圖像塊匹配
        2.4.1 描述子學(xué)習(xí)
        2.4.2 度量學(xué)習(xí)
    2.5 圖像配準(zhǔn)的評價(jià)指標(biāo)
    2.6 本章小結(jié)
第三章 基于SCFDM模型的異源圖像配準(zhǔn)
    3.1 引言
    3.2 SCFDM模型
        3.2.1 特征網(wǎng)絡(luò)
        3.2.2 度量網(wǎng)絡(luò)
        3.2.3 特征判別網(wǎng)絡(luò)
    3.3 圖像塊匹配實(shí)驗(yàn)
        3.3.1 數(shù)據(jù)集介紹
        3.3.2 訓(xùn)練參數(shù)設(shè)置
        3.3.3 Ablation study
        3.3.4 VIS-NIR圖像塊數(shù)據(jù)集
        3.3.5 Brown數(shù)據(jù)集
    3.4 異源圖像配準(zhǔn)實(shí)驗(yàn)
        3.4.1 配準(zhǔn)數(shù)據(jù)集介紹及實(shí)驗(yàn)設(shè)置
        3.4.2 VIS-NIR配準(zhǔn)數(shù)據(jù)集
        3.4.3 異源遙感數(shù)據(jù)集
    3.5 本章小結(jié)
第四章 基于改進(jìn)L2-Net模型的異源圖像配準(zhǔn)
    4.1 引言
    4.2 L2-Net模型介紹
        4.2.1 采樣策略
        4.2.2 log-likelihood損失函數(shù)
        4.2.3 CPR損失函數(shù)
    4.3 改進(jìn)的L2-Net模型
        4.3.1 對稱損失
        4.3.2 自適應(yīng)交叉熵?fù)p失函數(shù)
    4.4 異源圖像塊匹配實(shí)驗(yàn)
        4.4.1 Ablation study
        4.4.2 VIS-NIR圖像塊數(shù)據(jù)
        4.4.3 Brown數(shù)據(jù)集
    4.5 異源圖像配準(zhǔn)實(shí)驗(yàn)
        4.5.1 VIS-NIR配準(zhǔn)數(shù)據(jù)集
        4.5.2 異源遙感數(shù)據(jù)集
    4.6 本章小結(jié)
第五章 基于Soft Reg Net模型的異源圖像配準(zhǔn)
    5.1 引言
    5.2 Soft Reg Net模型
        5.2.1 網(wǎng)絡(luò)結(jié)構(gòu)
        5.2.2 精細(xì)標(biāo)簽
        5.2.3 損失函數(shù)
        5.2.4 均衡困難樣本挖掘
    5.3 圖像塊匹配實(shí)驗(yàn)
        5.3.1 Ablation study
        5.3.2 VIS-NIR圖像塊數(shù)據(jù)集
        5.3.3 Brown數(shù)據(jù)集
    5.4 異源圖像配準(zhǔn)實(shí)驗(yàn)
        5.4.1 VIS-NIR配準(zhǔn)數(shù)據(jù)集
        5.4.2 異源遙感數(shù)據(jù)集
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 工作展望
參考文獻(xiàn)
致謝
作者簡介


【參考文獻(xiàn)】：
期刊論文
[1]應(yīng)用于多源SAR圖像匹配的級聯(lián)SIFT算法[J]. 王峰,尤紅建,傅興玉,許寧.  電子學(xué)報(bào). 2016(03)
[2]基于改進(jìn)SURF算法的遙感圖像配準(zhǔn)[J]. 陽吉斌,胡訪宇,朱高.  電子測量技術(shù). 2012(03)
[3]一種基于NSCT和SIFT的遙感圖像配準(zhǔn)算法[J]. 梁棟,顏普,朱明,胡根生.  儀器儀表學(xué)報(bào). 2011(05)
[4]多源圖像配準(zhǔn)技術(shù)分析與展望[J]. 倪國強(qiáng),劉瓊.  光電工程. 2004(09)
[5]基于最大化對齊度的多模態(tài)圖像自動(dòng)配準(zhǔn)[J]. 王東峰,鄒謀炎.  電子與信息學(xué)報(bào). 2003(06)

博士論文
[1]基于結(jié)構(gòu)特征的異源圖像配準(zhǔn)技術(shù)研究[D]. 朱憲偉.國防科學(xué)技術(shù)大學(xué) 2009

碩士論文
[1]基于梯度互信息的SAR與可見光圖像配準(zhǔn)[D]. 孫銘.西安電子科技大學(xué) 2015
[2]基于SIFT和歸一化互信息的SAR圖像配準(zhǔn)算法研究[D]. 王云飛.西安電子科技大學(xué) 2014



本文編號：3392360