【摘要】：多源圖像配準(zhǔn)是將多源成像傳感器在不同成像視角、不同成像時(shí)間下獲取的不同分辨率的(多粒度)、物理特性迥異的(異質(zhì))數(shù)據(jù)實(shí)現(xiàn)時(shí)空對(duì)齊的過(guò)程,已發(fā)展成為圖像處理領(lǐng)域的重要研究分支。對(duì)這些異質(zhì)多粒度數(shù)據(jù)進(jìn)行多源融合后具有信息互補(bǔ)和整體展示的優(yōu)勢(shì),然而獲得這種優(yōu)勢(shì)的前提是多源圖像配準(zhǔn),即多源時(shí)空一致性映射。多源圖像配準(zhǔn)技術(shù)可應(yīng)用于軍民兩用領(lǐng)域,如國(guó)土測(cè)繪、安保監(jiān)視、對(duì)地監(jiān)測(cè)、低空避險(xiǎn)、應(yīng)急救援、防災(zāi)減災(zāi)、地形匹配、戰(zhàn)場(chǎng)偵察、海洋維權(quán)等,可為我國(guó)提升全天時(shí)、全天候環(huán)境感知能力提供關(guān)鍵技術(shù)支撐。相比同源圖像配準(zhǔn)研究,多源圖像配準(zhǔn)的研究尚未成熟。由于多源數(shù)據(jù)異質(zhì)、多粒度且時(shí)空不一致,造成多源時(shí)空配準(zhǔn)精度低甚至完全失效。因此,深入開展復(fù)雜環(huán)境下多源時(shí)空配準(zhǔn)方法的研究具有十分重要的意義。論文的主要工作如下:多源異質(zhì)多粒度數(shù)據(jù)具有特征與質(zhì)量差異大的特點(diǎn),這種特點(diǎn)造成干擾配準(zhǔn)的因素眾多,導(dǎo)致采用單一特征度量和約束的傳統(tǒng)多源配準(zhǔn)方法誤配率高甚至匹配失效的問(wèn)題。針對(duì)上述問(wèn)題,提出了一種基于多特征聯(lián)合約束的多源時(shí)空?qǐng)D像配準(zhǔn)算法。該方法基于Harris角點(diǎn)檢測(cè)算法對(duì)多源時(shí)空?qǐng)D像進(jìn)行角點(diǎn)檢測(cè),利用構(gòu)建的位置、距離和互信息的多特征約束,實(shí)現(xiàn)誤匹配的角點(diǎn)剔除,采用隨機(jī)抽樣一致性算法進(jìn)行迭代擬合,從而減小控制點(diǎn)估計(jì)誤差,最終精確估計(jì)出映射矩陣。對(duì)谷歌光學(xué)圖像和星載SAR實(shí)測(cè)圖像的配準(zhǔn)結(jié)果表明,該多源配準(zhǔn)方法有效地剔除了誤匹配的角點(diǎn)對(duì),實(shí)現(xiàn)了對(duì)多源映射矩陣的穩(wěn)健估計(jì),從而達(dá)到了亞像素級(jí)配準(zhǔn)精度。針對(duì)某些SAR圖像特征點(diǎn)缺乏,如草地、沙漠、湖泊以及海洋等場(chǎng)景,造成傳統(tǒng)基于特征的配準(zhǔn)方法難以有效獲取特征點(diǎn)。利用衡量變量間相互倚賴程度的互信息作為相似性度量和幾何變換參數(shù)的智能搜索算法,避免了特征點(diǎn)缺乏的問(wèn)題。將互信息作為相似性測(cè)度,然后用智能方法來(lái)搜尋幾何變換參數(shù),擺脫了傳統(tǒng)基于特征的配準(zhǔn)方法對(duì)較均勻場(chǎng)景配準(zhǔn)失配率高的困局。然而,現(xiàn)有基于互信息的智能搜索配準(zhǔn)方法存在相似性度量魯棒性差和局部收斂的缺陷。為此,納入臨近像素作為互信息統(tǒng)計(jì)區(qū)域(區(qū)域互信息)以增強(qiáng)相似性度量的魯棒性;利用量子的隨機(jī)性覆蓋整個(gè)搜索空間,通過(guò)量子粒子群智能搜索算法以高概率獲得幾何變換參數(shù)的全局最優(yōu)解。利用區(qū)域互信息,結(jié)合量子粒子群算法,提出了基于區(qū)域互信息的智能搜索圖像配準(zhǔn)方法。對(duì)美國(guó)圣地亞實(shí)驗(yàn)室VideoSAR實(shí)測(cè)圖像配準(zhǔn)的結(jié)果表明,該方法具有相似性度量描述準(zhǔn)確和全局迅速收斂的優(yōu)勢(shì),達(dá)到了亞像素級(jí)的配準(zhǔn)效果。
【圖文】：

（a）原始圖像 （b）剛體變換圖像圖 2.1剛體變換（2）仿射變換仿射變換，具有保持平行直線在映射前后特性不發(fā)生改變的優(yōu)點(diǎn)。若目標(biāo)某坐標(biāo)為 x, y ，經(jīng)過(guò)變換后坐標(biāo)為 ' 'x ,y ，那么它的數(shù)學(xué)模型為：'11 12 13'21 22 231 0 0 1 1x a a a xy a a a y (2公式(2-5)中，11a 和22a 代表伸縮量，分別表示沿 x 軸和 y 軸方向的比例系數(shù)21a 代表錯(cuò)切量，分別指沿 x 軸和 y 軸的錯(cuò)切系數(shù)；13a 和23a 代表位移量，，分別和y軸的位移。仿射變換可以看成是由平移、旋轉(zhuǎn)和縮放三部分組成，經(jīng)仿射變換后圖像中

（a）原始圖像 （b）仿射變換圖像圖 2.2仿射變換（3）投影變換投影變換，是指將三維立體映射到投影面從而獲取二維平面圖像，直線在該變作下維持不變，然而其平行關(guān)系通常發(fā)生改變。若目標(biāo)某點(diǎn)變換前坐標(biāo)為 x, 過(guò)變換后坐標(biāo)為 ' 'x ,y ，那么它的數(shù)學(xué)模型為：11 1 12 1 13231 1 21 1 3321 1 22 1 23231 1 21 1 33a x a y axa x a y aa x a y aya x a y a (2公式(2-6)中，變換參數(shù)11a 、12a 、13a 、21a 、22a 、23a 、31a 、33a 是由實(shí)際圖像的常數(shù)。
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP391.41;TP212

【參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 陸和平;高磊;;基于互相關(guān)的多源遙感圖像匹配的改進(jìn)算法[J];航天控制;2009年02期

2 張雍吉;范晉湘;段連飛;;基于區(qū)域特征的光學(xué)圖像與SAR圖像配準(zhǔn)算法[J];合肥學(xué)院學(xué)報(bào)(自然科學(xué)版);2008年04期

3 李曉明;鄭鏈;胡占義;;基于SIFT特征的遙感影像自動(dòng)配準(zhǔn)[J];遙感學(xué)報(bào);2006年06期

4 于秋則,程輝,田金文,柳健;基于邊緣特征的SAR圖像與光學(xué)圖像的匹配[J];雷達(dá)科學(xué)與技術(shù);2003年04期

相關(guān)碩士學(xué)位論文 前2條

1 張楠;基于灰度特征的SAR圖像配準(zhǔn)方法研究[D];西安電子科技大學(xué);2014年

2 余婷;基于特征的遙感圖像自動(dòng)配準(zhǔn)技術(shù)研究[D];浙江大學(xué);2013年

本文編號(hào)：2690497