【摘要】：現(xiàn)階段隨著傳感器技術(shù)和算法的不斷發(fā)展,可以獲得越來越豐富的圖像種類。圖像的應(yīng)用領(lǐng)域也隨之變得非常廣泛,主要應(yīng)用在虛擬現(xiàn)實和增強現(xiàn)實、醫(yī)學(xué)病理分析、衛(wèi)星遙感等方面;在這之中圖像拼接、圖像融合、目標識別等技術(shù)的發(fā)展尤為迅速。而圖像配準作為圖像應(yīng)用的重要基礎(chǔ),其性能的優(yōu)劣也直接影響了后續(xù)的功能實現(xiàn),所以圖像配準技術(shù)的研究有著重要的意義。本文針對不同視角獲取的光學(xué)圖像,進行配準算法的研究。論文的主要工作如下:(1)分別實現(xiàn)了Harris角點算法、尺度不變特征(Scale-Invariant Feature Transform,SIFT)算法及加速穩(wěn)健特征(Speeded Up Robust Features,SURF)算法,并且利用相同的數(shù)據(jù)對這三種算法的性能進行了詳細對比、對其性能的差別進行了分析。(2)針對可見光多光譜衛(wèi)星影像點特征豐富的特性,使用Harris角點算法與SIFT算子結(jié)合的方式進行匹配;對于誤匹配問題,利用基于三角區(qū)域表征(Triangle Area Representation,TAR)的仿射不變性去除誤匹配點對,并且與隨機抽樣一致(Random Sample Consensus,RANSAC)算法性能的對比,證明了本文算法在精度方面具有更優(yōu)的表現(xiàn)。(3)普通光學(xué)圖像中目標通常具有明顯的線條特征,本文研究了一種直線段匹配的方法,首先使用直線檢測(Line Segment Detector,LSD)算法提取圖像的線特征,結(jié)合視覺顯著性算法剔除長度小于閾值的線段;利用高斯混合模型(Gaussian Mixed Model,GMM)進行參數(shù)的優(yōu)化,實現(xiàn)圖像的配準。(4)針對存在一定視角差的普通光學(xué)圖像,為了彌補傳統(tǒng)點配準的缺陷,本文使用點線結(jié)合的方法進行配準。首先利用直線配準獲得的變換模型參數(shù)對待配準圖像進行變換后,在參考圖像和變換后的待配準圖像上提取Harris點特征,并完成配準。通過實驗對比,本文的算法較傳統(tǒng)的點配準算法具有更好的配準精度。
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TP391.41;TP212
【圖文】：

圖 2-1 圖像配準的基本流程像配準的關(guān)鍵技術(shù)像匹配技術(shù)目前的圖像配準算法來看，按照配準所依據(jù)的特征信息的種類來本上可以分為以下三種：）基于圖像灰度的配準算法。該方法是人工對參考圖像進行區(qū)域作為匹配的模板；之后模板在待配準的圖像內(nèi)進行全局的運動。而判斷匹配的度量一般有相關(guān)系數(shù)、協(xié)方差等等。）基于圖像特征的配準算法。該方法的思想是利用圖像中的局部表征圖像的全局關(guān)系，這里的局部信息通常是圖像中的顯著特征點、線、閉合區(qū)域等等。特征提取通常是在灰度圖像中進行的，合，然后用合理的匹配原則將不同集合中的特征選擇并且對應(yīng)起征的像素則利用特征的匹配關(guān)系得到的圖像變換關(guān)系進行插值

第二章 圖像配準關(guān)鍵技術(shù)介紹雜度有很大的差別，需要按需求來選擇。值法。這種插值方法是三種方法最簡單的一內(nèi)插點 p 的最鄰近像素點 m 的灰度表示新位p mI I出，這種方法實現(xiàn)非常簡單，但是其缺點也值法。該算法由內(nèi)插點 p 被包圍的上、下、將該鄰域中的灰度差異假定為是均勻變化 p 與其他幾個點的距離關(guān)系計算出來。雙線

圖 2-3 立方卷積插值法計算圖以看出，假定內(nèi)插點 p 的灰度值是pI ，那么 1,2,3,4; 1,2,3,4 mijI i j ， x 、 y 分別表示向和列方向上的距離值，那么：pI ABC義如下面公式所示：A w 1 x w x w 1 x w 2 x 11 12 13 1421 22 23 2431 32 33 3441 42 43 44m m m mm m m mm m m mm m m mI I I II I I IBI I I II I I I
【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 徐鵬飛;;圖像處理中幾種幾何變換的實現(xiàn)[J];電腦知識與技術(shù);2017年35期

2 王思潔;方莉娜;陳崇成;黃明偉;;基于結(jié)構(gòu)化場景的單幅圖像建筑物三維重建[J];地球信息科學(xué)學(xué)報;2016年08期

3 安維勝;余讓明;伍玉鈴;;基于FAST和SURF的圖像配準算法[J];計算機工程;2015年10期

4 許佳佳;張葉;張赫;;基于改進Harris-SIFT算子的快速圖像配準算法[J];電子測量與儀器學(xué)報;2015年01期

5 余先川;呂中華;胡丹;;遙感圖像配準技術(shù)綜述[J];光學(xué)精密工程;2013年11期

6 申艷平;;醫(yī)學(xué)圖像配準技術(shù)[J];中國醫(yī)學(xué)物理學(xué)雜志;2013年01期

7 陳書林;劉元波;溫作民;;衛(wèi)星遙感反演土壤水分研究綜述[J];地球科學(xué)進展;2012年11期

8 王凌;陳震;危水根;黃靜;;基于改進最大互信息法的MR切片圖像配準[J];生物醫(yī)學(xué)工程學(xué)雜志;2012年02期

9 柏連發(fā);韓靜;張毅;陳錢;;采用改進梯度互信息和粒子群優(yōu)化算法的紅外與可見光圖像配準算法[J];紅外與激光工程;2012年01期

10 焦繼超;趙保軍;周剛;;一種傅里葉——梅林變換空間圖像快速配準算法[J];兵工學(xué)報;2010年12期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 宋智禮;圖像配準技術(shù)及其應(yīng)用的研究[D];復(fù)旦大學(xué);2010年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 姚宇;基于特征點提取的圖像配準技術(shù)及應(yīng)用[D];國防科學(xué)技術(shù)大學(xué);2010年

本文編號：2860337