本文選題：SAR圖像 + 顯著區(qū)域��； 參考：《西安電子科技大學(xué)》2014年碩士論文

【摘要】：合成孔徑雷達(SAR)采用微波主動成像技術(shù),具有全天候、全天時、對地表和云層的穿透、高分辨率,側(cè)視成像等特點,其成像條件不受天氣或者能見度的影響,在遙感任務(wù)中得到了越來越廣泛的應(yīng)用。由于同一SAR系統(tǒng)在不同時期、不同視角經(jīng)過同一區(qū)域時存在一定的幾何形變,該問題的解決是圖像融合、變化檢測、地物分類等后續(xù)SAR圖像處理的先決條件,因此,SAR圖像配準(zhǔn)是圖像處理領(lǐng)域一個非常重要的研究課題。通過對現(xiàn)有配準(zhǔn)的深入學(xué)習(xí)和研究,本文從區(qū)域角度探索解決不同時相SAR圖像的配準(zhǔn)問題,并做了相關(guān)仿真實驗。本文的主要工作有以下內(nèi)容:1.從顯著區(qū)域分割的角度在浮動圖像中提取區(qū)域,并用橢圓化的區(qū)域作為模板進行在參考圖像中進行模板匹配,通過對浮動圖像和參考圖像構(gòu)建小波金字塔,在不同分辨率上利用綜合學(xué)習(xí)粒子群算法對匹配區(qū)域進行粗搜索和精搜索,在最頂層確定最佳匹配區(qū)域?qū)?在其余層利用浮動圖像中對應(yīng)的該最佳區(qū)域繼續(xù)進行區(qū)域搜索,最后利用匹配橢圓區(qū)域的中心點、長軸端點、短軸端點計算最終變換參數(shù)。對Radarsat-2衛(wèi)星分別于2008和2009年所拍攝的黃河入�？诘膱D像進行了實驗,實驗結(jié)果驗證了本方法可以對SAR圖像進行快速有效配準(zhǔn)。2.提出采用基于灰度直方圖眾數(shù)排序的方法進行區(qū)域匹配,可以在兩個區(qū)域分割效果并不是很一致的情況下很好地度量其相似性;對子區(qū)域圖像對提出采用比值圖像熵為相似度量函數(shù),搜索算法為提出的改進后綜合學(xué)習(xí)粒子群算法。所提出的配準(zhǔn)方法,用子圖像對的配準(zhǔn)代替原圖像對的配準(zhǔn),有效提高了配準(zhǔn)效率,之后借助特征點在子圖像對和原圖像對中的不同坐標(biāo),將子圖像對的配準(zhǔn)參數(shù)轉(zhuǎn)化為原圖像對的配準(zhǔn)參數(shù)。對Radarsat-2衛(wèi)星分別于2008和2009年所拍攝的黃河入�？诘膱D像進行了實驗,實驗結(jié)果驗證了本方法的有效性。
[Abstract]:The synthetic Aperture Radar (SAR) uses active microwave imaging technology. It has the characteristics of all-weather, all-day penetration of the surface and clouds, high resolution, side view imaging, etc. The imaging conditions are not affected by weather or visibility. It has been used more and more widely in remote sensing mission. Due to the geometric deformation of the same SAR system in different periods and different angles of view passing through the same region, the solution to this problem is a prerequisite for subsequent SAR image processing, such as image fusion, change detection, ground object classification and so on. Therefore, SAR image registration is a very important research topic in the field of image processing. Through the in-depth study and research on the existing registration, this paper explores and solves the registration problem of different phase SAR images from the regional point of view, and makes relevant simulation experiments. The main work of this paper is as follows: 1. The region is extracted from the floating image from the angle of significant region segmentation, and the elliptical region is used as template to match the template in the reference image, and the wavelet pyramid is constructed by floating image and reference image. At different resolution, the matching region is searched rough and fine by comprehensive learning particle swarm optimization algorithm, the best matching region pair is determined at the top level, and the region search is continued in the other layers using the corresponding region in the floating image. Finally, the final transformation parameters are calculated by matching the center point, long axis end point and short axis end point of the elliptic region. Experiments were carried out on the Yellow River entrance images taken by Radarsat-2 satellite in 2008 and 2009 respectively. The experimental results show that the proposed method can be used to quickly and effectively register the SAR images. This paper proposes a method of region matching based on gray histogram mode ranking, which can measure the similarity of the two regions when the segmentation effect is not very consistent. The ratio image entropy is used as similarity measure function for sub-region image pairs and the improved comprehensive learning particle swarm optimization algorithm is proposed for searching. In the proposed registration method, the registration of the original image pair is replaced by the registration of the sub-image pair, and the registration efficiency is effectively improved, and then the different coordinates of the sub-image pair and the original image pair are obtained with the help of the feature points. The registration parameters of sub-image pairs are transformed into the registration parameters of the original image pairs. Experiments were carried out on the Yellow River entrance images taken by Radarsat-2 satellite in 2008 and 2009 respectively. The experimental results show that the proposed method is effective.
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TN957.52

【相似文獻】

相關(guān)期刊論文 前10條

1 程芳,朱敏慧,吳一戎;改進的多項式圖像配準(zhǔn)方法[J];電子與信息學(xué)報;2001年11期

2 劉斌,彭嘉雄;圖像配準(zhǔn)的小波分解方法[J];計算機輔助設(shè)計與圖形學(xué)學(xué)報;2003年09期

3 諶安軍;;基于多尺度圖像配準(zhǔn)方法[J];電子測量技術(shù);2003年05期

4 諶安軍,陳煒,毛士藝;一種基于邊緣的圖像配準(zhǔn)方法[J];電子與信息學(xué)報;2004年05期

5 劉松濤;楊紹清;;圖像配準(zhǔn)技術(shù)性能評估及實現(xiàn)概況[J];電光與控制;2007年03期

6 李玲玲;黃其民;李保;;多傳感器圖像配準(zhǔn)方法綜述[J];光盤技術(shù);2007年02期

7 劉松濤;楊紹清;;圖像配準(zhǔn)技術(shù)研究進展[J];電光與控制;2007年06期

8 上官晉太;郭慧;岳晉;楊汝良;;圖像配準(zhǔn)測度對重疊面積變化的魯棒性分析[J];光電工程;2008年11期

9 李曉明;張繼福;;一種基于學(xué)習(xí)的自動圖像配準(zhǔn)檢驗方法[J];自動化學(xué)報;2008年01期

10 徐海黎;花國然;莊健;王孫安;;采用小世界免疫克隆算子的頻率域圖像配準(zhǔn)[J];西安交通大學(xué)學(xué)報;2009年06期

相關(guān)會議論文 前10條

1 付宇光;唐煥文;唐一源;;一種優(yōu)化算法在圖像配準(zhǔn)中的應(yīng)用[A];第二十屆中國控制會議論文集（上）[C];2001年

2 桂秋陽;邱志明;;大口徑艦炮圖像配準(zhǔn)方式射擊精度仿真[A];中國系統(tǒng)仿真學(xué)會第五次全國會員代表大會暨2006年全國學(xué)術(shù)年會論文集[C];2006年

3 彭靜;徐曉艷;任蕾;;一種基于極對數(shù)分?jǐn)?shù)階傅里葉變換的圖像配準(zhǔn)方法[A];第七屆和諧人機環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2011)論文集【oral】[C];2011年

4 王佳佳;廖寧放;廉玉生;劉子龍;;基于八通道成像光譜儀圖像配準(zhǔn)技術(shù)研究[A];中國光學(xué)學(xué)會2010年光學(xué)大會論文集[C];2010年

5 馮麗麗;姜慧研;李季;;一種自適應(yīng)的非剛性圖像配準(zhǔn)方法及其在肝臟配準(zhǔn)中的應(yīng)用[A];第九屆全國信息獲取與處理學(xué)術(shù)會議論文集Ⅱ[C];2011年

6 翟勝軍;姜暉;張鑫;;一種基于角點的圖像配準(zhǔn)方法[A];武漢(南方九省)電工理論學(xué)會第22屆學(xué)術(shù)年會、河南省電工技術(shù)學(xué)會年會論文集[C];2010年

7 吳錚;錢徽;朱淼良;;基于特征匹配的航空圖像配準(zhǔn)[A];第十二屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2005年

8 楊必武;倪志斌;;圖像配準(zhǔn)中基于最大熵的模板選取算法研究[A];2006年全國光電技術(shù)學(xué)術(shù)交流會會議文集（D 光電信息處理技術(shù)專題）[C];2006年

9 李紅波;倪國強;;圖像配準(zhǔn)中特征點匹配分析與展望[A];第三屆全國嵌入式技術(shù)和信息處理聯(lián)合學(xué)術(shù)會議論文集[C];2009年

10 滕凱風(fēng);張建秋;周柏楊;王友華;;基于免疫單純形法的魯棒多分辨率圖像配準(zhǔn)[A];2007'儀表，自動化及先進集成技術(shù)大會論文集（一）[C];2007年

相關(guān)博士學(xué)位論文 前10條

1 叢偉建;應(yīng)用于肝臟介入診療的超聲圖像分析與導(dǎo)航方法研究[D];北京理工大學(xué);2015年

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

3 周武;精密圖像配準(zhǔn)方法研究及在精密電子組裝中的應(yīng)用[D];華南理工大學(xué);2012年

4 黃曉陽;在體肝臟圖像配準(zhǔn)方法及應(yīng)用研究[D];廈門大學(xué);2009年

5 朱憲偉;基于結(jié)構(gòu)特征的異源圖像配準(zhǔn)技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2009年

6 王東峰;多模態(tài)和大型圖像配準(zhǔn)技術(shù)研究[D];中國科學(xué)院研究生院（電子學(xué)研究所）;2002年

7 王雷;影像導(dǎo)航手術(shù)中2D/3D圖像配準(zhǔn)[D];中國科學(xué)院研究生院(長春光學(xué)精密機械與物理研究所);2015年

8 楊曉梅;幾何變分方法在圖像配準(zhǔn)中的應(yīng)用[D];華東師范大學(xué);2014年

9 張浩;多信息融合圖像邊緣特征提取及圖像配準(zhǔn)研究與應(yīng)用[D];浙江大學(xué);2008年

10 王運;超光譜圖像系統(tǒng)幾何校正與圖像配準(zhǔn)方法研究[D];中國科學(xué)院研究生院（長春光學(xué)精密機械與物理研究所）;2011年

相關(guān)碩士學(xué)位論文 前10條

1 楊小麗;基于輪廓的SAR圖像配準(zhǔn)方法研究[D];天津理工大學(xué);2015年

2 張海濱;圖像配準(zhǔn)技術(shù)在前列腺DWI序列圖像中的研究與應(yīng)用[D];河北大學(xué);2015年

3 汪松;在圖像配準(zhǔn)中基于點特征的匹配算法[D];鄭州大學(xué);2015年

4 王菲;一種改進的紅外圖像配準(zhǔn)拼接算法研究[D];蘭州大學(xué);2015年

5 �；圪t;基于分?jǐn)?shù)階傅里葉變換的剛性圖像配準(zhǔn)技術(shù)[D];鄭州大學(xué);2015年

6 郭莉莉;基于人工蜂群算法的SPECT-B超甲狀腺圖像配準(zhǔn)[D];河北大學(xué);2015年

7 何永亮;基于特征點和TPE兩點熵的圖像配準(zhǔn)技術(shù)研究[D];華中師范大學(xué);2015年

8 胡鐘琴;基于互信息和粒子群算法的圖像配準(zhǔn)研究[D];廣西大學(xué);2015年

9 商磊;基于改進SIFT算法的圖像配準(zhǔn)研究[D];電子科技大學(xué);2014年

10 陳海斌;圖像分割和圖像配準(zhǔn)在近距離放射治療中的應(yīng)用研究[D];南方醫(yī)科大學(xué);2015年

，

本文編號：1949827