【摘要】：圖像配準(zhǔn),顧名思義,即通過不同方式得到的2幅具有相同部分的圖像進(jìn)行匹配的過程,這些方式包括角度、方位或者時間的不同進(jìn)行采集。而圖像配準(zhǔn)僅僅是圖像處理過程中的一部分,其為圖像的融合及鑲嵌提供了基礎(chǔ)。對于遙感圖像來說,在生產(chǎn)實(shí)踐中,主要存在2種最具有代表性的分類:(1)合成孔徑雷達(dá)(syntheticapertureradar,SAR),(2)可見光圖像。SAR具備諸多優(yōu)點(diǎn):(1)其一整天均可以進(jìn)行采集所需要的信息,沒有時間的限制(2)對于時間的設(shè)置,在沒有人的情況下就可以進(jìn)行;(3)采集的數(shù)據(jù)和信息較為全面,呈現(xiàn)出的紋路較為清晰,然而,其也存在較多的缺陷,比如在所得到的圖像中,缺乏相關(guān)的光譜,以至于在色彩方面有稍微的不足,另外由于物體的微波反射特性,同一物體的SAR圖像會出現(xiàn)不一樣的表現(xiàn)形式。可見光圖像能直觀地對目標(biāo)進(jìn)行成像,含有豐富的光譜信息,但受大氣衰減、天氣狀況的影響較大,因此,兩者在各個領(lǐng)域中的應(yīng)用不言而喻,對促進(jìn)經(jīng)濟(jì)的發(fā)展具有舉足輕重的作用。本文從SAR與可見光圖像的實(shí)踐意義出發(fā),參考國內(nèi)和國外文獻(xiàn),研究了大量遙感影像在匹配方面的研究進(jìn)展,以此為基礎(chǔ),調(diào)研并分析了SAR與后者目前存留的不足,提出了改進(jìn)的方法。主要工作歸納為如下三個方面:(1)參考國內(nèi)和國外文獻(xiàn),比較了 SAR與可見光圖像這2者的研究趨勢,在研究過程中,將SIFT算法作為整個研究中的關(guān)鍵點(diǎn),該算法具備的典型特征是其在運(yùn)作過程中尺度是不會發(fā)生變化的,并在此過程中整理出他們各自的優(yōu)勢和不足。(2)為了解決SIFT算法應(yīng)用于SAR圖像配準(zhǔn)時出現(xiàn)很多誤匹配問題,以及匹配耗時過長,本研究將SIFT與FLANN進(jìn)行結(jié)合,設(shè)計出一種較為新型的算法。與傳統(tǒng)意義上的方法有一定的區(qū)別,其主要是通過采用SIFT的優(yōu)勢與FLANN的特性,在實(shí)際操作中,將兩者進(jìn)行緊密的結(jié)合,這種算法所達(dá)到的效果是及其有效的。其在實(shí)際操作中,分別將這2中方法所得到的圖像進(jìn)行處理,比如將SAR中的噪聲進(jìn)行過濾,但是在這個過濾的過程中,該圖像所生成的像素就會大大的降低,故此在這個過程中,我們就需要采取一定的措施,提高圖像的分辨率,而當(dāng)前,所有的技術(shù)中,FLANN在該方面的作用是有目共睹的,其主要在維數(shù)較高的向量領(lǐng)域中發(fā)揮作用,不會造成圖像失真的現(xiàn)象,故此將兩者進(jìn)行有效的結(jié)合,那么所得到的圖像幾乎是完美的。最后,采用改善之后的PROSAC算法,該方法的主要用途是將錯誤匹配得到的數(shù)據(jù)進(jìn)行刪除,以提高結(jié)果的準(zhǔn)確率。(3)為了進(jìn)一步提升SAR和可見光圖像的配準(zhǔn)精度,本文提出了 SIFT和Canny邊緣檢測相結(jié)合的配準(zhǔn)算法。在設(shè)計實(shí)驗(yàn)時,首先將特征點(diǎn)進(jìn)行挑選,故在檢測時,需要對SIFT算法進(jìn)行處理,選擇具有特征點(diǎn)的備選者,之后將其進(jìn)行下步處理,選出具有邊緣效果的備選者,采用的方法是Canny法,將生成的這些極具特征的點(diǎn)進(jìn)行比較,若這兩者的坐標(biāo)存在一致性,則將其進(jìn)行剔除。然后對剩下的關(guān)鍵點(diǎn)生成SIFT特征描述向量,最后利用FLANN算法實(shí)現(xiàn)快速匹配。通過實(shí)驗(yàn)及對比分析,結(jié)果表明:正文中所涉及的這2種算法,無論從準(zhǔn)確度方面還是從效率方面,均比傳統(tǒng)的SIFT算法優(yōu)秀。
【圖文】：

Ｇ．Ｌｏｗ邋在邋２００４邋年提出了邋ＳＩＦＴ邋（ＳｃａｌｅｌｎｖａｒｉａｎｔＦｅａｔｕｒ，即一種基于尺度空間的圖像局部特征描述算子［２７］，用ＳＩＦＴ算子，，能夠保證待檢測圖像在縮小，放大以可分為特征檢測、特征描述和匹配三大步，在第一步的度不變特征點(diǎn)檢測方法主要包括以下幾個過程：建立值進(jìn)行檢測得到最優(yōu)值、處理像素、各個參數(shù)的定位、差分尺度空間逡逑根據(jù)圖像尺度空間理論而提出的尺度不變特征變換算需要通過卷積可變尺度高斯函數(shù)Ｇ（ｘ，ｙ，0）與輸入圖像ｙ，ｃｒ）２３］，該函數(shù)定義為：逡逑Ｌ（ｘ，ｙ，ｏ）邋＝邋Ｇ（ｘ，ｙ，ａ）＊Ｉ（ｘ，ｙ）

；Ｄｉｆｆｅｒｅｎｃｅ逡逑ＧｉｕｓｓｉａｎｌＤＯＱ逡逑圖２．１尺度空間的構(gòu)建過程逡逑Ｆｉｇ２．１邋Ｔｈｅ邋ｃｏｎｓｔｒｕｃｔｉｏｎ邋ｐｒｏｃｅｓｓ邋ｏｆ邋ｓｃａｌｅ邋ｓｐａｃｅ逡逑Ｌｏｗｅ在卷積得到的三維尺度空間中尋找極大值，從而檢測出穩(wěn)定的特征點(diǎn)。逡逑１５逡逑
【學(xué)位授予單位】：合肥工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TP751;TN957.52

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 羅宇;陳勃;李山山;馮鐘葵;;基于空間約束SIFT的光學(xué)與SAR圖像配準(zhǔn)[J];計算機(jī)工程;2015年12期

2 程丹;范洪冬;鄧喀中;姚國標(biāo);;基于MSER的SAR影像配準(zhǔn)算法[J];測繪通報;2014年12期

3 宋智禮;;基于特征點(diǎn)與邊界信息的全自動多模態(tài)遙感圖像配準(zhǔn)方法[J];國土資源遙感;2014年03期

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

5 岳春宇;江萬壽;;幾何約束和改進(jìn)SIFT的SAR影像和光學(xué)影像自動配準(zhǔn)方法[J];測繪學(xué)報;2012年04期

6 王青松;瞿繼雙;黃海風(fēng);余安喜;董臻;;聯(lián)合實(shí)、復(fù)相關(guān)函數(shù)的干涉SAR圖像配準(zhǔn)方法[J];測繪學(xué)報;2012年04期

7 熊自明;萬剛;閆鶴;李明;;改進(jìn)SIFT算法的小型無人機(jī)航拍圖像自動配準(zhǔn)[J];測繪科學(xué)技術(shù)學(xué)報;2012年02期

8 莫會宇;王祝萍;;一種結(jié)合MSER與SIFT算子的特征檢測方法[J];東華大學(xué)學(xué)報(自然科學(xué)版);2011年05期

9 凌志剛;梁彥;程詠梅;潘泉;沈賀;;一種穩(wěn)健的多源遙感圖像特征配準(zhǔn)方法[J];電子學(xué)報;2010年12期

10 楊雪梅;龔俊斌;王鵬;田金文;;基于改進(jìn)SIFT的SAR圖像與可見光圖像配準(zhǔn)[J];航天控制;2010年06期

本文編號：2605195