本文關(guān)鍵詞：基于梯度互信息的SAR與可見光圖像配準(zhǔn)，，由筆耕文化傳播整理發(fā)布。

【摘要】：圖像配準(zhǔn)是圖像處理領(lǐng)域的關(guān)鍵技術(shù),用于實(shí)現(xiàn)兩幅或者是多幅圖像之間的匹配,廣泛應(yīng)用于醫(yī)學(xué)圖像分析、遙感、計(jì)算機(jī)視覺、精確制導(dǎo)定位等領(lǐng)域。異源圖像是指來自成像機(jī)理不同的傳感器的圖像,相比于同源圖像,異源圖像所提供的圖像信息具有可靠性、互補(bǔ)性和冗余性。對(duì)異源圖像進(jìn)行融合,可以獲得更加全面、可靠和準(zhǔn)確的圖像描述。圖像配準(zhǔn)作為圖像融合的前提,配準(zhǔn)精度直接決定后續(xù)應(yīng)用的效果。異源圖像之間的灰度、對(duì)比度差異較大,關(guān)聯(lián)性較小,本文提出一種互信息與梯度空間信息相結(jié)合的相似性測(cè)度用于SAR與可見光圖像的配準(zhǔn),配準(zhǔn)過程中不僅考慮灰度信息的相關(guān)性,而且考慮空間信息的相關(guān)性,具有較好的配準(zhǔn)結(jié)果。仿真實(shí)驗(yàn)表明,相比于傳統(tǒng)的互信息配準(zhǔn)方法,當(dāng)SAR圖像中存在的乘性斑點(diǎn)噪聲較少時(shí),這種梯度與互信息相結(jié)合的配準(zhǔn)方法的配準(zhǔn)函數(shù)曲線更加平滑,峰值更加尖銳,易于尋找出最優(yōu)的配準(zhǔn)參數(shù)。因此,這種方法可以降低灰度對(duì)比度的影響,有效提升了異源配準(zhǔn)的精確度和準(zhǔn)確率。但是,梯度互信息配準(zhǔn)對(duì)噪聲十分敏感,當(dāng)SAR圖像中存在較多的乘性斑點(diǎn)噪聲時(shí),配準(zhǔn)過程很容易陷入局部極值,無法獲得正確的配準(zhǔn)參數(shù)。為了消除斑點(diǎn)噪聲的影響,本文采用了平穩(wěn)小波(SWT)貝葉斯萎縮降斑的方法,首先分析了SAR圖像在平穩(wěn)小波變換域中的統(tǒng)計(jì)模型,推導(dǎo)出基于貝葉斯估計(jì)的信號(hào)最小均方誤差(MMSE)的模糊萎縮因子,然后再根據(jù)相鄰尺度間小波系數(shù)的相關(guān)性,采用分區(qū)域模糊萎縮思想,很好地得到無斑點(diǎn)真實(shí)信號(hào)小波系數(shù)的估計(jì)。實(shí)驗(yàn)結(jié)果表明,采用小波模糊萎縮降斑,可以有效抑制SAR圖像中的斑點(diǎn)噪聲,并較好保留邊緣梯度信息,有效提高了SAR與可見光圖像配準(zhǔn)的準(zhǔn)確率和魯棒性。當(dāng)參與配準(zhǔn)的圖像尺寸較大時(shí),梯度互信息方法的計(jì)算量較大,為了提高配準(zhǔn)效率,本文采用了高斯金字塔分解的方法,對(duì)圖像進(jìn)行由粗到精的配準(zhǔn)策略。首先利用高斯核函數(shù)對(duì)圖像做分解處理,得到兩個(gè)分解尺度的圖像金字塔結(jié)構(gòu)。然后從圖像金字塔的最底層到最高層逐層進(jìn)行配準(zhǔn)搜索,每一層的配準(zhǔn)搜索都是在上一層得到的最優(yōu)配準(zhǔn)參數(shù)的鄰域范圍內(nèi)進(jìn)行,配準(zhǔn)精度逐層提升。為了驗(yàn)證上述方法的有效性,本文采用三組SAR與可見光圖像進(jìn)行仿真實(shí)驗(yàn),通過實(shí)驗(yàn)比較,采用高斯金字塔分解的方法,可以明顯提高梯度互信息方法的配準(zhǔn)速度,配準(zhǔn)時(shí)間縮小兩到三倍。
【關(guān)鍵詞】：圖像配準(zhǔn) 互信息 梯度信息 降斑 高斯金字塔分解
【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】：2015
【分類號(hào)】：TN957.52
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 符號(hào)對(duì)照表10-11
• 縮略語對(duì)照表11-14
• 第一章 緒論14-20
• 1.1 研究背景及意義14-15
• 1.2 國(guó)內(nèi)外圖像配準(zhǔn)研究現(xiàn)狀及發(fā)展趨勢(shì)15-17
• 1.2.1 國(guó)內(nèi)外圖像配準(zhǔn)研究現(xiàn)狀15-16
• 1.2.2 圖像配準(zhǔn)面臨的難題及發(fā)展趨勢(shì)16-17
• 1.3 研究?jī)?nèi)容及本文結(jié)構(gòu)17-20
• 第二章 圖像配準(zhǔn)的技術(shù)理論20-36
• 2.1 圖像配準(zhǔn)的描述20-25
• 2.1.1 圖像配準(zhǔn)的定義20
• 2.1.2 圖像配準(zhǔn)的空間變換類型20-22
• 2.1.3 圖像的灰度插值方法22-25
• 2.2 圖像配準(zhǔn)方法分類25-30
• 2.2.1 基于特征的圖像配準(zhǔn)方法25-27
• 2.2.2 基于灰度的圖像配準(zhǔn)方法27-29
• 2.2.3 基于變換域的圖像配準(zhǔn)方法29-30
• 2.3 圖像配準(zhǔn)的主要框架及過程30-32
• 2.4 圖像配準(zhǔn)的評(píng)價(jià)32-34
• 2.5 本章小結(jié)34-36
• 第三章 基于梯度與互信息相結(jié)合的圖像配準(zhǔn)方法36-48
• 3.1 互信息的基本理論36-38
• 3.1.1 熵36-37
• 3.1.2 互信息的定義37
• 3.1.3 互信息的基本性質(zhì)37-38
• 3.2 圖像梯度的基本理論38-40
• 3.3 基于梯度與互信息相結(jié)合的異源圖像配準(zhǔn)方法40-47
• 3.3.1 梯度與互信息相結(jié)合的異源配準(zhǔn)測(cè)度40-42
• 3.3.2 基于梯度與互信息相結(jié)合的異源配準(zhǔn)過程42-43
• 3.3.3 基于梯度互信息配準(zhǔn)的實(shí)驗(yàn)結(jié)果43-47
• 3.4 本章小結(jié)47-48
• 第四章 基于SWT貝葉斯降斑的金字塔梯度互信息配準(zhǔn)方法48-64
• 4.1 SAR圖像斑點(diǎn)噪聲抑制的基本理論48-50
• 4.1.1 基于小波域SAR圖像斑點(diǎn)噪聲抑制算法簡(jiǎn)介48-49
• 4.1.2 平穩(wěn)小波變換（SWT）域中的統(tǒng)計(jì)模型49-50
• 4.2 基于SWT貝葉斯估計(jì)萎縮的降斑算法50-54
• 4.2.1 SWT貝葉斯估計(jì)50-52
• 4.2.2 萎縮因子52-53
• 4.2.3 區(qū)域劃分53-54
• 4.3 基于SWT貝葉斯萎縮降斑的金字塔梯度互信息的圖像配準(zhǔn)方法54-61
• 4.3.1 高斯金字塔分解的基本原理54-55
• 4.3.2 基于SWT貝葉斯萎縮降斑的金字塔梯度互信息的配準(zhǔn)過程55-56
• 4.3.3 異源圖像配準(zhǔn)實(shí)驗(yàn)結(jié)果及算法評(píng)價(jià)56-61
• 4.4 本章小結(jié)61-64
• 第五章 總結(jié)與展望64-66
• 5.1 論文研究結(jié)論64-65
• 5.2 研究工作展望65-66
• 參考文獻(xiàn)66-70
• 致謝70-72
• 作者簡(jiǎn)介72-73

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前10條

1 許斌;徐萬朋;郗麗娜;陳向?qū)?;基于BPT分割的SAR與可見光圖像配準(zhǔn)方法[J];四川兵工學(xué)報(bào);2014年03期

2 廉藺;李國(guó)輝;張軍;涂丹;;基于邊緣最優(yōu)映射的紅外和可見光圖像自動(dòng)配準(zhǔn)算法[J];自動(dòng)化學(xué)報(bào);2012年04期

3 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

4 湯敏;;結(jié)合形態(tài)學(xué)梯度互信息和多分辨率尋優(yōu)的圖像配準(zhǔn)新方法[J];自動(dòng)化學(xué)報(bào);2008年03期

5 胡永祥;湯井田;蔣鴻;;利用高維互信息的多模態(tài)醫(yī)學(xué)圖像配準(zhǔn)[J];計(jì)算機(jī)工程與應(yīng)用;2007年24期

6 高峰;文貢堅(jiān);呂金建;;基于干線對(duì)的紅外與可見光最優(yōu)圖像配準(zhǔn)算法[J];計(jì)算機(jī)學(xué)報(bào);2007年06期

7 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

8 王磊,張鈞萍,張曄;基于特征的SAR圖像與光學(xué)圖像自動(dòng)配準(zhǔn)[J];哈爾濱工業(yè)大學(xué)學(xué)報(bào);2005年01期

9 陳煜,田裕鵬;圖像融合中的圖像配準(zhǔn)方法研究[J];激光與紅外;2004年01期

10 俎棟林,余立鋒,王衛(wèi)東,鄧元木,尤江生,包尚聯(lián);基于輪廓特征的多模態(tài)醫(yī)學(xué)圖像的配準(zhǔn)[J];系統(tǒng)工程與電子技術(shù);2000年07期

  本文關(guān)鍵詞：基于梯度互信息的SAR與可見光圖像配準(zhǔn)，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：492953