基于卷積神經(jīng)網(wǎng)絡(luò)的聲吶圖像配準(zhǔn)研究
發(fā)布時(shí)間：2021-06-23 19:57
聲吶圖像配準(zhǔn)旨在找到源圖像映射到移動圖像的最佳全局變換模型,是聲吶圖像處理的基礎(chǔ)環(huán)節(jié),也是海洋資源探測的重要技術(shù)手段。從圖像配準(zhǔn)的空間變換參數(shù)以及相似度測量兩個(gè)角度出發(fā)研究了它的應(yīng)用,并相繼研究了基于回歸-校正網(wǎng)絡(luò)的聲吶圖像配準(zhǔn)算法和基于相似性排序模型的相似度計(jì)算方法。本文的主要工作可以概括為:（1）在聲吶圖像配準(zhǔn)中引入分級處理的策略,設(shè)計(jì)了一個(gè)基于回歸-校正網(wǎng)絡(luò)的聲吶圖像配準(zhǔn)算法�；貧w網(wǎng)絡(luò)用于預(yù)測配準(zhǔn)對的3D幾何變換參數(shù),校正網(wǎng)絡(luò)包括幾何變換網(wǎng)絡(luò)和比較網(wǎng)絡(luò),根據(jù)圖像對的相似度對變換參數(shù)進(jìn)行校正。通過兩個(gè)網(wǎng)絡(luò)的組合優(yōu)化,實(shí)現(xiàn)由粗到細(xì)的配準(zhǔn)。在兩種聲吶數(shù)據(jù)集上和三種配準(zhǔn)方法進(jìn)行對比實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果驗(yàn)證了該算法的有效性。（2）基于相似性排序模型的相似度計(jì)算方法:研究了一個(gè)能夠表征圖像相似度的模型。通過將基于三元組的排名損失函數(shù)引入到多尺度深度神經(jīng)網(wǎng)絡(luò)中,監(jiān)督學(xué)習(xí)相似度信息實(shí)現(xiàn)相似性的度量。在兩種聲吶數(shù)據(jù)集上和三種經(jīng)典相似度量函數(shù)、三中經(jīng)典相似度計(jì)算方法進(jìn)行對比實(shí)驗(yàn),驗(yàn)證了該算法的有效性。
【文章來源】：杭州電子科技大學(xué)浙江省
【文章頁數(shù)】：59 頁
【學(xué)位級別】：碩士
【部分圖文】：
圖像配準(zhǔn)流程圖
插值、雙線性插值。下面將簡單介紹一下這些方法。最近鄰插值計(jì)算簡單，易于實(shí)現(xiàn)，常用于對標(biāo)注圖像執(zhí)行形變時(shí)插值。雙線性插值是一種重采樣方法，它使用四個(gè)最近像素值的距離加權(quán)平均值來估計(jì)新的像素值。首先在一個(gè)方向上執(zhí)行線性插值，然后再另一個(gè)方向上再次執(zhí)行線性插值。盡管在每一個(gè)步驟上的采樣值都是線性的，但是整體的插值不是線性的[31]。雙線性插值方法在圖像配準(zhǔn)中應(yīng)用較為廣泛。2.2圖像配準(zhǔn)方法研究2.2.1傳統(tǒng)圖像配準(zhǔn)算法根據(jù)具體應(yīng)用的不同，傳統(tǒng)配準(zhǔn)方法有不同的側(cè)重點(diǎn)。但基本上的配準(zhǔn)流程是一致的，如圖2.2所示。下面將從基于相關(guān)的方法、基于互信息的方法和基于小波的方法三個(gè)方面簡單介紹傳統(tǒng)的圖像配準(zhǔn)算法�；谙嚓P(guān)的方法：該方法常用于配準(zhǔn)單峰圖像或用于比較多個(gè)圖像是否相似，它在醫(yī)學(xué)領(lǐng)域在分析和治療疾病方面具有巨大的用途。該方法從圖像中提取的特征經(jīng)常被用來獲得圖像相關(guān)的互相關(guān)系數(shù)。例如，文獻(xiàn)[32]提出了一種使用圖像子頻率的估計(jì)方法，該方法基于傅里葉域，通過采用多信號分類器算法，以適度的計(jì)算復(fù)雜度為代價(jià)獲得了更準(zhǔn)確的配準(zhǔn)結(jié)果�；诟盗⑷~的技術(shù)以及搜索算法也早已被用來評估兩個(gè)輸入圖像之間的轉(zhuǎn)換[33]�；诨バ畔⒌姆椒ǎ夯谙嗷バ畔⒌拇胧┛捎糜趲椭隗w素的配準(zhǔn)。如特征匹配步驟中所提到的，可以有效地利用相互信息來建立參考特征與測試圖像之間的對應(yīng)關(guān)系。事實(shí)證明，相關(guān)方法對于多模式配準(zhǔn)無效。但是，基于互信息的方法不會遇到這種問題，而是可以在多模式配準(zhǔn)任務(wù)中有效執(zhí)行。已經(jīng)采用梯度下降優(yōu)化方法來最大化互信息[34]�；诖翱诤徒鹱炙姆椒ㄓ糜谑褂没バ畔�(shí)現(xiàn)圖像配準(zhǔn)[35]。圖像之間的標(biāo)準(zhǔn)化互信息已用于圖像配準(zhǔn)的圖2.2傳統(tǒng)基于特征的配準(zhǔn)流程圖
杭州電子科技大學(xué)碩士學(xué)位論文12圖2.3監(jiān)督學(xué)習(xí)配準(zhǔn)流程圖例如，Nguyen[38]提出了一種基于弱監(jiān)督學(xué)習(xí)的新穎可變形圖像配準(zhǔn)方法，所提出的方法利用切片插值來改善具有劇烈和大的結(jié)構(gòu)變化的圖像之間的配準(zhǔn)。另外，該方法僅需要粗略配準(zhǔn)的數(shù)據(jù)來訓(xùn)練插值網(wǎng)絡(luò)，而變形網(wǎng)絡(luò)可以以無監(jiān)督的方式進(jìn)行訓(xùn)練。Li[39]提出了一種基于完全卷積網(wǎng)絡(luò)（Fullyconvolutionalnetwork，F(xiàn)CN）的新穎的非剛性圖像配準(zhǔn)算法，該方法將目標(biāo)函數(shù)設(shè)定為參考圖像和移動圖像之間的相似度，通過最大化兩圖像之間的圖像相似度來直接估計(jì)圖像對之間的空間變換。Sokooti[40]提出了一種在人工位移矢量場（displacementvectorfield，DVF）的指導(dǎo)下進(jìn)行監(jiān)督的非剛性圖像配準(zhǔn)方法，為此提出并比較了三種網(wǎng)絡(luò)架構(gòu)。人工DVF允許以完全監(jiān)督和體素密集的方式進(jìn)行訓(xùn)練，但比一般創(chuàng)建密集標(biāo)記的數(shù)據(jù)所需的成本低。所提出的體系結(jié)構(gòu)被嵌入到多階段方法中，以增加所提出的網(wǎng)絡(luò)的捕獲范圍，以便更準(zhǔn)確地預(yù)測更大的位移等等，表2.1給出了著名作品的描述。參考文獻(xiàn)[41-45]根據(jù)變換的模型和使用的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行分類，展示了不同方法的相似性與區(qū)別。如文獻(xiàn)[41]是實(shí)時(shí)的監(jiān)督學(xué)習(xí)變換，為可變性模型，使用的神經(jīng)網(wǎng)絡(luò)模型為CNN。而文獻(xiàn)[45]是實(shí)時(shí)和合成變換，針對剛體變換模型，使用的神經(jīng)網(wǎng)絡(luò)為11-layerCNNResNet-18。表2.1監(jiān)督學(xué)習(xí)方法RefSupervisionTransformModel[41]RealTransformDeformableCNN[42]SyntheticTransformsDeformableGoogleNet[43]Real+SyntheticTransformsDeformableFCN[44]Real+SyntheticTransformRigid6-layerCNN10-layerFCN[45]Real+SyntheticTransformRigid11-layerCNNResNet-18監(jiān)督學(xué)習(xí)允許跨應(yīng)用程序時(shí)進(jìn)行實(shí)時(shí)可靠的配準(zhǔn)。但是，這種方法存在一定的局限性。首先，監(jiān)督?
【參考文獻(xiàn)】：
期刊論文
[1]基于模板匹配約束下的光學(xué)與SAR圖像配準(zhǔn)[J]. 楊勇,胡思茹. 系統(tǒng)工程與電子技術(shù). 2019(10)
[2]基于頻譜和空域特征匹配的圖像配準(zhǔn)算法[J]. 陳澤鋒,吳慶陽,陳順治,李奇鋒,盧曉婷,黃浩濤. 激光與光電子學(xué)進(jìn)展. 2020(02)
[3]基于決策樹的景象匹配算法性能評估方法研究[J]. 鄒輝,吳奇峰,張一飛,明德烈. 計(jì)算機(jī)與數(shù)字工程. 2016(11)
[4]一種結(jié)合區(qū)域選擇和SIFT算法的遙感圖像配準(zhǔn)方法[J]. 樊東昊,朱建軍,郭南男,周璀,周靖鴻. 工程勘察. 2015(02)
[5]一種基于線狀目標(biāo)特征點(diǎn)集的聲吶圖像配準(zhǔn)方法[J]. 蘆俊,叢衛(wèi)華. 聲學(xué)與電子工程. 2014(04)
[6]醫(yī)學(xué)圖像配準(zhǔn)技術(shù)的研究與應(yīng)用進(jìn)展[J]. 章榮海,潘義廣,張軍. 電腦知識與技術(shù). 2012(18)
[7]基于區(qū)域選擇和特征點(diǎn)匹配的圖像配準(zhǔn)算法[J]. 劉貴喜,王蕾. 光電子.激光. 2007(08)
碩士論文
[1]基于3D卷積神經(jīng)網(wǎng)絡(luò)的海馬體配準(zhǔn)技術(shù)研究[D]. 姜巖蕓.山東師范大學(xué) 2019
[2]高分辨率遙感圖像配準(zhǔn)技術(shù)的研究[D]. 劉占強(qiáng).北京郵電大學(xué) 2019
[3]基于改進(jìn)SIFT和深度學(xué)習(xí)的SAR圖像配準(zhǔn)研究[D]. 張姣姣.西安電子科技大學(xué) 2018
[4]一種基于灰度相關(guān)性和特征點(diǎn)的SAR圖像配準(zhǔn)方法[D]. 易成龍.國防科學(xué)技術(shù)大學(xué) 2009
[5]邊緣與灰度信息結(jié)合的SAR圖像配準(zhǔn)方法研究[D]. 鄧鵬.中國科學(xué)院研究生院（電子學(xué)研究所） 2003
本文編號：3245563
【文章來源】：杭州電子科技大學(xué)浙江省
【文章頁數(shù)】：59 頁
【學(xué)位級別】：碩士
【部分圖文】：
圖像配準(zhǔn)流程圖
插值、雙線性插值。下面將簡單介紹一下這些方法。最近鄰插值計(jì)算簡單，易于實(shí)現(xiàn)，常用于對標(biāo)注圖像執(zhí)行形變時(shí)插值。雙線性插值是一種重采樣方法，它使用四個(gè)最近像素值的距離加權(quán)平均值來估計(jì)新的像素值。首先在一個(gè)方向上執(zhí)行線性插值，然后再另一個(gè)方向上再次執(zhí)行線性插值。盡管在每一個(gè)步驟上的采樣值都是線性的，但是整體的插值不是線性的[31]。雙線性插值方法在圖像配準(zhǔn)中應(yīng)用較為廣泛。2.2圖像配準(zhǔn)方法研究2.2.1傳統(tǒng)圖像配準(zhǔn)算法根據(jù)具體應(yīng)用的不同，傳統(tǒng)配準(zhǔn)方法有不同的側(cè)重點(diǎn)。但基本上的配準(zhǔn)流程是一致的，如圖2.2所示。下面將從基于相關(guān)的方法、基于互信息的方法和基于小波的方法三個(gè)方面簡單介紹傳統(tǒng)的圖像配準(zhǔn)算法�；谙嚓P(guān)的方法：該方法常用于配準(zhǔn)單峰圖像或用于比較多個(gè)圖像是否相似，它在醫(yī)學(xué)領(lǐng)域在分析和治療疾病方面具有巨大的用途。該方法從圖像中提取的特征經(jīng)常被用來獲得圖像相關(guān)的互相關(guān)系數(shù)。例如，文獻(xiàn)[32]提出了一種使用圖像子頻率的估計(jì)方法，該方法基于傅里葉域，通過采用多信號分類器算法，以適度的計(jì)算復(fù)雜度為代價(jià)獲得了更準(zhǔn)確的配準(zhǔn)結(jié)果�；诟盗⑷~的技術(shù)以及搜索算法也早已被用來評估兩個(gè)輸入圖像之間的轉(zhuǎn)換[33]�；诨バ畔⒌姆椒ǎ夯谙嗷バ畔⒌拇胧┛捎糜趲椭隗w素的配準(zhǔn)。如特征匹配步驟中所提到的，可以有效地利用相互信息來建立參考特征與測試圖像之間的對應(yīng)關(guān)系。事實(shí)證明，相關(guān)方法對于多模式配準(zhǔn)無效。但是，基于互信息的方法不會遇到這種問題，而是可以在多模式配準(zhǔn)任務(wù)中有效執(zhí)行。已經(jīng)采用梯度下降優(yōu)化方法來最大化互信息[34]�；诖翱诤徒鹱炙姆椒ㄓ糜谑褂没バ畔�(shí)現(xiàn)圖像配準(zhǔn)[35]。圖像之間的標(biāo)準(zhǔn)化互信息已用于圖像配準(zhǔn)的圖2.2傳統(tǒng)基于特征的配準(zhǔn)流程圖
杭州電子科技大學(xué)碩士學(xué)位論文12圖2.3監(jiān)督學(xué)習(xí)配準(zhǔn)流程圖例如，Nguyen[38]提出了一種基于弱監(jiān)督學(xué)習(xí)的新穎可變形圖像配準(zhǔn)方法，所提出的方法利用切片插值來改善具有劇烈和大的結(jié)構(gòu)變化的圖像之間的配準(zhǔn)。另外，該方法僅需要粗略配準(zhǔn)的數(shù)據(jù)來訓(xùn)練插值網(wǎng)絡(luò)，而變形網(wǎng)絡(luò)可以以無監(jiān)督的方式進(jìn)行訓(xùn)練。Li[39]提出了一種基于完全卷積網(wǎng)絡(luò)（Fullyconvolutionalnetwork，F(xiàn)CN）的新穎的非剛性圖像配準(zhǔn)算法，該方法將目標(biāo)函數(shù)設(shè)定為參考圖像和移動圖像之間的相似度，通過最大化兩圖像之間的圖像相似度來直接估計(jì)圖像對之間的空間變換。Sokooti[40]提出了一種在人工位移矢量場（displacementvectorfield，DVF）的指導(dǎo)下進(jìn)行監(jiān)督的非剛性圖像配準(zhǔn)方法，為此提出并比較了三種網(wǎng)絡(luò)架構(gòu)。人工DVF允許以完全監(jiān)督和體素密集的方式進(jìn)行訓(xùn)練，但比一般創(chuàng)建密集標(biāo)記的數(shù)據(jù)所需的成本低。所提出的體系結(jié)構(gòu)被嵌入到多階段方法中，以增加所提出的網(wǎng)絡(luò)的捕獲范圍，以便更準(zhǔn)確地預(yù)測更大的位移等等，表2.1給出了著名作品的描述。參考文獻(xiàn)[41-45]根據(jù)變換的模型和使用的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行分類，展示了不同方法的相似性與區(qū)別。如文獻(xiàn)[41]是實(shí)時(shí)的監(jiān)督學(xué)習(xí)變換，為可變性模型，使用的神經(jīng)網(wǎng)絡(luò)模型為CNN。而文獻(xiàn)[45]是實(shí)時(shí)和合成變換，針對剛體變換模型，使用的神經(jīng)網(wǎng)絡(luò)為11-layerCNNResNet-18。表2.1監(jiān)督學(xué)習(xí)方法RefSupervisionTransformModel[41]RealTransformDeformableCNN[42]SyntheticTransformsDeformableGoogleNet[43]Real+SyntheticTransformsDeformableFCN[44]Real+SyntheticTransformRigid6-layerCNN10-layerFCN[45]Real+SyntheticTransformRigid11-layerCNNResNet-18監(jiān)督學(xué)習(xí)允許跨應(yīng)用程序時(shí)進(jìn)行實(shí)時(shí)可靠的配準(zhǔn)。但是，這種方法存在一定的局限性。首先，監(jiān)督?
【參考文獻(xiàn)】：
期刊論文
[1]基于模板匹配約束下的光學(xué)與SAR圖像配準(zhǔn)[J]. 楊勇,胡思茹. 系統(tǒng)工程與電子技術(shù). 2019(10)
[2]基于頻譜和空域特征匹配的圖像配準(zhǔn)算法[J]. 陳澤鋒,吳慶陽,陳順治,李奇鋒,盧曉婷,黃浩濤. 激光與光電子學(xué)進(jìn)展. 2020(02)
[3]基于決策樹的景象匹配算法性能評估方法研究[J]. 鄒輝,吳奇峰,張一飛,明德烈. 計(jì)算機(jī)與數(shù)字工程. 2016(11)
[4]一種結(jié)合區(qū)域選擇和SIFT算法的遙感圖像配準(zhǔn)方法[J]. 樊東昊,朱建軍,郭南男,周璀,周靖鴻. 工程勘察. 2015(02)
[5]一種基于線狀目標(biāo)特征點(diǎn)集的聲吶圖像配準(zhǔn)方法[J]. 蘆俊,叢衛(wèi)華. 聲學(xué)與電子工程. 2014(04)
[6]醫(yī)學(xué)圖像配準(zhǔn)技術(shù)的研究與應(yīng)用進(jìn)展[J]. 章榮海,潘義廣,張軍. 電腦知識與技術(shù). 2012(18)
[7]基于區(qū)域選擇和特征點(diǎn)匹配的圖像配準(zhǔn)算法[J]. 劉貴喜,王蕾. 光電子.激光. 2007(08)
碩士論文
[1]基于3D卷積神經(jīng)網(wǎng)絡(luò)的海馬體配準(zhǔn)技術(shù)研究[D]. 姜巖蕓.山東師范大學(xué) 2019
[2]高分辨率遙感圖像配準(zhǔn)技術(shù)的研究[D]. 劉占強(qiáng).北京郵電大學(xué) 2019
[3]基于改進(jìn)SIFT和深度學(xué)習(xí)的SAR圖像配準(zhǔn)研究[D]. 張姣姣.西安電子科技大學(xué) 2018
[4]一種基于灰度相關(guān)性和特征點(diǎn)的SAR圖像配準(zhǔn)方法[D]. 易成龍.國防科學(xué)技術(shù)大學(xué) 2009
[5]邊緣與灰度信息結(jié)合的SAR圖像配準(zhǔn)方法研究[D]. 鄧鵬.中國科學(xué)院研究生院（電子學(xué)研究所） 2003
本文編號：3245563
本文鏈接：http://sikaile.net/kejilunwen/zidonghuakongzhilunwen/3245563.html
最近更新
教材專著
