圖像配準(zhǔn)指的是對不同時間、不同傳感器或是不同視角捕獲的有重疊區(qū)域的同一場景圖像尋找最優(yōu)幾何變換的過程。圖像配準(zhǔn)技術(shù)是圖像處理的一個關(guān)鍵步驟,主要應(yīng)用于遙感、軍事、醫(yī)學(xué)分析、計算機視覺等領(lǐng)域。遙感圖像配準(zhǔn)不但是遙感圖像處理的主要研究內(nèi)容,也是圖像融合、目標(biāo)檢測識別、圖像鑲嵌、場景重建等諸多實際應(yīng)用問題能否順利解決的關(guān)鍵。近年來,隨著遙感攝影技術(shù)的快速發(fā)展,獲取遙感圖像的方式也越來越多樣化,所拍攝得到的圖像間灰度差異明顯,同時由于圖像間存在旋轉(zhuǎn)、尺度、噪聲等變化,這使得圖像配準(zhǔn)面臨巨大挑戰(zhàn),成為現(xiàn)階段研究熱點。SIFT算法是基于圖像局部特征配準(zhǔn)使用最廣的一種方法,對旋轉(zhuǎn)、尺度縮放、光照變化能夠保持穩(wěn)定性,但是其計算復(fù)雜度高。本文通過對SIFT算法和基于LBPH特征的人臉識別算法進行分析,提出利用LBPH特征進行圖像配準(zhǔn)的方法。本文算法主要有以下創(chuàng)新:第一,通過分析研究CS-LBP算子的實現(xiàn)方法,提出一種新的更加簡單的4-LBP算子;第二,利用新的4-LBP特征結(jié)合圖像空間信息構(gòu)成一種特征向量維度更簡單的LBPH特征;第三,通過將SIFT算法和新的LBPH特征相結(jié)合實現(xiàn)圖像配準(zhǔn)。為了驗證本文... 

【文章來源】：南昌大學(xué)江西省 211工程院校

【文章頁數(shù)】：53 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２．１原始ＬＢＰ特征描述??

?第２章相關(guān)概念???１．原始ＬＢＰ特征??原始ＬＢＰ算子是指在一個３?ｘ?３像素的區(qū)域內(nèi)，把該區(qū)域中心像素灰度值設(shè)??定為閾值，接著比較中心像素灰度值與其周圍的８個像素的灰度值的大小，如??果中心像素灰度值比周圍像素灰度值大，則周圍像素點的位置標(biāo)記為０，反之??標(biāo)記為１。通過這樣的處理，３ｘ３區(qū)域內(nèi)的周圍８像素點可以產(chǎn)生８個二進制??位，將它們按照一定的順序排列就會形成一個二進制數(shù)，這樣就得到了中心像??素的ＬＢＰ值。該ＬＢＰ值總共有２８種可能，即ＬＢＰ值有２５６種。如圖２．１詳細(xì)展??示了這一方法實現(xiàn)原理。中心像素值為５，四周８個像素的值分別與５比較，??大于５，設(shè)置為１，反之為０。??一??１?｜?２?｜?２?｜?｜?０?Ｉ?０?｜?０?｜?＼??ＪＴＴｊ＾ＭＵＪＺＩ?）?ｏＳａ＾ｒ０１１??三２■丄?ｍ備??圖２．１原始ＬＢＰ特征描述??２．圓形ＬＢＰ特征??基本ＬＢＰ算子只是計算了固定半徑范圍內(nèi)的區(qū)域，很難滿足多種尺寸和多??種頻率紋理需求。為了解決這一不足，Ｏｊａｌａ在原始ＬＢＰ算子的基礎(chǔ)上進行了??一定的改進，他將鄰域范圍擴大到任意區(qū)域，同時不再局限于正方形區(qū)域而是??使用了圓形區(qū)域，改進之后ＬＢＰ算子在圓形區(qū)域內(nèi)不是固定數(shù)量的像素點，而??是可以有任意多個像素點。圖２．２展示了幾種圓形ＬＢＰ算子。??國國國??ＬＢＰｓｌ?ＬＢＩＷ?ＬＢＰｉ??圖２．２不同ＬＢＰ算子??１３??

?第２章相關(guān)概念???下面以一個５?ｘ?５的鄰域舉一個例子，如圖２。３。??圓??圖２．３圓形ＬＢＰ??對于一個點它的近鄰點（ｘｐ，ｙｐ），ｐｅＰ可以用以下公式計算：??ｘ?＝ｘｃ?＋Ｒｃｏｓ（＾＾－）?（２－１６）??Ｐ??ｙＰ：ｙｃ－Ｒｓｉｎ（＾＾）?（２－１７）??其中Ｒ為半徑，ｐ是樣本點的個數(shù)。??由于通過上面的式子求得的坐標(biāo)可能是小數(shù)，因此可以通過雙線性插值來??求該采樣點的像素值：??／Ｙ?、ｎ?］「／（〇，〇）?／（〇，ｉ）ｐ－／｜?，…??／（ｘ，神—ｘ?ｘ］Ｕ。）則１」?（２－１８）??３．ＬＢＰ旋轉(zhuǎn)不變模式??由于編碼的起始點是固定的，因此編碼值在經(jīng)過旋轉(zhuǎn)之后會產(chǎn)生不同的編??碼值。為了解決這一問題，把同一編碼模式旋轉(zhuǎn)后產(chǎn)生的編碼值的最小值作為??同一值。圖２．４是旋轉(zhuǎn)不變ＬＢＰ特征的示意圖。在圖中，最開始ＬＢＰ的值是??２２５，該ＬＢＰ值無論如何旋轉(zhuǎn)也只能有８種不同的ＬＢＰ值，而這８種不同的??ＬＢＰ值中最小的值是１５，因此該旋轉(zhuǎn)不變的ＬＢＰ的值就是１５。??Ｏ?°?Ｏ??〇?＞?°．?．?／??？?（＞?Ｉ￣￣Ｉ??〇?°?〇?？?°?Ｏ?？?？?〇?雌等霉?？傷參?〇?？魯?ｏ?°?？??泰?ｏ?？?〇？?ｏ?？?ｏ?〇?？?ｏ?？?〇?？??？?？?？?？參?〇?？?〇?〇?〇?〇?Ｏ?〇?〇?〇?°?°?？??２４０?１２０?６０?ＪＯ?１５?１３５?ｌ＾Ｓ??１５??圖２．４旋轉(zhuǎn)不變ＬＢＰ示意圖??１４??

【參考文獻】：
期刊論文
[1]基于尺度不變特征變換和區(qū)域互信息優(yōu)化的多源遙感圖像配準(zhǔn)[J]. 趙遼英,呂步云,厲小潤,陳淑涵.  物理學(xué)報. 2015(12)
[2]基于改進Harris-SIFT算子的快速圖像配準(zhǔn)算法[J]. 許佳佳,張葉,張赫.  電子測量與儀器學(xué)報. 2015(01)
[3]遙感圖像配準(zhǔn)技術(shù)綜述[J]. 余先川,呂中華,胡丹.  光學(xué)精密工程. 2013(11)

碩士論文
[1]高分辨率遙感圖像配準(zhǔn)技術(shù)的研究[D]. 劉占強.北京郵電大學(xué) 2019
[2]基于卷積神經(jīng)網(wǎng)絡(luò)和SIFT的多源遙感圖像配準(zhǔn)研究[D]. 蘇燕飛.南昌大學(xué) 2018
[3]基于點特征和局部結(jié)構(gòu)信息的遙感圖像配準(zhǔn)[D]. 葛毓歡.西安電子科技大學(xué) 2018
[4]基于SIFT算法的無人機遙感圖像配準(zhǔn)[D]. 陳裕.中南大學(xué) 2009



本文編號：3277716