遙感圖像配準技術因其實用性強、應用范圍廣等特點已經(jīng)成為目前的研究熱門。遙感圖像配準技術的發(fā)展在災害勘測方面有著廣泛應用。為了獲取更有效、更全面的災后遙感信息,在遙感圖像配準階段,本文提出了一種結合空間變換網(wǎng)絡和灰度投影的遙感圖像配準的方法,以及一種結合卷積神經(jīng)網(wǎng)絡和區(qū)域約束移動最小二乘法的遙感圖像配準方法。主要研究如下:1.為使圖像能夠參照變換模型實現(xiàn)自適應變換,減少配準時間,提出一種結合空間變換網(wǎng)絡和灰度投影的遙感圖像配準方法。采用空間變換網(wǎng)絡模型提取圖像特征并進行訓練得到仿射變換系數(shù),使待配準圖像能夠根據(jù)該仿射變換系數(shù)實現(xiàn)自適應仿射變換,達到初配準目的。為了得到更精確的配準效果,采用灰度投影算法進行二次校準,最后實現(xiàn)待配準圖像的精確配準。2.為了使移動最小二乘法在實現(xiàn)圖像配準時圖像局部不會因整體形變而產(chǎn)生變換,本文通過VGG16卷積神經(jīng)網(wǎng)絡模型提取特征,訓練得到關鍵特征點。將特征點預匹配得到控制點和目標點,采用區(qū)域邊界約束的方法對區(qū)域內(nèi)的圖像使用移動最小二乘法計算最佳變換模型,最后進行逐點仿射變換從而完成配準。實驗證明,本文提出的方法在配準過程中保持了配準精度的同時加快了配準的速度... 

【文章來源】：上海應用技術大學上海市

【文章頁數(shù)】：54 頁

【學位級別】：碩士

【部分圖文】：

不同遙感圖像配準方法的分類與應用Fig2.1Remotesensingimageregistrationclassificationandapplication圖像配準應用于很多不同的領域，如醫(yī)學圖像配準[34]、多源圖像信息分析[35]、目標識別[36]、資源定位[37]等

第8頁上海應用技術大學碩士學位論文圖像融合[38]、圖像拼接[39]等相關研究領域中的必需環(huán)節(jié)。2.1.2圖像配準方法圖像配準方法按照成像特點、轉化形式、形變類型等方面大致分為四個類型：基于圖像區(qū)域的配準方法[40-42]、基于圖像特征的配準方法[43-44]、基于混合模型的配準方法和基于物理模型的配準方法[45-47]，如圖2.2所示。本小節(jié)主要對前兩種圖像配準的方法和理論進行介紹。圖2.2圖像配準方法Fig2.2Imageregistrationmethod從圖中可以看出，目前研究比較深入的是基于區(qū)域和基于特征的圖像配準方法，而基于混合模型和基于物理模型的研究中尚未成熟，方法和思路較少。基于區(qū)域的圖像配準方法包括圖像域和頻域；基于特征的配準方法包括點特征、線特征、面特征和虛擬特征等。(1)基于區(qū)域的圖像配準方法基于區(qū)域的圖像配準方法以整幅圖像的灰度信息為依據(jù)，建立待配準圖像和基準參考圖像之間的相似性度量，利用搜索算法，尋找出最優(yōu)相似度量，再計算變換模型參數(shù)。算法思路如圖2.3所示：

上海應用技術大學碩士學位論文第9頁圖2.3基于圖像區(qū)域的配準方法流程圖Fig2.3Flowchartoftheregistrationmethodbasedonimagearea基于區(qū)域的配準方法也稱之為直接配準法，通過衡量兩幅圖像某一區(qū)域的相似性來構建變換模型，經(jīng)過不停的迭代搜索來求解一個最優(yōu)變換解。是在圖像配準領域中最早發(fā)展起來的一種圖像配準技�；趨^(qū)域的配準又主要包含基于圖像域和基于頻域兩類處理方法，其中比較經(jīng)典算法有最大互信息法、傅里葉變換相位相關法等。①最大互信息法[48]：最大互信息法以信息熵來衡量兩幅圖像的匹配程度。它通過查找最大的互信息，得到兩幅圖像的最佳匹配模型。主要步驟是先計算兩幅圖像的信息熵以及聯(lián)合熵，再根據(jù)邊緣概率密度和聯(lián)合概率密度求解兩幅圖像之間的互信息。②基于傅里葉變換相位相關法[49]：該方法依據(jù)傅里葉變換的平移、旋轉和縮放性質(zhì)來計算圖像間的變換參數(shù)，將空間變換計算公式轉變?yōu)闃O坐標下的傅里葉變換公式。最后通過兩幅圖像功率譜的反傅里葉變換所對應的峰值位置得到校正圖像的平移參數(shù)。雖然基于區(qū)域的配準方法實現(xiàn)較簡單，但配準速度比較慢，配準實時性較差。對于非線性變換、光照變換的圖像配準效果不明顯，魯棒性較差。(2)基于特征的配準方法基于圖像特征的配準方法是通過檢測顯著且穩(wěn)定的匹配特征來估計圖像之間的幾何變換。該方法通過特征提取，選取到多個具有代表特性的特征點。將這些特征點通過優(yōu)化算法進行篩選，得到精確的特征點對。將特征點進行匹配并計算幾何變換模型，最后進行坐標變換和插值得到配準結果。基于圖像特征的配準方法流程如圖2.4所示：

【參考文獻】：
期刊論文
[1]Multi-source Remote Sensing Image Registration Based on Contourlet Transform and Multiple Feature Fusion[J]. Huan Liu,Gen-Fu Xiao,Yun-Lan Tan,Chun-Juan Ouyang.  International Journal of Automation and Computing. 2019(05)
[2]改進的Harris算法在海洋遙感圖像處理中的應用[J]. 劉軍泉,劉曉華,黃小仙.  現(xiàn)代電子技術. 2019(18)
[3]卷積神經(jīng)網(wǎng)絡特征在遙感圖像配準中的應用[J]. 葉發(fā)茂,羅威,蘇燕飛,趙旭青,肖慧,閔衛(wèi)東.  國土資源遙感. 2019(02)
[4]基于T分布混合模型的多光譜人臉圖像配準[J]. 李巍,董明利,呂乃光,婁小平.  光學學報. 2019(07)
[5]基于閉合區(qū)域特征的光學和SAR遙感圖像配準[J]. 黨欣,馬洪兵.  電子設計工程. 2019(04)
[6]使用線約束運動最小二乘法的視差圖像拼接[J]. 樊逸清,李海晟,楚東東.  中國圖象圖形學報. 2019(01)
[7]基于超像素重建的多尺度B樣條醫(yī)學圖像配準[J]. 劉晨,張龍波,王雷,盧海濤.  智能計算機與應用. 2019(01)
[8]近色背景果實識別的多源圖像配準[J]. 馬正華,呂小俊,徐黎明,王藝潔,呂繼東.  計算機工程與設計. 2018(11)
[9]結合SIFT和Delaunay三角網(wǎng)的遙感圖像配準算法[J]. 祁曦,陳志云.  計算機系統(tǒng)應用. 2018(10)
[10]結合深度學習的非下采樣剪切波遙感圖像融合[J]. 陳清江,李毅,柴昱洲.  應用光學. 2018(05)

博士論文
[1]多模式遙感數(shù)據(jù)地震應急關鍵技術研究[D]. 李強.中國地震局工程力學研究所 2018

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡和SIFT的多源遙感圖像配準研究[D]. 蘇燕飛.南昌大學 2018
[2]基于紅外圖像的電子穩(wěn)像算法研究[D]. 黃楠.西安電子科技大學 2018



本文編號：3484291