近些年來,數(shù)字圖像技術(shù)不斷發(fā)展,針對計(jì)算機(jī)視覺的研究成果不斷應(yīng)用于各個(gè)領(lǐng)域,其中圖像配準(zhǔn)作為研究熱點(diǎn),更是在許多方面有著廣泛的應(yīng)用,包括圖像拼接、變化檢測、圖像融合、地圖繪制等。但是在圖像配準(zhǔn)中,由于成像時(shí)間以及成像角度的不同,圖像會產(chǎn)生旋轉(zhuǎn)、縮放、仿射等的變化,當(dāng)這些變化較大時(shí),就是本文需要研究的圖像存在的幾何畸變較大的情況,對于此種圖像進(jìn)行的配準(zhǔn)會產(chǎn)生針對同一對象提取到的特征點(diǎn)少以及誤匹配率較高帶來的配準(zhǔn)不準(zhǔn)確或者配準(zhǔn)失敗的問題。因此,本文的具體工作如下:首先,對數(shù)據(jù)集進(jìn)行制作與預(yù)處理。本文采用的數(shù)據(jù)集主要是針對大畸變圖像進(jìn)行配準(zhǔn)的公測數(shù)據(jù)集5組以及自制數(shù)據(jù)集2組。將所采用的大畸變圖像根據(jù)物體是否單一以及圖像的經(jīng)緯度變化進(jìn)行分類,此外,考慮到實(shí)際情況中不可避免的噪聲的存在會導(dǎo)致非常多的離群點(diǎn),現(xiàn)有算法采用先濾波后配準(zhǔn)的做法難以應(yīng)對不同種類、不同等級的噪聲,配準(zhǔn)效率低時(shí)間長,算法魯棒性不高。因此,將所采用的數(shù)據(jù)集分別加以不同種類以及不同等級的噪聲。最終得到包含105個(gè)樣本的數(shù)據(jù)集（35個(gè)加入不同等級的高斯噪聲,35個(gè)加入不同等級的椒鹽噪聲,35個(gè)加入不同等級的斑點(diǎn)噪聲）。其次,針對大... 

【文章來源】：大連海事大學(xué)遼寧省 211工程院校

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１．４論文研究思路??Ｆｉｇ．?１．４?Ｔｈｅ?ｒｅｓｅａｒｃｈ?ｉｄｅａｓ?ｏｆ?ｓｔｕｄｙ??１．４章節(jié)安排??

?大連海事大學(xué)專業(yè)學(xué)位碩士學(xué)位論文???下面是幾種常見的變換模型圖解：??＿原始圖像?全局變換?局部變換??國國函??（ａ）剛性變換??（ａ）?Ｒｉｇｉｄ?ｔｒａｎｓｆｏｒｍａｔｉｏｎ??｜?〇?ｉ?ｎｊ?［〇Ｔａ］｜?［〇ｕ］??１?丨?——Ｊ?［Ｌ－????（ｂ）仿射變換??（ｂ）?ａｆｆｉｎｅ?ｔｒａｎｓｆｏｒｍａｔｉｏｎ??丨?丨?１Ｌ—１—Ｊｌ?＾＾１??ｕ）投影變換??（ｃ）?Ｐｒｏｊｅｃｔｉｏｎ?ｔｒａｎｓｆｏｒｍａｔｉｏｎ??圖２．１變換模型圖解??Ｆｉｇ．?２．１?Ｔｒａｎｓｆｏｒｍａｔｉｏｎ?ｍｏｄｅｌ?ｄｉａｇｒａｍ??圖像變換的數(shù)學(xué)求解模型：??－Ｘ２＂｜?／ｑ?ｈｌｐｑ－??丫２?＝?ｋ３?ｋ４?ｋ５?（２．?１）??．１Ｊ?ｋ６?ｋ７?１?．１?＿??公式中，基準(zhǔn)圖像中某點(diǎn)的坐標(biāo)為（ｘｌ，ｙｌ），空間變換矩陣為Ｋ，經(jīng)過Ｋ的變??？／Ｃｑ?／Ｃｉ?＾２．??換后，待配準(zhǔn)圖像中對應(yīng)點(diǎn)的坐標(biāo)為（ｘ２，?ｙ２），矩陣Ｋ＝ｆｃ３?中，七個(gè)參數(shù)??．ｋ６?ｋ７?１．??的具體意義如下：??ｋ〇、ｋｌ、ｋ３、ｋ４代表的是圖像所發(fā)生的旋轉(zhuǎn)變換和尺度變換；ｋ２代表著圖像在水??平方向發(fā)生的平移，１＜５代表著圖像在垂直方向發(fā)生的平移；ｋ６代表著變形發(fā)生在圖像??的水平方向的參數(shù)，ｋ７代表著變形發(fā)生在圖像的垂直方向的參數(shù)。??－１１?－??

?基于ＡＳＩＦＴ－ＬＩＫＥ算法的大畸變圖像配準(zhǔn)???表２．１?７組大畸變圖像的具體信息??Ｔａｂ．?２．１?Ｔｈｅ?ｓｐｅｃｉｆｉｃ?ｉｎｆｏｍｉａｔｉｏ?ｎ?ｏｆ?ｔｈｅ?７?ｇｒｏｕｐ?ｄｉｓｔｏｒｔｉｏｎ?ｉｍａｇｅｓ??數(shù)據(jù)集?變換類型及參數(shù)??Ｍｉｋｏｌａｊｃｚｙｋ?數(shù)據(jù)集?Ｇｒａｆｆｉｔｉ?視點(diǎn)變化［０，２０，３０，４０，５０，６０］?６??ＭｏｒｅｌＹｕ數(shù)據(jù)集?ｍａｇａｚｉｎｅ－ｚｏｏｍｘ４?尺度＋韓虔變化?９??［０，１０，２０，３０，４０，５０，６０，７０，８０］??ＭｏｒｅｌＹｕ數(shù)據(jù)集?ｍａｇａｚｉｎｅ－ｔ４?緯度固定角度＋經(jīng)度變化?１０??［０，１０，２０，３０，４０，５０，６０，７０，８０，９０］??ＭｏｒｅｌＹｕ數(shù)據(jù)集?ｐａｉｎｔｉｎｇ－ｚｏｏｍｘ?１０?尺度＋韓度變化?９??［０，１０，２０，３０，４０，５０，６０，７０，８０］??ＭｏｒｅｌＹｕ?數(shù)據(jù)集?Ａｒｃｈｉｔｅｃｔｕｒｅ?２??自制數(shù)據(jù)集?Ｂｏｘ?存在視點(diǎn)變化?２??自制數(shù)據(jù)集?Ｂａｃｋｇｒｏｕｎｄ?存在視點(diǎn)變化?１??ｍｕ??圖２．２?Ｍｉｋｏｌａｊｃｚｙｋ數(shù)據(jù)集一組樣圖??Ｆｉｇ．?２．２?Ａ?ｓｅｔ?ｏｆ?ｓａｍｐｌｅ?ｍａｐｓ?ｏｆ?Ｍｉｋｏｌａｊｃｚｙｋ?ｄａｔａｓｅｔ??１４??

【參考文獻(xiàn)】：
期刊論文
[1]基于ASIFT算法的圖像特征匹配[J]. 張振寧.  現(xiàn)代計(jì)算機(jī)(專業(yè)版). 2018(02)
[2]一種基于ORB的快速大視角圖像匹配算法[J]. 曾慶化,陳艷,王云舒,劉建業(yè),劉昇.  控制與決策. 2017(12)
[3]GPU加速與L-ORB特征提取的全景視頻實(shí)時(shí)拼接[J]. 杜承垚,袁景凌,陳旻騁,李濤.  計(jì)算機(jī)研究與發(fā)展. 2017(06)
[4]基于全概率更新的改進(jìn)RANSAC算法[J]. 王可,賈松敏,李秀智.  控制與決策. 2017(03)
[5]高斯二階差分特征算子在圖像拼接中的應(yīng)用[J]. 徐敏,莫東鳴,張禎.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2016(04)
[6]基于局部特征與全局特征的圖像顯著性目標(biāo)檢測[J]. 陳振學(xué),賀超,劉成云.  控制與決策. 2016(10)
[7]基于SIFT彈載SAR圖像匹配算法[J]. 陳勇,趙惠昌,陳思,張淑寧.  系統(tǒng)工程與電子技術(shù). 2016(06)
[8]Face recognition based on subset selection via metric learning on manifold[J]. Hong SHAO,Shuang CHEN,Jie-yi ZHAO,Wen-cheng CUI,Tian-shu YU.  Frontiers of Information Technology & Electronic Engineering. 2015(12)
[9]一種基于RANSAC算法的單應(yīng)矩陣估計(jì)方法[J]. 王淑霞,周波.  科學(xué)中國人. 2015(23)
[10]基于快速視網(wǎng)膜關(guān)鍵點(diǎn)算法改進(jìn)的圖像匹配方法[J]. 付偲,鄧麗,盧根,費(fèi)敏銳.  計(jì)算機(jī)工程與應(yīng)用. 2016(19)

碩士論文
[1]基于改進(jìn)配準(zhǔn)算法的全景圖像拼接研究[D]. 汪旌.杭州電子科技大學(xué) 2018
[2]基于改進(jìn)ASIFT算法的SAR圖像匹配研究[D]. 李玥.西安電子科技大學(xué) 2017
[3]基于局部特征的運(yùn)動目標(biāo)跟蹤算法的研究與實(shí)現(xiàn)[D]. 王禹程.電子科技大學(xué) 2016
[4]基于SURF特征的圖像與視頻拼接技術(shù)的研究[D]. 張亞娟.西安電子科技大學(xué) 2013
[5]基于ASIFT特征的圖像匹配技術(shù)研究[D]. 陶青松.云南大學(xué) 2012
[6]基于互信息的圖像配準(zhǔn)技術(shù)的研究[D]. 馮雪芳.江南大學(xué) 2012



本文編號：3378935