發(fā)布時(shí)間：2018-05-21 17:56

  本文選題：SAR圖像配準(zhǔn) + 核譜方法��； 參考：《西北工業(yè)大學(xué)》2016年博士論文

【摘要】：合成孔徑雷達(dá)(Synthetic Aperture Radar,SAR)是一種全天時(shí)和全天候的高分辨率主動(dòng)微波遙感傳感器。SAR圖像配準(zhǔn)是將不同時(shí)間、不同視角或由不同傳感器獲取的同一場(chǎng)景的兩幅或多幅SAR圖像進(jìn)行幾何對(duì)準(zhǔn)的過程,它是災(zāi)害監(jiān)測(cè)和自動(dòng)制導(dǎo)等諸多SAR應(yīng)用的關(guān)鍵步驟。但是,當(dāng)參考圖像與輸入圖像場(chǎng)景中含較大幾何形變時(shí),SAR圖像配準(zhǔn)是一個(gè)困難問題。在SAR圖像配準(zhǔn)中,核主成分分析與圖譜方法是輪廓特征提取和特征匹配的有效數(shù)學(xué)方法,本文考慮到這兩種方法的等價(jià)性,簡(jiǎn)稱之核譜方法。但是,至今核譜方法的穩(wěn)健性差:一方面該方法易受斑點(diǎn)噪聲的影響,使得提取的輪廓特征點(diǎn)存在較大的位置擾動(dòng);另一方面該方法易受特征點(diǎn)位置擾動(dòng)與非同名特征的影響,使誤匹配較多。本文研究SAR圖像配準(zhǔn)的穩(wěn)健核譜方法,給出了SAR圖像輪廓特征提取與特征匹配的六種改進(jìn)的核譜模型,并以模擬實(shí)驗(yàn)與真實(shí)圖像的配準(zhǔn)結(jié)果證明了新方法的穩(wěn)健性。主要研究結(jié)果和創(chuàng)新點(diǎn)如下:(1)針對(duì)SAR圖像配準(zhǔn)中的目標(biāo)輪廓特征提取問題,以標(biāo)準(zhǔn)割模型為基礎(chǔ),給出了貼近度圖割和局部平滑加權(quán)圖割兩種圖像分割模型。它們分別采用區(qū)域聚類和平滑罰項(xiàng)的方式抑制SAR圖像中斑點(diǎn)噪聲對(duì)圖割模型的影響,同時(shí)避免了圖割模型中相似度矩陣存儲(chǔ)困難的問題。模擬和真實(shí)SAR圖像的結(jié)果表明它們的分割精度優(yōu)于標(biāo)準(zhǔn)割、加權(quán)核k均值和參數(shù)核圖割,其中局部平滑加權(quán)圖割根據(jù)加權(quán)圖割與加權(quán)核k均值的等價(jià)性以及相似度矩陣的冗余性,分割精度最優(yōu)。(2)針對(duì)災(zāi)害場(chǎng)景中含形變目標(biāo)的SAR圖像配準(zhǔn)問題,在子空間學(xué)習(xí)匹配模型的基礎(chǔ)上給出了核子空間匹配模型和非負(fù)子空間匹配模型。這兩種模型通過加入描述特征點(diǎn)集間相似度的罰項(xiàng)以提高圖譜匹配的穩(wěn)健性。與核主成分分析等圖譜匹配方法相比,這兩種模型得到的特征點(diǎn)的譜嵌入坐標(biāo)融合了特征的相似性和局部近鄰匹配的光滑性。同時(shí),其時(shí)間和空間復(fù)雜度與圖譜匹配方法同階。模擬點(diǎn)集和真實(shí)SAR圖像的特征匹配實(shí)驗(yàn)結(jié)果表明它們對(duì)位置擾動(dòng)和異常值的穩(wěn)健性優(yōu)于圖譜匹配方法。(3)針對(duì)特征匹配方法經(jīng)常受圖像內(nèi)相似灰度分布區(qū)域及相似結(jié)構(gòu)的影響產(chǎn)生誤匹配的問題,利用正確匹配關(guān)系的核相關(guān)成分具有共線性的性質(zhì),構(gòu)造了一種共線率準(zhǔn)則,給出了剔除誤匹配的穩(wěn)健核相關(guān)分析模型及相應(yīng)算法。該算法通過匹配關(guān)系對(duì)共線率的影響識(shí)別異常匹配。實(shí)驗(yàn)結(jié)果表明其對(duì)位置擾動(dòng)和異常值的穩(wěn)健性優(yōu)于隨機(jī)抽樣一致性和最優(yōu)化隨機(jī)抽樣算法。(4)針對(duì)二階圖匹配方法對(duì)尺度變換敏感,如當(dāng)參考圖像與輸入圖像存在較大尺度變換時(shí),該方法失效,因此本文考慮將二階概率圖匹配模型推廣為三階概率超圖匹配模型,新模型保留了三階超圖匹配方法的尺度不變性;同時(shí)可在迭代中修正親和張量,使得對(duì)應(yīng)誤匹配的親和張量元素減小,對(duì)應(yīng)正常匹配的親和張量元素增大。模擬點(diǎn)集和真實(shí)圖像的匹配結(jié)果表明該模型對(duì)位置擾動(dòng)和異常值的穩(wěn)健性優(yōu)于三階超圖匹配的張量冪迭代算法。
[Abstract]:Synthetic Aperture Radar (SAR) is a whole day and all-weather high resolution active microwave remote sensing sensor.SAR image registration is the process of aligning two or more SAR images of the same scene from different time, different angle of view or the same scene obtained by different sensors. It is a disaster monitoring and automatic guidance. Such as the key steps of SAR applications, SAR image registration is a difficult problem when the reference image and the input image scene have large geometric deformation. In the SAR image registration, the kernel principal component analysis and the mapping method are effective mathematical methods for contour feature extraction and feature matching. The equivalence of the two methods is considered in this paper. However, the robustness of the nuclear spectrum method is poor. On the one hand, the method is easily affected by speckle noise, which makes the extracted contour feature point have large position disturbance; on the other hand, the method is easily affected by the location and non homonym features of the feature points, and makes mismatches more. This paper studies the robustness of SAR image registration. Six improved kernel spectral models of SAR image contour feature extraction and feature matching are given. The robustness of the new method is proved by the results of simulation experiment and real image registration. The main research results and innovation points are as follows: (1) based on the contour feature extraction in the SAR image registration, the standard cut model is based on the model. Two image segmentation models are presented, which are close degree graph cut and local smooth weighted graph cut. They use regional clustering and smooth penalty to restrain the influence of speckle noise in SAR image on the graph cut model. At the same time, it avoids the problem of the difficulty of storing similarity matrix in the graph cut model. The results of simulation and real SAR images show them The segmentation precision is superior to the standard cut, weighted kernel K mean and parameter kernel cut, in which the local smooth weighted graph cut is equivalent to the weighted kernel K mean and the redundancy of the similarity matrix, and the segmentation precision is the best. (2) for the SAR image registration problem with the deformed target in the disaster scene, the base of the subspace learning matching model On the base, the nuclear space matching model and the non negative subspace matching model are given. The two models can improve the robustness of the map matching by adding the penalty terms that describe the similarity between the feature points. Compared with the kernel principal component analysis atlas matching method, the spectral embedding coordinates of the feature points obtained by the two models are similar to the similarity of the features. The smoothness matching the local nearest neighbor. At the same time, the time and space complexity are the same as the map matching method. The experimental results of the simulated point set and the real SAR image show that their robustness to the position disturbance and the abnormity value is better than the map matching method. (3) the feature matching method is often affected by the similar gray distribution area in the image. The problem of mismatching is produced by the influence of similar structures. Using the properties of the kernel related components of the correct matching relation, a common linear criterion is constructed. The robust kernel correlation analysis model and the corresponding algorithm for eliminating mismatch are given. The algorithm identifies the anomaly matching through the influence of the matching relation to the collinear rate. The experimental result table The robustness of the location perturbation and the anomaly value is better than the random sampling consistency and the optimal random sampling algorithm. (4) the two order graph matching method is sensitive to the scale transformation, for example, when the reference image and the input image have a larger scale transformation, the method is invalid. Therefore, this paper extends the two order probability map matching model to the three order probability. Rate hypergraph matching model, the new model preserves the scale invariance of the three order hypergraph matching method. At the same time, the affinity tensor can be corrected in the iteration so that the corresponding mismatched affinity tensor elements are reduced and the compatible tensor elements of the normal matching are increased. The matching results of the simulated point set and the real image show the position disturbance and the anomaly of the model. The robustness of the value is better than that of the tensor power iteration algorithm for the three order hypergraph matching.
【學(xué)位授予單位】：西北工業(yè)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2016
【分類號(hào)】：TN957.52

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 程芳,朱敏慧,吳一戎;改進(jìn)的多項(xiàng)式圖像配準(zhǔn)方法[J];電子與信息學(xué)報(bào);2001年11期

2 劉斌,彭嘉雄;圖像配準(zhǔn)的小波分解方法[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2003年09期

3 諶安軍;;基于多尺度圖像配準(zhǔn)方法[J];電子測(cè)量技術(shù);2003年05期

4 諶安軍,陳煒,毛士藝;一種基于邊緣的圖像配準(zhǔn)方法[J];電子與信息學(xué)報(bào);2004年05期

5 劉松濤;楊紹清;;圖像配準(zhǔn)技術(shù)性能評(píng)估及實(shí)現(xiàn)概況[J];電光與控制;2007年03期

6 李玲玲;黃其民;李保;;多傳感器圖像配準(zhǔn)方法綜述[J];光盤技術(shù);2007年02期

7 劉松濤;楊紹清;;圖像配準(zhǔn)技術(shù)研究進(jìn)展[J];電光與控制;2007年06期

8 上官晉太;郭慧;岳晉;楊汝良;;圖像配準(zhǔn)測(cè)度對(duì)重疊面積變化的魯棒性分析[J];光電工程;2008年11期

9 李曉明;張繼福;;一種基于學(xué)習(xí)的自動(dòng)圖像配準(zhǔn)檢驗(yàn)方法[J];自動(dòng)化學(xué)報(bào);2008年01期

10 徐海黎;花國然;莊健;王孫安;;采用小世界免疫克隆算子的頻率域圖像配準(zhǔn)[J];西安交通大學(xué)學(xué)報(bào);2009年06期

相關(guān)會(huì)議論文 前10條

1 付宇光;唐煥文;唐一源;;一種優(yōu)化算法在圖像配準(zhǔn)中的應(yīng)用[A];第二十屆中國控制會(huì)議論文集（上）[C];2001年

2 桂秋陽;邱志明;;大口徑艦炮圖像配準(zhǔn)方式射擊精度仿真[A];中國系統(tǒng)仿真學(xué)會(huì)第五次全國會(huì)員代表大會(huì)暨2006年全國學(xué)術(shù)年會(huì)論文集[C];2006年

3 彭靜;徐曉艷;任蕾;;一種基于極對(duì)數(shù)分?jǐn)?shù)階傅里葉變換的圖像配準(zhǔn)方法[A];第七屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2011)論文集【oral】[C];2011年

4 王佳佳;廖寧放;廉玉生;劉子龍;;基于八通道成像光譜儀圖像配準(zhǔn)技術(shù)研究[A];中國光學(xué)學(xué)會(huì)2010年光學(xué)大會(huì)論文集[C];2010年

5 馮麗麗;姜慧研;李季;;一種自適應(yīng)的非剛性圖像配準(zhǔn)方法及其在肝臟配準(zhǔn)中的應(yīng)用[A];第九屆全國信息獲取與處理學(xué)術(shù)會(huì)議論文集Ⅱ[C];2011年

6 翟勝軍;姜暉;張?chǎng)?;一種基于角點(diǎn)的圖像配準(zhǔn)方法[A];武漢(南方九省)電工理論學(xué)會(huì)第22屆學(xué)術(shù)年會(huì)、河南省電工技術(shù)學(xué)會(huì)年會(huì)論文集[C];2010年

7 吳錚;錢徽;朱淼良;;基于特征匹配的航空?qǐng)D像配準(zhǔn)[A];第十二屆全國圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2005年

8 楊必武;倪志斌;;圖像配準(zhǔn)中基于最大熵的模板選取算法研究[A];2006年全國光電技術(shù)學(xué)術(shù)交流會(huì)會(huì)議文集（D 光電信息處理技術(shù)專題）[C];2006年

9 李紅波;倪國強(qiáng);;圖像配準(zhǔn)中特征點(diǎn)匹配分析與展望[A];第三屆全國嵌入式技術(shù)和信息處理聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2009年

10 滕凱風(fēng);張建秋;周柏楊;王友華;;基于免疫單純形法的魯棒多分辨率圖像配準(zhǔn)[A];2007'儀表，，自動(dòng)化及先進(jìn)集成技術(shù)大會(huì)論文集（一）[C];2007年

相關(guān)博士學(xué)位論文 前10條

1 叢偉建;應(yīng)用于肝臟介入診療的超聲圖像分析與導(dǎo)航方法研究[D];北京理工大學(xué);2015年

2 靳峰;基于特征的圖像配準(zhǔn)關(guān)鍵技術(shù)研究[D];西安電子科技大學(xué);2015年

3 黃韶杰;基于聚類的煤巖分界圖像識(shí)別技術(shù)研究[D];中國礦業(yè)大學(xué)(北京);2016年

4 馬亮;基于模塊化推掃式成像光譜儀的光譜校正與圖像配準(zhǔn)技術(shù)研究[D];中國科學(xué)院研究生院(上海技術(shù)物理研究所);2015年

5 趙偉;SAR圖像配準(zhǔn)的穩(wěn)健核譜方法[D];西北工業(yè)大學(xué);2016年

6 宋智禮;圖像配準(zhǔn)技術(shù)及其應(yīng)用的研究[D];復(fù)旦大學(xué);2010年

7 周武;精密圖像配準(zhǔn)方法研究及在精密電子組裝中的應(yīng)用[D];華南理工大學(xué);2012年

8 黃曉陽;在體肝臟圖像配準(zhǔn)方法及應(yīng)用研究[D];廈門大學(xué);2009年

9 朱憲偉;基于結(jié)構(gòu)特征的異源圖像配準(zhǔn)技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2009年

10 王東峰;多模態(tài)和大型圖像配準(zhǔn)技術(shù)研究[D];中國科學(xué)院研究生院（電子學(xué)研究所）;2002年

相關(guān)碩士學(xué)位論文 前10條

1 楊小麗;基于輪廓的SAR圖像配準(zhǔn)方法研究[D];天津理工大學(xué);2015年

2 張海濱;圖像配準(zhǔn)技術(shù)在前列腺DWI序列圖像中的研究與應(yīng)用[D];河北大學(xué);2015年

3 汪松;在圖像配準(zhǔn)中基于點(diǎn)特征的匹配算法[D];鄭州大學(xué);2015年

4 王菲;一種改進(jìn)的紅外圖像配準(zhǔn)拼接算法研究[D];蘭州大學(xué);2015年

5 �；圪t;基于分?jǐn)?shù)階傅里葉變換的剛性圖像配準(zhǔn)技術(shù)[D];鄭州大學(xué);2015年

6 郭莉莉;基于人工蜂群算法的SPECT-B超甲狀腺圖像配準(zhǔn)[D];河北大學(xué);2015年

7 何永亮;基于特征點(diǎn)和TPE兩點(diǎn)熵的圖像配準(zhǔn)技術(shù)研究[D];華中師范大學(xué);2015年

8 胡鐘琴;基于互信息和粒子群算法的圖像配準(zhǔn)研究[D];廣西大學(xué);2015年

9 商磊;基于改進(jìn)SIFT算法的圖像配準(zhǔn)研究[D];電子科技大學(xué);2014年

10 陳海斌;圖像分割和圖像配準(zhǔn)在近距離放射治療中的應(yīng)用研究[D];南方醫(yī)科大學(xué);2015年

本文編號(hào)：1920194