基于局部特征的遥感图像配准算法研究

发布时间：2021-12-24 04:50

　　遥感技术在促进我国经济发展、保障生产生活安全等方面具有重要的作用。其中,遥感图像作为遥感应用的重要数据,在军事导航、资源普查、环境监测、目标识别等领域中得到了广泛的使用。由于同一场景在不同传感器下采集到的遥感图像中的信息具有互补性。因此,利用不同的遥感图像往往能观测到不同的地面信息。为了消除图像间的误差并尽可能的保留不同遥感图像中的图像信息,通常利用图像配准技术对得到的遥感图像进行预处理。在图像配准中,基于图像局部特征的配准算法应用广泛,在不同图像中,图像局部特征都有着很强的鲁棒性。因此,本文基于遥感图像局部特征进行配准算法的研究。在基于关键点的遥感图像配准算法研究中,我们发现,由于遥感图像间存在着不规则梯度变化,利用梯度幅值（GM）构建的传统描述子难以满足遥感图像配准的需求。因此,为解决这一问题,本文提出了一种基于梯度幅值归一化重置策略的描述子NGMD。本文在实验部分将其与其他六种基于梯度信息构建的描述子进行了比较,实验结果显示,使用NGMD的配准算法具有最高的准确率。通过对图像梯度信息的研究,我们发现梯度幅值（GM）和梯度发生（GO）这两种不同的梯度信息在描述特征时具有互补性。基于... 

【文章来源】：齐鲁工业大学山东省

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

局部特征示例

第2章基于局部特征的图像配准相关技术研究8为一种基于轮廓的角点检测算法，Fast-CPDA首先从Canny边缘检测算法检测到的边缘图像中提取轮廓[24]。然后对每个轮廓进行平滑处理，并使用CPDA算法估计角点所在轮廓的曲率，曲率最大值对应的点被视为候选角点[38,39]。在我们后面的研究中将使用Fast-CPDA作为我们的角点检测算法，因此，在这里我们总结了Fast-CPDA角点检测算法的主要步骤以及相对于原始CPDA算法在效率方面的改进。（1）提取轮廓。对选定的灰度图像使用Canny边缘检测算法检测出图像中的边缘信息[24]。假设很短的轮廓可能不包含显著的角点，则轮廓的长度n应满足以下条件：（2.1）其中h和w对应于图像的长和宽，是用于控制轮廓长度的参数。（2）平滑轮廓线。为了减少噪声对轮廓的影响，采用高斯卷积对所有选定的轮廓进行平滑处理。轮廓（，）通过以下公式进行计算：（2.2）式中是高斯平滑后的轮廓，是卷积运算，σ是平滑的比例因子，高斯函数定义如下：（2.3）（3）估计曲率。图2.2说明了CPDA曲率估计算法的工作原理。当弦沿着轮廓移动时，通过累积点到弦的垂直距离来表示点处的曲率。对于长度为L的弦，点的曲率计算公式为：（2.4）图2.2CPDA曲率估计示意图

第3章基于梯度信息的特征描述子22（45°,90°]……(315°,360°]8个方向区间。对像素点中梯度方向在这8个方向区间范围内的像素点的梯度幅值进行累加，从而构建出8个方向的梯度直方图。梯度直方图中第w个直方图的计算公式如下：（3.5）其中，为梯度直方图中第w个直方图中n个像素点的梯度幅值累加值，为特征区域内第n个像素点的梯度幅值。通过梯度直方图的方式叠加特征点邻域像素在八个方向范围内的梯度幅值来构建出该特征点的描述子。3.3一种新的梯度幅值描述子3.3.1问题阐述由于遥感图像在采集时受不同传感器的成像差异及光照等条件的影响，采集到的遥感图像局部区域内往往会发生不规律的灰度变化。如图3.1中所示为两幅相同场景下的遥感图像，图中红色矩形方框内的区域中发生了明显的灰度变化。如果还是仅仅依靠在梯度直方图上累加梯度幅值的方法构建描述子，将很大程度上使得遥感图像中对应的特征点形成不同的描述子。为了减少遥感图像中对应部分灰度值不规则变化对遥感图像梯度造成的影响，我们将进一步研究一种能有效规避此类变化的特征描述子。图3.1局部梯度反转样例3.3.2NGMD描述子的构建单纯依赖梯度幅值构建的特征描述子往往会因局部区域不规则的灰度值变化而降低描述子的识别力与准确性。但是，大多数情况下，局部区域内即使发生不规则的灰度值变化，对应像素的梯度幅值仍然具有一定的描述能力。因此，在构建描述子时，我们通过梯度幅值归一化重置策略增强描述子对于这部分区域的特征表达能力。我们将这种处理策略应用在我们的图像中，如图3.2所示，左图为我


本文编号：3549850