融合SIFT和Gabor特征的多源遥感图自动配准

发布时间：2017-09-15 03:24

  本文关键词：融合SIFT和Gabor特征的多源遥感图自动配准

  更多相关文章： 尺度不变特征变换(SIFT) Gabor特征 遥感图像 图像配准 特征提取 随机抽样一致性(RANSAC)

【摘要】：图像配准是在不同时段,对同一场景从不同视角、用不同传感器获取的,有重叠区域的两幅或多幅图像进行几何校准的过程[1]。遥感图像配准是图像融合、变化检测、图像镶嵌等应用中不可缺少的步骤。而对于越来越庞大的遥感数据,依靠人力配准成本太大,因此遥感图像自动配准成为了当前该领域的研究热点,而多源遥感图像自动配准是该领域的难点。本文致力于改进SIFT算法以满足多源遥感图像自动配准的要求。本文首先分类概述了目前主要的各种遥感图像配准技术,然后深入解析了基于SIFT算法的遥感图像配准技术,指出了将其应用于多源遥感图像配准问题时的缺陷包括关键点监测重复性差、主方向不可靠、SIFT描述子不可靠、匹配方法不可靠。针对SIFT描述子不可靠的问题,本文提出了一种融合了更大支撑域Gabor特征的方向受限SIFT描述子。Gabor特征反映了图像的边缘方向信息和纹理方向信息,常用于图像检索。方向受限SIFT特征与之结合之后描述能力及独特性都得到了提升;针对匹配方法不可靠的问题,本文提出了一种利用匹配对可靠度与关键点位置信息的改进随机抽样一致性(Random Sample Consensus,RANSAC)方法,通过利用额外信息,该方法能更有效地筛选出内点,减少误匹配。
【关键词】：尺度不变特征变换(SIFT) Gabor特征 遥感图像 图像配准 特征提取 随机抽样一致性(RANSAC)
【学位授予单位】：南昌大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP751
【目录】：

• 摘要3-4
• Abstract4-7
• 第1章 引言7-14
• 1.1 研究背景与意义7-8
• 1.2 国内外研究现状和发展方向8-12
• 1.2.1 SIFT提升算法8-9
• 1.2.2 针对遥感图像性质的改进9-11
• 1.2.3 混合方法11
• 1.2.4 针对算法流程的改进11-12
• 1.3 本文主要研究内容及章节安排12-14
• 第2章 遥感图像配准技术概述14-20
• 2.1 基于模版的遥感图像配准14-16
• 2.1.1 图像域上的模版配准方法15
• 2.1.2 频域上的模版配准方法15-16
• 2.2 基于特征的遥感图像配准16-19
• 2.2.1 点特征16-17
• 2.2.2 线特征17
• 2.2.3 面特征17-18
• 2.2.4 虚拟结构特征18-19
• 2.3 基于物理模型的遥感图像配准19
• 2.4 基于混合模型的遥感图像配准19-20
• 第3章 基于SIFT算法的遥感图像配准技术研究20-33
• 3.1 基于SIFT算法的遥感图像配准基本流程20-30
• 3.1.1 关键点检测22-28
• 3.1.2 局部特征描述子生成28-29
• 3.1.3 特征匹配29-30
• 3.2 在多源遥感图配准中存在的缺陷30-33
• 3.2.1 关键点检测重复性差30
• 3.2.2 主方向不可靠30-31
• 3.2.3 SIFT描述子不可靠31-32
• 3.2.4 匹配方法不可靠32-33
• 第4章 改进SIFT方法33-49
• 4.1 对关键点检测的调整33
• 4.2 跳过主方向分配33-34
• 4.3 融合Gabor描述子的方向受限SIFT描述子34-38
• 4.3.1 方向受限SIFT描述子34-35
• 4.3.2 更大支撑域的Gabor描述子35-38
• 4.3.3 描述子融合38
• 4.4 改进匹配算法38-41
• 4.4.1 带有位置与可靠度信息的一对多匹配38-39
• 4.4.2 改进RANSAC算法39-41
• 4.5 实验结果及分析41-49
• 第5章 总结与展望49-51
• 5.1 总结49
• 5.2 展望49-51
• 致谢51-52
• 参考文献52-57
• 攻读学位期间的研究成果57

【参考文献】

中国期刊全文数据库 前2条

1 高华;曹锋;陈明星;;基于SIFT-BP的图像配准算法[J];重庆理工大学学报(自然科学);2011年12期

2 阳吉斌;胡访宇;;一种基于ASIFT的图像配准算法[J];电子技术;2012年07期

，

本文编号：854043