多源图像集成配准和融合的联合优化方法研究
发布时间：2021-04-06 13:20
多源图像的集成配准和融合作为图像处理领域的研究热点,目标在于综合来自不同源的成像传感器数据获得更加全面的图像信息。当前其广泛应用在医学、遥感图像以及智能车等领域,故对多源图像的集成配准和融合的联合优化方法进行研究具有重要的理论和工程意义。通过对国内外研究现状的调查发现,目前这部分的研究并不多,考虑的问题不够全面深入,且集中于两两配准与融合。因此,本文对多源图像的集成配准和融合展开研究。首先,考虑噪声以及离群值对模型的影响,提出基于学生t混合模型的多源图像集成配准和融合的联合优化方法;进而,本文重点分析图像像素值的真实分布范围,引入空间约束机制,构建基于有界广义高斯混合模型的多源图像的集成配准和融合的联合优化算法;最后,为解决智能车环境感知中车辆检测准确率以及鲁棒性低等问题,将多源图像的集成配准和融合联合优化应用到车辆检测中,从而提高车辆检测准确率。论文的主要研究内容包括:1.总结当前多源图像集成配准和融合的联合优化方法的研究现状与不足之处,并提出本文的研究目标。2.提出基于学生t混合模型的多源图像集成配准和融合的联合优化方法。考虑到噪声以及离群值对图像配准精度与图像融合性能的影响,提出...
【文章来源】：重庆邮电大学重庆市
【文章页数】：75 页
【学位级别】：硕士
【图文】：
生物图像
重庆邮电大学硕士学位论文第3章基于学生t混合模型的图像集成配准和融合的联合优化24MRI图像（T1加权，T2加权和PD加权）。设定图像平移像素和旋转角度的范围值为[-5,5]并随机生成50组源图像。初始的聚类数量是4。图像处理区域在图3.3(a)的白线区域内。第三组数据来自于耶鲁大学人脸数据集。分别为利用不同聚焦相机从左到右依次拍摄所得的五幅人脸图像，如图3.4所示。随机生成50组初始源图像，并在[-10,10]像素和角度范围内进行平移和旋转变换。图3.4(a)的白线区域为图像的处理区域。初始的分布成分个数估计值为5。第四个数据集包含六幅卫星图像，如图3.5所示，分别为来自于不同波段的Landsat7卫星对于同一地面区域拍摄所得图像，图像之间存在差异。通过这组图像测试本文方法对含有仿射变换的图像的配准和融合效果。利用随机的仿射变换生成50组待配准和融合的图像。其变换范围为：尺度变换[0.95,1.05]，错切变换[-0.2,0.2]，平移变换[-5,5]和旋转变换[-5,5]。图像的处理区域为图3.5(a)中的白线区域。(a)(b)(c)(d)图3.2生物图像数据集(a)CT(b)PET(c)T1加权(d)T2加权(e)PD加权图3.3医学图像数据集(a)(b)(c)
重庆邮电大学硕士学位论文第3章基于学生t混合模型的图像集成配准和融合的联合优化25(d)(e)图3.4人脸图像数据集(a)(b)(c)(d)(e)(f)图3.5卫星图像数据集(2)真车采集数据集将不同型号摄像头安装在智能汽车的车顶台架上，距离地面1.5米，帧率为每秒30帧，采集源图像的分辨率为1024×768。第一组实验数据选用不同摄像机在不同时刻、不同角度下针对重庆邮电大学校园内某一特定场景下采集到的道路图像对本文方法进行实验验证。图3.6(a)、图3.6(b)和图3.6(c)是同一摄像机在不同时刻和不同角度下采集到的数据，图3.6(d)和图3.6(e)为双目摄像机在同一时刻下采集到的数据。图像与图像之间既有相似之处，也存在不同点。首先，随机生成50组带有平移和旋转偏移的待配准图像，其变换区间为[-10,10]像素或角度。图3.6(a)的白线区域为图像的处理区域。初始聚类数目为5。
【参考文献】：
期刊论文
[1]基于分数阶微分的TV-L1光流模型的图像配准方法研究[J]. 张桂梅,孙晓旭,刘建新,储珺. 自动化学报. 2017(12)
[2]基于混合特征的非刚性点阵配准算法[J]. 汤昊林,杨扬,杨昆,罗毅,张雅莹,张芳瑜. 自动化学报. 2016(11)
[3]大形变微分同胚图像配准快速算法[J]. 闫德勤,刘彩凤,刘胜蓝,刘德山. 自动化学报. 2015(08)
[4]香农熵加权稀疏表示图像融合方法研究[J]. 李奕,吴小俊. 自动化学报. 2014(08)
[5]含局部空间约束的t分布混合模型的点集配准[J]. 周志勇,李莉华,郑健,蒯多杰,胡粟,张涛. 自动化学报. 2014(04)
[6]基于区域生长的多源遥感图像配准[J]. 倪鼎,马洪兵. 自动化学报. 2014(06)
博士论文
[1]多源图像融合算法研究[D]. 延翔.西安电子科技大学 2018
[2]像素级图像增强及配准算法研究[D]. 章学静.北京理工大学 2014
硕士论文
[1]基于有限混合模型的极化SAR影像分类方法研究[D]. 李兰.西安科技大学 2013
本文编号：3121508
【文章来源】：重庆邮电大学重庆市
【文章页数】：75 页
【学位级别】：硕士
【图文】：
生物图像
重庆邮电大学硕士学位论文第3章基于学生t混合模型的图像集成配准和融合的联合优化24MRI图像（T1加权，T2加权和PD加权）。设定图像平移像素和旋转角度的范围值为[-5,5]并随机生成50组源图像。初始的聚类数量是4。图像处理区域在图3.3(a)的白线区域内。第三组数据来自于耶鲁大学人脸数据集。分别为利用不同聚焦相机从左到右依次拍摄所得的五幅人脸图像，如图3.4所示。随机生成50组初始源图像，并在[-10,10]像素和角度范围内进行平移和旋转变换。图3.4(a)的白线区域为图像的处理区域。初始的分布成分个数估计值为5。第四个数据集包含六幅卫星图像，如图3.5所示，分别为来自于不同波段的Landsat7卫星对于同一地面区域拍摄所得图像，图像之间存在差异。通过这组图像测试本文方法对含有仿射变换的图像的配准和融合效果。利用随机的仿射变换生成50组待配准和融合的图像。其变换范围为：尺度变换[0.95,1.05]，错切变换[-0.2,0.2]，平移变换[-5,5]和旋转变换[-5,5]。图像的处理区域为图3.5(a)中的白线区域。(a)(b)(c)(d)图3.2生物图像数据集(a)CT(b)PET(c)T1加权(d)T2加权(e)PD加权图3.3医学图像数据集(a)(b)(c)
重庆邮电大学硕士学位论文第3章基于学生t混合模型的图像集成配准和融合的联合优化25(d)(e)图3.4人脸图像数据集(a)(b)(c)(d)(e)(f)图3.5卫星图像数据集(2)真车采集数据集将不同型号摄像头安装在智能汽车的车顶台架上，距离地面1.5米，帧率为每秒30帧，采集源图像的分辨率为1024×768。第一组实验数据选用不同摄像机在不同时刻、不同角度下针对重庆邮电大学校园内某一特定场景下采集到的道路图像对本文方法进行实验验证。图3.6(a)、图3.6(b)和图3.6(c)是同一摄像机在不同时刻和不同角度下采集到的数据，图3.6(d)和图3.6(e)为双目摄像机在同一时刻下采集到的数据。图像与图像之间既有相似之处，也存在不同点。首先，随机生成50组带有平移和旋转偏移的待配准图像，其变换区间为[-10,10]像素或角度。图3.6(a)的白线区域为图像的处理区域。初始聚类数目为5。
【参考文献】：
期刊论文
[1]基于分数阶微分的TV-L1光流模型的图像配准方法研究[J]. 张桂梅,孙晓旭,刘建新,储珺. 自动化学报. 2017(12)
[2]基于混合特征的非刚性点阵配准算法[J]. 汤昊林,杨扬,杨昆,罗毅,张雅莹,张芳瑜. 自动化学报. 2016(11)
[3]大形变微分同胚图像配准快速算法[J]. 闫德勤,刘彩凤,刘胜蓝,刘德山. 自动化学报. 2015(08)
[4]香农熵加权稀疏表示图像融合方法研究[J]. 李奕,吴小俊. 自动化学报. 2014(08)
[5]含局部空间约束的t分布混合模型的点集配准[J]. 周志勇,李莉华,郑健,蒯多杰,胡粟,张涛. 自动化学报. 2014(04)
[6]基于区域生长的多源遥感图像配准[J]. 倪鼎,马洪兵. 自动化学报. 2014(06)
博士论文
[1]多源图像融合算法研究[D]. 延翔.西安电子科技大学 2018
[2]像素级图像增强及配准算法研究[D]. 章学静.北京理工大学 2014
硕士论文
[1]基于有限混合模型的极化SAR影像分类方法研究[D]. 李兰.西安科技大学 2013
本文编号：3121508
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3121508.html
最近更新
教材专著
