多视角下光学图像配准技术研究
发布时间：2020-10-28 16:32
【摘要】：现阶段随着传感器技术和算法的不断发展,可以获得越来越丰富的图像种类。图像的应用领域也随之变得非常广泛,主要应用在虚拟现实和增强现实、医学病理分析、卫星遥感等方面;在这之中图像拼接、图像融合、目标识别等技术的发展尤为迅速。而图像配准作为图像应用的重要基础,其性能的优劣也直接影响了后续的功能实现,所以图像配准技术的研究有着重要的意义。本文针对不同视角获取的光学图像,进行配准算法的研究。论文的主要工作如下:(1)分别实现了Harris角点算法、尺度不变特征(Scale-Invariant Feature Transform,SIFT)算法及加速稳健特征(Speeded Up Robust Features,SURF)算法,并且利用相同的数据对这三种算法的性能进行了详细对比、对其性能的差别进行了分析。(2)针对可见光多光谱卫星影像点特征丰富的特性,使用Harris角点算法与SIFT算子结合的方式进行匹配;对于误匹配问题,利用基于三角区域表征(Triangle Area Representation,TAR)的仿射不变性去除误匹配点对,并且与随机抽样一致(Random Sample Consensus,RANSAC)算法性能的对比,证明了本文算法在精度方面具有更优的表现。(3)普通光学图像中目标通常具有明显的线条特征,本文研究了一种直线段匹配的方法,首先使用直线检测(Line Segment Detector,LSD)算法提取图像的线特征,结合视觉显著性算法剔除长度小于阈值的线段;利用高斯混合模型(Gaussian Mixed Model,GMM)进行参数的优化,实现图像的配准。(4)针对存在一定视角差的普通光学图像,为了弥补传统点配准的缺陷,本文使用点线结合的方法进行配准。首先利用直线配准获得的变换模型参数对待配准图像进行变换后,在参考图像和变换后的待配准图像上提取Harris点特征,并完成配准。通过实验对比,本文的算法较传统的点配准算法具有更好的配准精度。
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP391.41;TP212
【图文】：
图 2-1 图像配准的基本流程像配准的关键技术像匹配技术目前的图像配准算法来看，按照配准所依据的特征信息的种类来本上可以分为以下三种：）基于图像灰度的配准算法。该方法是人工对参考图像进行区域作为匹配的模板；之后模板在待配准的图像内进行全局的运动。而判断匹配的度量一般有相关系数、协方差等等。）基于图像特征的配准算法。该方法的思想是利用图像中的局部表征图像的全局关系，这里的局部信息通常是图像中的显著特征点、线、闭合区域等等。特征提取通常是在灰度图像中进行的，合，然后用合理的匹配原则将不同集合中的特征选择并且对应起征的像素则利用特征的匹配关系得到的图像变换关系进行插值
第二章 图像配准关键技术介绍杂度有很大的差别，需要按需求来选择。值法。这种插值方法是三种方法最简单的一内插点 p 的最邻近像素点 m 的灰度表示新位p mI I出，这种方法实现非常简单，但是其缺点也值法。该算法由内插点 p 被包围的上、下、将该邻域中的灰度差异假定为是均匀变化 p 与其他几个点的距离关系计算出来。双线
图 2-3 立方卷积插值法计算图以看出，假定内插点 p 的灰度值是pI ，那么 1,2,3,4; 1,2,3,4 mijI i j ， x 、 y 分别表示向和列方向上的距离值，那么：pI ABC义如下面公式所示：A w 1 x w x w 1 x w 2 x 11 12 13 1421 22 23 2431 32 33 3441 42 43 44m m m mm m m mm m m mm m m mI I I II I I IBI I I II I I I
【参考文献】
本文编号：2860337
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP391.41;TP212
【图文】：
图 2-1 图像配准的基本流程像配准的关键技术像匹配技术目前的图像配准算法来看，按照配准所依据的特征信息的种类来本上可以分为以下三种：）基于图像灰度的配准算法。该方法是人工对参考图像进行区域作为匹配的模板；之后模板在待配准的图像内进行全局的运动。而判断匹配的度量一般有相关系数、协方差等等。）基于图像特征的配准算法。该方法的思想是利用图像中的局部表征图像的全局关系，这里的局部信息通常是图像中的显著特征点、线、闭合区域等等。特征提取通常是在灰度图像中进行的，合，然后用合理的匹配原则将不同集合中的特征选择并且对应起征的像素则利用特征的匹配关系得到的图像变换关系进行插值
第二章 图像配准关键技术介绍杂度有很大的差别，需要按需求来选择。值法。这种插值方法是三种方法最简单的一内插点 p 的最邻近像素点 m 的灰度表示新位p mI I出，这种方法实现非常简单，但是其缺点也值法。该算法由内插点 p 被包围的上、下、将该邻域中的灰度差异假定为是均匀变化 p 与其他几个点的距离关系计算出来。双线
图 2-3 立方卷积插值法计算图以看出，假定内插点 p 的灰度值是pI ，那么 1,2,3,4; 1,2,3,4 mijI i j ， x 、 y 分别表示向和列方向上的距离值，那么：pI ABC义如下面公式所示：A w 1 x w x w 1 x w 2 x 11 12 13 1421 22 23 2431 32 33 3441 42 43 44m m m mm m m mm m m mm m m mI I I II I I IBI I I II I I I
【参考文献】
中国期刊全文数据库 前10条
1 徐鹏飞;;图像处理中几种几何变换的实现[J];电脑知识与技术;2017年35期
2 王思洁;方莉娜;陈崇成;黄明伟;;基于结构化场景的单幅图像建筑物三维重建[J];地球信息科学学报;2016年08期
3 安维胜;余让明;伍玉铃;;基于FAST和SURF的图像配准算法[J];计算机工程;2015年10期
4 许佳佳;张叶;张赫;;基于改进Harris-SIFT算子的快速图像配准算法[J];电子测量与仪器学报;2015年01期
5 余先川;吕中华;胡丹;;遥感图像配准技术综述[J];光学精密工程;2013年11期
6 申艳平;;医学图像配准技术[J];中国医学物理学杂志;2013年01期
7 陈书林;刘元波;温作民;;卫星遥感反演土壤水分研究综述[J];地球科学进展;2012年11期
8 王凌;陈震;危水根;黄静;;基于改进最大互信息法的MR切片图像配准[J];生物医学工程学杂志;2012年02期
9 柏连发;韩静;张毅;陈钱;;采用改进梯度互信息和粒子群优化算法的红外与可见光图像配准算法[J];红外与激光工程;2012年01期
10 焦继超;赵保军;周刚;;一种傅里叶——梅林变换空间图像快速配准算法[J];兵工学报;2010年12期
中国博士学位论文全文数据库 前1条
1 宋智礼;图像配准技术及其应用的研究[D];复旦大学;2010年
中国硕士学位论文全文数据库 前1条
1 姚宇;基于特征点提取的图像配准技术及应用[D];国防科学技术大学;2010年
本文编号：2860337
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/2860337.html
