基于深度自编码的SAR图像配准方法研究

发布时间：2020-03-29 22:14

【摘要】：SAR图像具有全天候工作,穿透力强等优点,被广泛应用于气象分析,地质勘测等领域。SAR图像的配准是许多SAR图像处理应用必不可少的步骤之一,因此,关于SAR图像配准技术的研究在当今社会具有非常重要的研究价值。由于SAR图像特殊的成像机理和成像条件,使传统光学图像的配准方法不适用于SAR图像,因此基于SAR图像的配准方法已经成为图像处理领域研究的热点之一,并得到快速发展。本文在国家高层次人才特殊支持计划(SAR图像解译与目标识别),国家自然科学基金面上项目(基于生成对抗网络的极化SAR地物分类,61771379)等项目的支持下,以基于特征的图像配准方法为基础,结合深度自学习,提出了三种基于深度自编码网络的SAR图像配准方法,内容如下:1.通过实验说明SIFT特征在SAR图像中存在的问题,如SIFT特征不再具有旋转不变性,不满足最近距离匹配等。针对特征提取的这些问题,基于自编码网络无监督的对图像进行特征提取,网络的输入为以特征点为中心的图像块,输出作为对图像的特征描述,然后度量特征得到匹配点对,完成配准。该方法避免了人工设计特征的复杂操作,对于不同数据,可以自适应的提取特征进行匹配。与SIFT相比,可以得到更多数量的正确匹配点对,并且提高了匹配点对的准确度,从而提高了配准的精度。2.由于自编码网络对图像数据进行编码和重构是无监督过程,网络参数的更新与特征的匹配结果没有关系,因此在实际应用中,容易造成对于地理形状相似的图像块所提取到的特征也过于相似的问题,不利于匹配。为解决该问题,基于自编码网络有监督的完成配准,即引入有标签数据指导网络的训练。同时为了更好的学习数据分布,有效利用数据,引入迁移学习,使用源数据进行预训练,再使用目标数据进行微调。利用该方法进行网络训练之后,能够直接得到测试图像中特征点的匹配结果,而不需要再进行距离度量。该方法可以得到更多数量的正确匹配点对,并且更加精确,均方根误差更小,进一步提高了配准的精度。3.有监督网络训练包括预训练和微调两个过程,与无监督自编码网络相比在配准精度有所提高,但是训练过程仍较为繁琐,训练时间长。为提高网络训练的效率,本文基于有监督网络的训练过程,采用将预训练和微调结合起来同时进行的方式进行训练,即将交叉熵和重构误差结合构造损失函数,并通过不同的权重决定每部分在训练不同阶段的作用。该方法与有监督网络的训练相比,简化了训练过程,同时保证了正确匹配点对的数量,保证了匹配点对的准确度,不降低配准的精度。
【图文】：

噪声比较明显，信噪比低。图 2.1 为可见光图像和 SAR 图像示例。(a)可见光图像 (b)SAR 图像图2.1 图像数据2.2 图像配准基础知识2.2.1 图像配准的定义对于不同时间、不同天气、或者不同成像设备下获取的多幅图像，如果需要知道这多幅图像中存在哪些真实的地理变化，就需要进行图像之间的校正、匹配等操作，消除拍摄环境造成的图像之间的差异，这个过程称为图像配准。图像配准中，称传感器获取的两幅或多幅图像为参考图像和待配准图像。通常将参考图像作为图像配准的基准图，而待配准图像均以基准图为基础，进行图像变换。假设参考图像为 1I x ,y ,待配准图像为 2I x

图 3.8 为待配准图像由人工构造变换矩阵对参考图像进行变换所得实验数据。(a)参考图像 (b)待配准图像图3.8 实验数据对其进行 SIFT 特征举例分析，，其中(a)中可以得到 1327 个特征点，(b)中有 1360个特征点，若点对的坐标误差小于 2 认为是匹配的。通过分析发现，满足匹配规则的匹配点对共有 288 对。其中匹配点对之间的特征的欧氏距离如图 3.9 中的红色曲线所示；而在(b)的所有关键点中，与(a)中的 288 个特征点的最近特征距离如图 3.11 的蓝
【学位授予单位】：西安电子科技大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TN957.52

【相似文献】

相关期刊论文 前10条

1 张颖;曹璐云;;图像配准技术[J];数码世界;2017年06期

2 何立新;王昆仑;檀明;;基于多分辨率和互信息的图像配准方法研究[J];合肥学院学报(自然科学版);2012年02期

3 云日升,彭海良,王彦平;干涉合成孔径雷达复图像配准精度分析和方法[J];测试技术学报;2003年01期

4 高东阳;赵西安;潘昕;;基于稀疏快速傅里叶的互相关图像配准[J];北京建筑大学学报;2017年02期

5 倪权;倪伟渊;;多分辨率人脸图像配准方法研究[J];信息化研究;2015年04期

6 张婧;郇中丹;张海利;;有关非线性图像配准的正则化(英文)[J];工程数学学报;2011年06期

7 边倩;郑伊宁;;一种改进的基于最大互信息的图像配准方法[J];电子科技;2008年06期

8 曾琪明,解学通;基于谱运算的复相关函数法在干涉复图像配准中的应用[J];测绘学报;2004年02期

9 傅德胜;刘珍丽;;印鉴图像配准与特征提取[J];模式识别与人工智能;2002年03期

10 段嘉旭;罗林;高晓蓉;彭建平;李金龙;;基于抽样随机一致性和图像特征的图像配准[J];信息技术;2017年11期

相关会议论文 前10条

1 郭宏国;周铨;赵荣椿;;一种改进的基于角点检测的图像配准方法[A];第八届全国信号与信息处理联合学术会议论文集[C];2009年

2 甘亚莉;李国辉;涂丹;;基于相关性的小波域图像配准方法研究[A];第二届和谐人机环境联合学术会议(HHME2006)——第15届中国多媒体学术会议(NCMT'06)论文集[C];2006年

3 张成;韦穗;;一种基于新的能量泛函的弹性图像配准方法[A];第十四届全国图象图形学学术会议论文集[C];2008年

4 冯丽丽;姜慧研;李季;;一种自适应的非刚性图像配准方法及其在肝脏配准中的应用[A];第九届全国信息获取与处理学术会议论文集Ⅱ[C];2011年

5 翟胜军;姜晖;张鑫;;一种基于角点的图像配准方法[A];武汉(南方九省)电工理论学会第22届学术年会、河南省电工技术学会年会论文集[C];2010年

6 吴正琴;王艳阳;陈茜琛;郭小梅;傅小龙;;千伏锥形束CT在线引导放疗中技术员参与图像配准的可行性研究[A];2007第六届全国放射肿瘤学学术年会论文集[C];2007年

7 李蓉;桂仁;;基于ArcGIS Add-In的栅格图像配准工具设计[A];地理信息与人工智能论坛暨江苏省测绘地理信息学会2017年学术年会论文集[C];2017年

8 张照喜;何正中;邱大胜;刘玉林;陈军;杜东屏;蒋春林;;基于放疗计划的CT/MR图像配准对视交叉保护价值的探讨[A];2010中华医学会影像技术分会第十八次全国学术大会论文集[C];2010年

9 王云雅;王晓丽;汪静;邓敬兰;李国权;马晓伟;;床位变化对SPECT/CT同机图像配准的影响[A];中华医学会第九次全国核医学学术会议论文摘要汇编[C];2011年

10 黄攀;唐劲松;岳军;钟何平;张森;;基于相位信息的InSAS复图像配准方法[A];中国声学学会水声学分会2015年学术会议论文集[C];2015年

相关重要报纸文章 前1条

1 尚琴;我国图像配准技术还需加强产学研融合[N];中国知识产权报;2017年

相关博士学位论文 前10条

1 叶蓬;多模态遥感图像配准关键技术研究[D];国防科学技术大学;2016年

2 武越;基于计算智能的图像配准与分割研究[D];西安电子科技大学;2016年

3 韩欢;一类医学图像配准中的变分问题与数值算法研究[D];中国科学院大学(中国科学院武汉物理与数学研究所);2016年

4 张浩;多信息融合图像边缘特征提取及图像配准研究与应用[D];浙江大学;2008年

5 杨晓梅;几何变分方法在图像配准中的应用[D];华东师范大学;2014年

6 王雷;影像导航手术中2D/3D图像配准[D];中国科学院研究生院(长春光学精密机械与物理研究所);2015年

7 周海洋;图像配准及其在天文和显微图像中的应用研究[D];浙江大学;2017年

8 黄晓阳;在体肝脏图像配准方法及应用研究[D];厦门大学;2009年

9 陈锦伟;敏捷卫星遥感图像配准和拼接技术研究[D];浙江大学;2014年

10 赵伟;SAR图像配准的稳健核谱方法[D];西北工业大学;2016年

相关硕士学位论文 前10条

1 钟用;基于点特征的遥感图像配准[D];西安电子科技大学;2018年

2 葛毓欢;基于点特征和局部结构信息的遥感图像配准[D];西安电子科技大学;2018年

3 林威;分振幅式偏振探测系统的图像配准研究[D];大连理工大学;2018年

4 张姣姣;基于改进SIFT和深度学习的SAR图像配准研究[D];西安电子科技大学;2018年

5 宁梦丹;基于深度自编码的SAR图像配准方法研究[D];西安电子科技大学;2018年

6 刘超然;航空遥感图像配准与拼接算法研究[D];哈尔滨工业大学;2018年

7 蒋晨娇;基于改进鸡群算法的AD患者DTI图像配准[D];河北大学;2018年

8 刘月亮;基于预测的肺4D-CT图像配准方法研究[D];南方医科大学;2018年

9 高弘治;基于极限学习机与Demons算法的图像配准研究[D];辽宁师范大学;2018年

10 周诗豪;基于对数极坐标特征及就近点迭代的图像配准方法[D];昆明理工大学;2018年

本文编号：2606577