基于梯度互信息的SAR与可见光图像配准

发布时间：2017-06-28 07:13

  本文关键词：基于梯度互信息的SAR与可见光图像配准，，由笔耕文化传播整理发布。

【摘要】：图像配准是图像处理领域的关键技术,用于实现两幅或者是多幅图像之间的匹配,广泛应用于医学图像分析、遥感、计算机视觉、精确制导定位等领域。异源图像是指来自成像机理不同的传感器的图像,相比于同源图像,异源图像所提供的图像信息具有可靠性、互补性和冗余性。对异源图像进行融合,可以获得更加全面、可靠和准确的图像描述。图像配准作为图像融合的前提,配准精度直接决定后续应用的效果。异源图像之间的灰度、对比度差异较大,关联性较小,本文提出一种互信息与梯度空间信息相结合的相似性测度用于SAR与可见光图像的配准,配准过程中不仅考虑灰度信息的相关性,而且考虑空间信息的相关性,具有较好的配准结果。仿真实验表明,相比于传统的互信息配准方法,当SAR图像中存在的乘性斑点噪声较少时,这种梯度与互信息相结合的配准方法的配准函数曲线更加平滑,峰值更加尖锐,易于寻找出最优的配准参数。因此,这种方法可以降低灰度对比度的影响,有效提升了异源配准的精确度和准确率。但是,梯度互信息配准对噪声十分敏感,当SAR图像中存在较多的乘性斑点噪声时,配准过程很容易陷入局部极值,无法获得正确的配准参数。为了消除斑点噪声的影响,本文采用了平稳小波(SWT)贝叶斯萎缩降斑的方法,首先分析了SAR图像在平稳小波变换域中的统计模型,推导出基于贝叶斯估计的信号最小均方误差(MMSE)的模糊萎缩因子,然后再根据相邻尺度间小波系数的相关性,采用分区域模糊萎缩思想,很好地得到无斑点真实信号小波系数的估计。实验结果表明,采用小波模糊萎缩降斑,可以有效抑制SAR图像中的斑点噪声,并较好保留边缘梯度信息,有效提高了SAR与可见光图像配准的准确率和鲁棒性。当参与配准的图像尺寸较大时,梯度互信息方法的计算量较大,为了提高配准效率,本文采用了高斯金字塔分解的方法,对图像进行由粗到精的配准策略。首先利用高斯核函数对图像做分解处理,得到两个分解尺度的图像金字塔结构。然后从图像金字塔的最底层到最高层逐层进行配准搜索,每一层的配准搜索都是在上一层得到的最优配准参数的邻域范围内进行,配准精度逐层提升。为了验证上述方法的有效性,本文采用三组SAR与可见光图像进行仿真实验,通过实验比较,采用高斯金字塔分解的方法,可以明显提高梯度互信息方法的配准速度,配准时间缩小两到三倍。
【关键词】：图像配准 互信息 梯度信息 降斑 高斯金字塔分解
【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】：2015
【分类号】：TN957.52
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 符号对照表10-11
• 缩略语对照表11-14
• 第一章 绪论14-20
• 1.1 研究背景及意义14-15
• 1.2 国内外图像配准研究现状及发展趋势15-17
• 1.2.1 国内外图像配准研究现状15-16
• 1.2.2 图像配准面临的难题及发展趋势16-17
• 1.3 研究内容及本文结构17-20
• 第二章 图像配准的技术理论20-36
• 2.1 图像配准的描述20-25
• 2.1.1 图像配准的定义20
• 2.1.2 图像配准的空间变换类型20-22
• 2.1.3 图像的灰度插值方法22-25
• 2.2 图像配准方法分类25-30
• 2.2.1 基于特征的图像配准方法25-27
• 2.2.2 基于灰度的图像配准方法27-29
• 2.2.3 基于变换域的图像配准方法29-30
• 2.3 图像配准的主要框架及过程30-32
• 2.4 图像配准的评价32-34
• 2.5 本章小结34-36
• 第三章 基于梯度与互信息相结合的图像配准方法36-48
• 3.1 互信息的基本理论36-38
• 3.1.1 熵36-37
• 3.1.2 互信息的定义37
• 3.1.3 互信息的基本性质37-38
• 3.2 图像梯度的基本理论38-40
• 3.3 基于梯度与互信息相结合的异源图像配准方法40-47
• 3.3.1 梯度与互信息相结合的异源配准测度40-42
• 3.3.2 基于梯度与互信息相结合的异源配准过程42-43
• 3.3.3 基于梯度互信息配准的实验结果43-47
• 3.4 本章小结47-48
• 第四章 基于SWT贝叶斯降斑的金字塔梯度互信息配准方法48-64
• 4.1 SAR图像斑点噪声抑制的基本理论48-50
• 4.1.1 基于小波域SAR图像斑点噪声抑制算法简介48-49
• 4.1.2 平稳小波变换（SWT）域中的统计模型49-50
• 4.2 基于SWT贝叶斯估计萎缩的降斑算法50-54
• 4.2.1 SWT贝叶斯估计50-52
• 4.2.2 萎缩因子52-53
• 4.2.3 区域划分53-54
• 4.3 基于SWT贝叶斯萎缩降斑的金字塔梯度互信息的图像配准方法54-61
• 4.3.1 高斯金字塔分解的基本原理54-55
• 4.3.2 基于SWT贝叶斯萎缩降斑的金字塔梯度互信息的配准过程55-56
• 4.3.3 异源图像配准实验结果及算法评价56-61
• 4.4 本章小结61-64
• 第五章 总结与展望64-66
• 5.1 论文研究结论64-65
• 5.2 研究工作展望65-66
• 参考文献66-70
• 致谢70-72
• 作者简介72-73

【参考文献】

中国期刊全文数据库 前10条

1 许斌;徐万朋;郗丽娜;陈向宁;;基于BPT分割的SAR与可见光图像配准方法[J];四川兵工学报;2014年03期

2 廉蔺;李国辉;张军;涂丹;;基于边缘最优映射的红外和可见光图像自动配准算法[J];自动化学报;2012年04期

3 杨雪梅;龚俊斌;王鹏;田金文;;基于改进SIFT的SAR图像与可见光图像配准[J];航天控制;2010年06期

4 汤敏;;结合形态学梯度互信息和多分辨率寻优的图像配准新方法[J];自动化学报;2008年03期

5 胡永祥;汤井田;蒋鸿;;利用高维互信息的多模态医学图像配准[J];计算机工程与应用;2007年24期

6 高峰;文贡坚;吕金建;;基于干线对的红外与可见光最优图像配准算法[J];计算机学报;2007年06期

7 李晓明;郑链;胡占义;;基于SIFT特征的遥感影像自动配准[J];遥感学报;2006年06期

8 王磊,张钧萍,张晔;基于特征的SAR图像与光学图像自动配准[J];哈尔滨工业大学学报;2005年01期

9 陈煜,田裕鹏;图像融合中的图像配准方法研究[J];激光与红外;2004年01期

10 俎栋林,余立锋,王卫东,邓元木,尤江生,包尚联;基于轮廓特征的多模态医学图像的配准[J];系统工程与电子技术;2000年07期

  本文关键词：基于梯度互信息的SAR与可见光图像配准，由笔耕文化传播整理发布。

本文编号：492953