当前位置:主页 > 科技论文 > 自动化论文 >

海洋遥感图像亚像素配准算法关键技术研究

发布时间:2018-07-29 20:40
【摘要】:近海海洋环境、海洋灾害和海上突发事件等通常具有快速动态变化的特性(小时级快速变化),而每天观测一次的太阳同步轨道(极轨)海洋卫星难以满足日变化监测的需求。静止轨道卫星可以利用同一遥感器对感兴趣的同一区域进行连续观测,是开展高频对地观测的最佳手段。然而任何卫星平台都受到颤振的干扰,由于静止轨道卫星成像系统积分时间一般比较长,这些颤振将严重影响遥感图像质量。目前卫星平台的颤振测量计算和抑制技术都发展到了较高的水平。卫星平台抑制技术和相关设备可以消除大部分的平台颤振,但是对于低频的卫星平台的姿态漂移却束手无策。静止轨道海洋成像辐射计轨道高度是35800km,其探测波段为可见光至近红外8个波段,角分辨率为7?rad,地面分辨率(星下点)250m,采用2048×2048元硅CMOS面阵探测器LUPA4000。由于静止卫星海洋成像辐射计轨道高度高,海洋反射能量弱,地面分辨率高,因此在成像过程中对卫星平台的姿态漂移特别敏感,为了提高系统的信噪比可以使用多次累加的方法。静止卫星海洋成像辐射计可见光模块最多采用16次累加。而在累加的过程中,卫星平台存在低频的姿态漂移。根据掌握的卫星平台数据,目前卫星平台的稳定度是5×10-4?,因此16次累加过程中图像最多偏移了1.8个像素。如果不进行处理而直接进行累加,必然导致图像模糊,影响成像质量。本论文根据化整为零的思路首次提出了遥感图像亚像素配准算法,首先根据最优准则把图像分割成不同的子图像,其次使用基于Ostu的Canny算法对图像进行边缘分割提取,然后在提取后的图像使用SURF算法提取特征点,最后在关键点周围进行开窗,窗口大小为200×200像素。在窗口中使用矩阵乘法相位相关法来计算图像亚像素偏移量。综合所有的子图像的偏移量最终获得整幅图像的亚像素偏移量。论文对遥感图像亚像素配准算法进行了详细的仿真,在仿真的基础上,为了提高以后算法硬件实现的处理速度,本论文提出了改进的香农熵低信息量特征点剔除算法和改进的SURF算法:改进的香农熵低信息量特征点剔除算法减少了参与匹配的特征点数,提高了算法的执行速度。改进的SURF算法将特征向量描述符的维数由原来的64维减少到36维,这明显可以提高特征点匹配速度,并且改进的SURF算法可以多路并行处理。这些改进将极大的提升算法的硬件执行速度。本文的研究内容和创新点有以下4个方面:1)由于遥感图像尺寸2048×2048,那么处理过程中需要的存储资源和计算资源将十分巨大,一般的硬件如FPGA和DSP等将无法处理,因此本论文提出的遥感图像亚像素配准算法对图像进行分块并行处理,提高算法执行速度的同时也解决了FPGA,DSP等硬件无法处理超大尺寸遥感图像的问题。并且由于遥感图像亚像素配准算法采用了基于矩阵乘法的相位相关法,该算法对噪声有明显的抑制作用,因此即使遥感图像存在噪声,本论文算法仍然可以获得较高精度的亚像素偏移量估计值。2)改进的香农熵低信息量特征点剔除:该算法不仅大量地减少了参与匹配的特征点数,而且还提高了匹配的正确率。因此可以明显提高算法的运算速度。SURF算法能够获得众多的特征点,然而在图像匹配过程中发现存在许多未配对点,针对这种情况,本论文提出改进香农熵的低信息量特征点剔除算法。改进主要体现在:不仅考虑特征区域的离散像素值,而且也考虑特征中心点和周围其他像素的相互关系。3)改进的SURF算法实现了主方向计算和特征向量描述符生成的并行计算,同时也把特征向量描述符从原来的64维减少到36维,这些改进不仅可以明显地提高算法的执行速度,而且也提高了匹配的正确率:SURF算法的改进主要体现在把特征点的梯度使用径向梯度进行替代,这种替代可以实现特征描述子的旋转不变性。在特征向量描述符的生成过程中由于传统的SURF算法采用的是正方形区域,区域大小为20S×20S(S是特征点所在的尺度空间的尺度)。取而代之,改进的SURF算法使用半径为20S的圆形区域,省略了坐标系旋转步骤。把20S的圆形区域划分成9个特征子区域,每个子区域使用4个特征进行描述,这样一共生成了36维特征向量描述符,大大的减少了描述符的维数。4)在对遥感图像亚像素配准算法进行详细研究和实验验证的基础上,详细的介绍改进SURF算法特征点提取算法的硬件架构、矩阵乘法相位相关法亚像素偏移量估计的硬件架构和基于回归学习图像插值放大算法的硬件架构。在对算法的原理和步骤深入研究的基础上,把算法进行适应于硬件硬件实现的细分,给后期的遥感图像亚像素配准算法的硬件实现提供基础和指导。
[Abstract]:The offshore marine environment, marine disasters, and marine emergencies usually have the characteristics of fast dynamic changes (the fast change of the hour level), and the daily observed solar synchronous orbit (polar orbit) ocean satellite is difficult to meet the needs of diurnal change monitoring. The stationary orbit satellite can use the same remote sensor to connect the same area of interest to the same area. Continuous observation is the best means to carry out high frequency to earth observation. However, any satellite platform is disturbed by flutter. Because the integration time of the satellite imaging system of still orbit is generally long, these flutter will seriously affect the quality of remote sensing image. At present, the technique of measuring and inhibiting the flutter measurement and suppression of the satellite platform has developed to a higher level. The satellite platform suppression technology and related equipment can eliminate most of the platform flutter, but the attitude drift of the low frequency satellite platform is helpless. The orbit height of the stationary orbit ocean imaging radiometer is 35800km, its detection band is 8 wavelengths of visible to near infrared, the angular resolution is 7? Rad, and the ground resolution (below the star point) 250m, The 2048 x 2048 element silicon CMOS array detector LUPA4000. is highly sensitive to the attitude drift of the satellite platform in the imaging process because of the high orbit height of the stationary satellite ocean imaging radiometer, the weak reflection energy of the ocean and the high ground resolution, so that the signal to noise ratio of the system can be increased by multiple accumulating methods. The visible light module of the radiometer is 16 accumulation. In addition, the satellite platform has low frequency attitude drift. According to the data of the satellite platform, the stability of the satellite platform is 5 * 10-4? So the image is most offset by 1.8 pixels during the 16 accumulating process. If it is not processed directly, it must be added directly. In this paper, the sub pixel registration algorithm of remote sensing image is first proposed in this paper. Firstly, the image is divided into different sub images according to the optimal criterion. Secondly, the image is extracted by using the Canny algorithm based on Ostu, and then the extracted image is calculated by SURF. The feature points are extracted by the method, and the window size is 200 x 200 pixels around the key point. The sub pixel offset is calculated by matrix multiplication phase correlation method in the window. The sub pixel offset of the whole image is finally obtained by using the offset of all the sub images. On the basis of simulation, on the basis of simulation, in order to improve the processing speed of the future algorithm hardware, this paper proposes an improved Shannon entropy low information feature point elimination algorithm and an improved SURF algorithm: improved Shannon entropy low information quantity feature point elimination algorithm reduces the number of parameters and matches, and improves the speed of execution of the algorithm. The improved SURF algorithm reduces the dimension of the feature vector descriptor from the original 64 dimension to 36 dimension, which can obviously improve the matching speed of the feature points, and the improved SURF algorithm can multichannel parallel processing. These improvements will greatly enhance the hardware execution speed of the algorithm. The research content and innovation point of this paper are the following 4 aspects: 1) The size of remote sensing image is 2048 x 2048, so the storage and computing resources will be very huge in the process of processing. The general hardware such as FPGA and DSP will not be processed. Therefore, the sub pixel registration algorithm of remote sensing image is processed in block and parallel processing, and the speed of implementation of the algorithm is also solved as well as FPGA, DSP and so on. The problem of ultra large size remote sensing image can not be handled by hardware. And because of the phase correlation method based on matrix multiplication, the subpixel registration algorithm of remote sensing image has obvious suppression effect on noise. Therefore, even if the remote sensing image has noise, this algorithm can still obtain high precision estimation of sub pixel offset. 2) the improved Shannon entropy low information feature point elimination: this algorithm not only greatly reduces the number of feature points of the participation matching, but also improves the correct rate of matching. Therefore, it can obviously improve the arithmetic speed.SURF algorithm to obtain many feature points, however, there are many unpaired points in the image matching process. In this case, this paper proposes an improved Shannon entropy feature point elimination algorithm with low information quantity. The improvement is mainly reflected not only in the discrete pixel values of the characteristic regions but also on the relationship between the feature center point and the other pixels in the surrounding area.3). The improved SURF algorithm realizes the parallelism of the main direction calculation and the generation of feature vector descriptors. At the same time, the eigenvector descriptors are reduced from the original 64 dimension to 36 dimension. These improvements not only improve the execution speed of the algorithm, but also improve the accuracy of the matching. The improvement of the SURF algorithm is mainly reflected in the use of the gradient of the feature points in the radial gradient in the row substitution, which can implement the feature descriptor. Rotation invariance. In the generation of feature vector descriptors, the traditional SURF algorithm uses a square area, the size of the region is 20S x 20S (S is the scale of the scale space in which the feature is located). Instead, the improved SURF algorithm uses a circular region with a radius of 20S, omitting the rotation step of the coordinate system. The circular region of the 20S is taken. It is divided into 9 characteristic subregions, each subregion is described with 4 features, thus a 36 dimension eigenvector descriptor is generated, and the dimension.4 of the descriptor is greatly reduced. Based on the detailed study and experimental verification of the sub pixel registration algorithm for remote sensing images, the improved feature point extraction algorithm of the SURF algorithm is introduced in detail. The hardware architecture, the hardware architecture of the matrix multiplication phase correlation method subpixel offset estimation and the hardware architecture based on the regression learning image interpolation amplification algorithm. Based on the in-depth study of the principle and steps of the algorithm, the algorithm is adapted to the subdivision of hardware and hardware implementation, and the sub pixel registration algorithm of the later remote sensing image is given. Hardware implementation provides the basis and guidance.
【学位授予单位】:中国科学院大学(中国科学院上海技术物理研究所)
【学位级别】:博士
【学位授予年份】:2017
【分类号】:TP751

【相似文献】

相关期刊论文 前10条

1 张成;王昕;史健卫;韩凡石;;新型亚像素圆检测算法[J];计算机工程与应用;2009年31期

2 马志刚;;图像的亚像素化技术研究[J];医疗装备;2012年01期

3 赵小明;张建奇;邵晓鹏;周筱媛;;彩色矩阵显示器亚像素采样混色错误的分析与评价[J];光电子.激光;2012年05期

4 王静;;平面运动亚像素位移算法探索[J];石家庄铁路职业技术学院学报;2007年03期

5 韩松峰;陈大海;郭雷;刁海南;孟卫华;;指纹周期/频率的亚像素精确算法[J];计算机工程与应用;2009年05期

6 丁兴号;邓善熙;李了了;;小波系数过零点的屋脊边缘亚像素检测算法[J];哈尔滨工业大学学报;2009年09期

7 吉祥;郭雷;陈大海;孟卫华;;指纹亚像素频率的滤波方法[J];计算机工程与应用;2011年12期

8 张亿路;杰史;雨辉;刘延飞;郑勇;;亚像素细分在光学自准直系统观测中的应用[J];大地测量与地球动力学;2013年S2期

9 张荩尹,李波,姚春莲;基于最优位置计算的快速亚像素运动估计[J];计算机学报;2005年09期

10 陈良;高成敏;;基于像素分割的亚像素圆模板算法[J];计算机工程与应用;2007年16期

相关会议论文 前10条

1 郑伟;于桂杰;杨松军;张朝晖;;图像位移检测中的一种亚像素快速匹配算法[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年

2 董诗浩;赵晓波;李阿蒙;刘晓利;田近东;彭翔;;透镜畸变模型下的亚像素对应点匹配方法[A];高精度几何量光电测量与校准技术研讨会论文集[C];2008年

3 陈世哲;浦昭邦;刘国栋;胡涛;屈玉福;;基于点Hough变换的圆形图像亚像素检测算法[A];2004全国光学与光电子学学术研讨会、2005全国光学与光电子学学术研讨会、广西光学学会成立20周年年会论文集[C];2005年

4 屈玉福;浦昭邦;王亚爱;;视觉检测系统中亚像素边缘检测技术的对比研究[A];中国仪器仪表学会第五届青年学术会议论文集[C];2003年

5 姜立军;熊志勇;李哲林;;基于亚像素特征点提取的螺纹检测粗糙聚类[A];中国计算机图形学进展2008--第七届中国计算机图形学大会论文集[C];2008年

6 刘春;张燕;;基于曲线拟合的玻璃瓶边缘亚像素检测算法研究[A];第十七届全国测控计量仪器仪表学术年会(MCMI'2007)论文集(下册)[C];2007年

7 李欣;王睿;张广军;;方形靶标边缘直线的自动提取方法[A];第十二届全国图象图形学学术会议论文集[C];2005年

8 张凤春;董增寿;刘明君;;基于局部方差均衡的遥感图像增强方法[A];第六届全国信息获取与处理学术会议论文集(2)[C];2008年

9 邓冰;林宗坚;彭晓东;;遥感图像信息度量的原理与方法[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年

10 江兴方;江鸿;何贤强;;遥感图像两种半自动拼接方法的研究[A];全国农业遥感技术研讨会论文集[C];2009年

相关重要报纸文章 前5条

1 蒋建科邋孙宏金 陈树琛;传回清晰遥感图像[N];人民日报;2008年

2 记者 郑千里;北京地区有了航空遥感图像[N];科技日报;2000年

3 本报通讯员;煤航遥感院获美国快鸟遥感图像西部代理权[N];中煤地质报;2005年

4 王石;印度通过“快鸟”影像发现古墓地[N];中国测绘报;2010年

5 记者 马彦平 张桂敏;澳大利亚钾矿钻探启动[N];农资导报;2011年

相关博士学位论文 前10条

1 陈启强;高清图像处理与显示关键技术研究[D];兰州大学;2015年

2 张超;基于局部特征的图像配准算法及应用研究[D];北京理工大学;2015年

3 杨娟;医学图像配准和四维磁共振成像相关技术研究[D];山东大学;2015年

4 虞刚;在线自适应放疗若干关键问题的研究[D];东南大学;2015年

5 朱光;基于遥感图像的交通道路目标识别方法研究[D];吉林大学;2015年

6 祁友杰;基于SoC技术的遥感图像快速匹配方法研究[D];东南大学;2016年

7 霍丽君;基于变分的遥感图像恢复算法研究[D];中国科学院长春光学精密机械与物理研究所;2017年

8 陈彦彤;基于局部不变特征的遥感图像星上目标识别技术研究[D];中国科学院长春光学精密机械与物理研究所;2017年

9 章学静;像素级图像增强及配准算法研究[D];北京理工大学;2014年

10 江兴方;遥感图像去云方法的研究及其应用[D];南京理工大学;2007年

相关硕士学位论文 前10条

1 赵洋;灰色关联亚像素检测理论在油井管套损检测中的应用研究[D];西安石油大学;2015年

2 杨兵兵;亚像素图像边缘检测方法研究[D];大连理工大学;2015年

3 张称称;SLM视觉激光条纹亚像素提取和配准方法研究[D];北京工业大学;2015年

4 周子淳;基于亚像素分析的轴类零件自动检测技术[D];吉林大学;2016年

5 李多;基于亚像素检测算法的视觉测量技术研究[D];电子科技大学;2016年

6 吴军妮;基于机器视觉的图像亚像素测量技术的应用研究[D];西安科技大学;2015年

7 崔宗会;基于相关系数加权拟合求解亚像素位移数字图像相关算法研究[D];中国科学技术大学;2016年

8 滕鹏超;基于亚像素采样的图像显示硬件系统设计[D];西安电子科技大学;2015年

9 艾斌;亚像素扫描调制系统参数优化研究[D];南昌航空大学;2017年

10 刘雨航;基于机器视觉的工件尺寸测量系统的设计与实现[D];中国科学技术大学;2017年



本文编号:2153949

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2153949.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户8440c***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com