基于感兴趣区域的异源图像匹配

发布时间：2020-03-28 00:49

【摘要】：异源图像匹配技术是多源遥感数据融合、景象匹配导航等技术的基础部分。其中,光学图像更便于人眼视觉感知,容易判读,而合成孔径雷达(Synthetic Aperture Radar,SAR)则具备全天时全天候以及能穿透地表云雾等特点,两者的结合能有效发挥各自的优势,相辅相成。但两类图像间各自不同的成像方式,使两类图像在几何特性、灰度特性等方面均表现出较大差异,给图像配准带来挑战。目前已有许多学者开展了这方面的研究,并取得一定成果;不过受限于异源图像间巨大的灰度、几何特性差异,这些方法在精度和可靠性方面始终表现欠佳,因此开展精度高、稳定性强的异源图像匹配方法的研究,是非常有必要的。论文以包含标志性地物特征的光学与SAR图像的匹配为目的,针对现有算法存在的问题,采用“两步走”的匹配策略,以SAR图像感兴趣区域提取算法为基础,逐步实现光学图像与SAR图像的精细化配准。文章具体创新工作如下:1.基于GGS-WHT混合模型的直线特征检测方法。直线特征是图像中一种重要的视觉感知信息,它相较于其它特征具有信息丰富且稳定性好的特点。光学图像处理领域已有大量稳健的直线检测算法,但SAR图像内剧烈的斑噪干扰,使得这些算法均无法直接应用于SAR图像中。本文在Hough变换基础上,采用GGS双窗的方法抑制斑噪,计算图像梯度,从而提取图像边缘特征用于参数累积过程中,同时更改Hough变换累积过程权重值,引入点的梯度对直线累积结果的影响。2.基于感兴趣区域的异源图像粗匹配方法。由于异源图像几何特征等的差异,使得匹配效果易受干扰,因此预先在图像中提取感兴趣区域,并将图像处理工作集中在感兴趣区域内开展,是降低异源图像匹配算法复杂度的一种有效途径。本文根据直线特征及目标先验知识,确定感兴趣区域大致位置,并通过类区域生长的方法实现感兴趣区域的完整提取,可有效避免其它地物的粘连。随后根据感兴趣区域边缘信息,搜索光学图像中感兴趣区域的对应位置,实现光学与SAR图像间的粗匹配。3.基于生物视觉原理的异源图像精配准方法。由于光学与SAR图像在几何特征等方面存在差异,边缘特征同名性较差,因此粗匹配方法的精度无法适应工程需求。为此本文仅在一幅图像中提取点特征,另一幅图像中则采用搜索对应点的方式,克服异源图像特征提取不一致的问题。最后以Delaunay三角网约束点间几何关系,去除异常点,确保算法可靠性。对应点搜索过程中,本文根据生物视觉原理,采用Gabor滤波器作为描述子,解决了特征匹配测度难以确定的问题。
【图文】：

mT图2.1 参数寻优型图像匹配框架(2) 参数推导型参数推导型方法的前提条件为：图像间的几何变换模型已确定，该方法只考虑对固定数量的参数实现推导。该类方法的一般流程如图 2.2 所示，首先提取图像中的若干共性特征对作为配准基元，根据这些特征对求取几何变换参数，所得结果直接为最终结果，无需进行迭代更新的操作。其中至少所需共性特征的数量由几何变换模型确定。1I2ImT图2.2 参数推导型图像匹配框架与参数寻优型方法相比，参数推导型方法将模型约束纳入进参数计算中，采用更高层次的特征作为图像配准基元，对图像间的几何变形、灰度变化等具有更好的适应

10 图2.3 电磁波谱图微波是无线电波中一个有限频带的简称，传播方式满足光学原理，波长介于1mm ~100cm之间，如图 2.3 所示，根据波长不同，微波可继续细分为不同波段。微波的主要特点包括穿透性、似光性、非电离性和信息容量大等几个方面：穿透性指微波波长大于其它用于辐射加热的电磁波，穿透能力更强；似光性指微波的特点与几何光学相似，采用微波工作可减小元器件的尺寸，使系统集成化程度更高；非电离性指微波的量子能量不足以破坏分子的内部结构，并且大多数分子原子核在电磁场作用下的共振现象均发生在微波波段，，为探测物质基本特性提供了有效手段；信息容量大则是因为微波的频率较高
【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】：2019
【分类号】：TP751

【相似文献】

相关期刊论文 前10条

1 张焕龙;张秀娇;贺振东;张建伟;;基于布谷鸟搜索的图像匹配方法研究[J];郑州大学学报(理学版);2017年04期

2 张辉;龚文森;陈静萍;林军记;;基于双目图像匹配的车载测速测向方法研究[J];汽车技术;2017年11期

3 刘晓利;彭翔;殷永凯;李阿蒙;;深度图像匹配的两种方法及比较[J];激光与光电子学进展;2010年12期

4 孙华燕,李迎春,李生良;基于角点特征的立体图像匹配方法[J];指挥技术学院学报;1999年01期

5 王燕婷;张玮;;图像匹配技术在土地利用动态监测中的应用方法研究[J];中国农学通报;2007年06期

6 贾迪;朱宁丹;杨宁华;吴思;李玉秀;赵明远;;图像匹配方法研究综述[J];中国图象图形学报;2019年05期

7 黄晓峰;龙永红;;基于自适应图像匹配的喷嘴性能试验器研究[J];组合机床与自动化加工技术;2011年11期

8 田金文，杨磊，柳健，张天序;基于局部分形特征的快速图像匹配方法[J];华中理工大学学报;1996年02期

9 胡修兵;;异源图像匹配自相似性测度的快速算法[J];科技创新与应用;2017年06期

10 童均;;矿井架线机车监控系统中图像匹配技术的应用[J];煤炭技术;2013年05期

相关会议论文 前10条

1 程玲;许邦建;吴雪琦;栾晓琨;;一种高性能图像匹配处理加速部件的设计与实现[A];第十七届计算机工程与工艺年会暨第三届微处理器技术论坛论文集（下册）[C];2013年

2 李赫洋;;适用于声纳图像匹配的预处理算法分析及匹配算法实现[A];2019年船舶电子自主可控技术发展学术年会论文集[C];2019年

3 王一帆;周丹;屈玉福;;可见光和红外图像匹配融合技术研究[A];2014年全国射线数字成像与CT新技术研讨会论文集[C];2014年

4 马强;高岚;胡有为;李小泉;;一种复杂背景下图像匹配的快速算法[A];可持续发展的中国交通——2005全国博士生学术论坛（交通运输工程学科）论文集（下册）[C];2005年

5 陈媛媛;施鹏飞;;基于启发式搜索的运动图像匹配[A];第十一届中国体视学与图像分析学术会议论文集[C];2006年

6 桑鑫焱;吴铮;李宗民;;基于最小惯性轴的图像匹配与检索[A];中国图学新进展2007——第一届中国图学大会暨第十届华东六省一市工程图学学术年会论文集[C];2007年

7 高晶;蔡幸福;;基于局部不变特征的图像匹配方法[A];国家安全地球物理丛书（十五）——丝路环境与地球物理[C];2019年

8 刘峡;邱杰;;IGRT图像匹配的误差分析[A];2007第六届全国放射肿瘤学学术年会论文集[C];2007年

9 王玉杰;胡小平;练军想;张礼廉;何晓峰;;惯性/视觉里程计辅助的序列图像匹配方法[A];中国惯性技术学会第七届学术年会论文集[C];2015年

10 周丹;屈玉福;;基于局部不变特征提取算法的图像匹配技术研究[A];全国射线数字成像与CT新技术研讨会论文集[C];2012年

相关重要报纸文章 前2条

1 丁佳;狗狗叫声泄露体型秘密[N];科学时报;2010年

2 本报记者 唐芳;拍照购物“翻车”？给图片搜索一些时间[N];科技日报;2019年

相关博士学位论文 前10条

1 龙古灿;基于摄像测量的无人机对地面目标精确定位关键技术研究[D];国防科学技术大学;2016年

2 杨帆;图像匹配若干关键技术研究及其应用[D];电子科技大学;2018年

3 王慧燕;图像边缘检测和图像匹配研究及应用[D];浙江大学;2003年

4 于秋则;合成孔径雷达（SAR）图像匹配导航技术研究[D];华中科技大学;2004年

5 谷峰;图像匹配技术及图像捕控指令制导半实物仿真系统研究[D];吉林大学;2006年

6 肖志涛;基于相位信息的图像特征检测和基于DSP的图像匹配处理机的研究[D];天津大学;2003年

7 王彦;基于视觉的机械手目标识别及定位研究[D];西安理工大学;2010年

8 吕娜;图像匹配与跟踪研究[D];西安交通大学;2008年

9 罗军;运动估计在稳像和匹配跟踪中的应用及实现[D];国防科学技术大学;2007年

10 魏宁;模式识别中图像匹配快速算法研究[D];兰州大学;2009年

相关硕士学位论文 前10条

1 林闯;基于多层语义特征的图像匹配研究[D];哈尔滨工业大学;2019年

2 敖天慈;基于改进SURF算法的图像匹配[D];大连理工大学;2019年

3 胡思茹;基于感兴趣区域的异源图像匹配[D];西安电子科技大学;2019年

4 徐晓伟;无人机影像匹配算法研究[D];长安大学;2019年

5 陆文成;基于标记分布的图像匹配研究与应用[D];安庆师范大学;2019年

6 谭莉;基于局部仿射变换一致性的图像匹配技术研究[D];安徽大学;2019年

7 郑丽娟;基于单目视觉的运动载体自定位算法研究[D];沈阳工业大学;2019年

8 刘微微;基于自适应能量感知的鲁棒图像匹配方法[D];东北师范大学;2019年

9 卜天一;基于张量的水下图像匹配[D];哈尔滨工程大学;2018年

10 李源熠;基于深度学习的图片匹配算法实现[D];北京交通大学;2018年

本文编号：2603656