图像配准若干关键技术研究及应用
发布时间：2020-08-06 15:47
【摘要】：图像配准的优劣直接影响图像处理的实际应用效果。图像配准主要步骤有:图像特征提取、图像的插值、变换模型估计和特征点匹配等。但是目前存在问题有:特征提取不完整导致的图像匹配失败;插值算法本身的局限导致图像匹配质量差;变换模型估计关系不足导致的图像配准边缘模糊不清。为了解决上述问题,本文对图像配准的相关算法开展了深入系统的研究,主要研究内容如下:(1)提出了一种基于长短时记忆网络-多层Maxout网络的初始化卷积神经网络算法,实现了图像特征的深度提取。在卷积神经网络参数初始化过程中,设计了一种多层的Maxout激活函数对参数进行初始化,有效克服了深度学习算法训练过程中出现的梯度消失和梯度爆炸问题;在卷积层训练过程中,设计了长短时记忆网络和选择性Dropout相结合算法,有效克服了深度学习算法训练过程中出现的过拟合问题;图像匹配过程中引入了具有抗噪声能力强,时间复杂度低的SUSAN算子进行精匹配,同时采用随机抽样一致性算法对特征点匹配进行提纯处理,提高了图像匹配精度。它为后续图像配准、图像识别取得更好的效果奠定了良好地基础。(2)提出了一种基于数据驱动的图像快速分解算法。通过估计重建法代替表面插值和可变邻域窗法替代固定邻域窗法,同时取一种各向同性的窗口作为结构元素。由于该类窗口的各向同性性质更符合图像的窗口性质,实现图像自适应分解。窗口的分解尺寸取相邻窗口的最大值和最小值的平均值,使其更符合图像信息的极值分布和特征,克服了原二维经验模式分解得到的模态函数分量蕴含源图像特征及细节信息不够丰富的缺点。将本算法应用于合成纹理图像,取得了良好的效果,它为提升图像配准和图像融合的效率和精度奠定了良好基础。(3)提出了基于迭代函数系的二维经验模式分解图像插值算法,解决了图像二维经验模式分解和图像匹配过程中的插值精度较低问题。首先基于迭代函数系理论构造一个分段线性迭代函数系,利用其对二维经验模式分解的离散数据进行插值处理,将图像分解后提取的特征点进行重组,得到图像的原始特征点。然后对原始特征点仍采用构造的迭代函数系进行插值处理,实现图像匹配的自适应插值。通过实验表明,本文所提出的插值算法具有精度高、实时性高等特性,它为提高图像配准的精度奠定了良好基础。(4)提出了二阶光滑支持向量回归的图像配准算法。首先在考虑支持向量机光滑性的基础上,构造了一个二阶光滑支持向量回归函数。然后,利用统计分析-牵引果蝇优化算法将二阶光滑支持向量回归的误差函数作为自适应参数送入牵引果蝇进行参数寻优。最后,利用寻优后的算法对待配准图像和基准图像之间的特征进行变换模型估计,建立了映射关系,通过映射关系实现图像配准。将本算法应用于图像融合和图像复原,取得了良好的效果,它为提升图像配准的效率奠定了良好基础。本文就图像配准涉及的特征提取、插值处理和特征点匹配等关键问题提出了针对性解决算法,同时将其和图像处理的实际应用相结合,大量图像处理实例证实了本文所提出算法具有良好的应用效果。
【学位授予单位】：北京科技大学
【学位级别】：博士
【学位授予年份】：2019
【分类号】：TP391.41;TP18
【图文】：
提供理论基础，也为图像实际应用提供新思路和理论依据。本文重点围绕图逡逑像配准的特征提取算法、插值算法和变换模型估计等难点问题进行研宄，本逡逑课题拟重点在以下４个方面展开研宄工作，其关系如图１－１所示。逡逑主要研[偟沐危撸Ｒ葱碌沐我恢饕τ缅义希椋矗鎸籼崛w研宄ｆ图娜配丨逡逑图像逡逑配准逦ｔ提出了基于可变邻域窗的ｉ逡逑若干逦１邋图像插值箅法逡逑——＋图像插值算法研究卜逦．．．．．．．〉；图像融合逡逑及应逦“邋＿＿＾提］ｉＴＴ￥Ｔ
本文编号：2782625
【学位授予单位】：北京科技大学
【学位级别】：博士
【学位授予年份】：2019
【分类号】：TP391.41;TP18
【图文】：
提供理论基础，也为图像实际应用提供新思路和理论依据。本文重点围绕图逡逑像配准的特征提取算法、插值算法和变换模型估计等难点问题进行研宄，本逡逑课题拟重点在以下４个方面展开研宄工作，其关系如图１－１所示。逡逑主要研[偟沐危撸Ｒ葱碌沐我恢饕τ缅义希椋矗鎸籼崛w研宄ｆ图娜配丨逡逑图像逡逑配准逦ｔ提出了基于可变邻域窗的ｉ逡逑若干逦１邋图像插值箅法逡逑——＋图像插值算法研究卜逦．．．．．．．〉；图像融合逡逑及应逦“邋＿＿＾提］ｉＴＴ￥Ｔ
本文编号：2782625
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2782625.html
