基于LBPH和SIFT的多源遥感图像配准研究
发布时间：2021-07-11 08:19
图像配准指的是对不同时间、不同传感器或是不同视角捕获的有重叠区域的同一场景图像寻找最优几何变换的过程。图像配准技术是图像处理的一个关键步骤,主要应用于遥感、军事、医学分析、计算机视觉等领域。遥感图像配准不但是遥感图像处理的主要研究内容,也是图像融合、目标检测识别、图像镶嵌、场景重建等诸多实际应用问题能否顺利解决的关键。近年来,随着遥感摄影技术的快速发展,获取遥感图像的方式也越来越多样化,所拍摄得到的图像间灰度差异明显,同时由于图像间存在旋转、尺度、噪声等变化,这使得图像配准面临巨大挑战,成为现阶段研究热点。SIFT算法是基于图像局部特征配准使用最广的一种方法,对旋转、尺度缩放、光照变化能够保持稳定性,但是其计算复杂度高。本文通过对SIFT算法和基于LBPH特征的人脸识别算法进行分析,提出利用LBPH特征进行图像配准的方法。本文算法主要有以下创新:第一,通过分析研究CS-LBP算子的实现方法,提出一种新的更加简单的4-LBP算子;第二,利用新的4-LBP特征结合图像空间信息构成一种特征向量维度更简单的LBPH特征;第三,通过将SIFT算法和新的LBPH特征相结合实现图像配准。为了验证本文...
【文章来源】：南昌大学江西省 211工程院校
【文章页数】：53 页
【学位级别】：硕士
【部分图文】：
图２．１原始ＬＢＰ特征描述??
?第２章相关概念???１．原始ＬＢＰ特征??原始ＬＢＰ算子是指在一个３?ｘ?３像素的区域内，把该区域中心像素灰度值设??定为阈值，接着比较中心像素灰度值与其周围的８个像素的灰度值的大小，如??果中心像素灰度值比周围像素灰度值大，则周围像素点的位置标记为０，反之??标记为１。通过这样的处理，３ｘ３区域内的周围８像素点可以产生８个二进制??位，将它们按照一定的顺序排列就会形成一个二进制数，这样就得到了中心像??素的ＬＢＰ值。该ＬＢＰ值总共有２８种可能，即ＬＢＰ值有２５６种。如图２．１详细展??示了这一方法实现原理。中心像素值为５，四周８个像素的值分别与５比较，??大于５，设置为１，反之为０。??一??１?｜?２?｜?２?｜?｜?０?Ｉ?０?｜?０?｜?＼??ＪＴＴｊ＾ＭＵＪＺＩ?）?ｏＳａ＾ｒ０１１??三２■丄?ｍ备??图２．１原始ＬＢＰ特征描述??２．圆形ＬＢＰ特征??基本ＬＢＰ算子只是计算了固定半径范围内的区域，很难满足多种尺寸和多??种频率纹理需求。为了解决这一不足，Ｏｊａｌａ在原始ＬＢＰ算子的基础上进行了??一定的改进，他将邻域范围扩大到任意区域，同时不再局限于正方形区域而是??使用了圆形区域，改进之后ＬＢＰ算子在圆形区域内不是固定数量的像素点，而??是可以有任意多个像素点。图２．２展示了几种圆形ＬＢＰ算子。??國國國??ＬＢＰｓｌ?ＬＢＩＷ?ＬＢＰｉ??图２．２不同ＬＢＰ算子??１３??
?第２章相关概念???下面以一个５?ｘ?５的邻域举一个例子，如图２。３。??圓??图２．３圆形ＬＢＰ??对于一个点它的近邻点（ｘｐ，ｙｐ），ｐｅＰ可以用以下公式计算：??ｘ?＝ｘｃ?＋Ｒｃｏｓ（＾＾－）?（２－１６）??Ｐ??ｙＰ：ｙｃ－Ｒｓｉｎ（＾＾）?（２－１７）??其中Ｒ为半径，ｐ是样本点的个数。??由于通过上面的式子求得的坐标可能是小数，因此可以通过双线性插值来??求该采样点的像素值：??／Ｙ?、ｎ?］「／（〇，〇）?／（〇，ｉ）ｐ－／｜?，…??／（ｘ，神—ｘ?ｘ］Ｕ。）則１」?（２－１８）??３．ＬＢＰ旋转不变模式??由于编码的起始点是固定的，因此编码值在经过旋转之后会产生不同的编??码值。为了解决这一问题，把同一编码模式旋转后产生的编码值的最小值作为??同一值。图２．４是旋转不变ＬＢＰ特征的示意图。在图中，最开始ＬＢＰ的值是??２２５，该ＬＢＰ值无论如何旋转也只能有８种不同的ＬＢＰ值，而这８种不同的??ＬＢＰ值中最小的值是１５，因此该旋转不变的ＬＢＰ的值就是１５。??Ｏ?°?Ｏ??〇?＞?°．?．?／??？?（＞?Ｉ￣￣Ｉ??〇?°?〇?？?°?Ｏ?？?？?〇?雌等霉?？傷參?〇?？鲁?ｏ?°?？??泰?ｏ?？?〇？?ｏ?？?ｏ?〇?？?ｏ?？?〇?？??？?？?？?？參?〇?？?〇?〇?〇?〇?Ｏ?〇?〇?〇?°?°?？??２４０?１２０?６０?ＪＯ?１５?１３５?ｌ＾Ｓ??１５??图２．４旋转不变ＬＢＰ示意图??１４??
【参考文献】：
期刊论文
[1]基于尺度不变特征变换和区域互信息优化的多源遥感图像配准[J]. 赵辽英,吕步云,厉小润,陈淑涵. 物理学报. 2015(12)
[2]基于改进Harris-SIFT算子的快速图像配准算法[J]. 许佳佳,张叶,张赫. 电子测量与仪器学报. 2015(01)
[3]遥感图像配准技术综述[J]. 余先川,吕中华,胡丹. 光学精密工程. 2013(11)
硕士论文
[1]高分辨率遥感图像配准技术的研究[D]. 刘占强.北京邮电大学 2019
[2]基于卷积神经网络和SIFT的多源遥感图像配准研究[D]. 苏燕飞.南昌大学 2018
[3]基于点特征和局部结构信息的遥感图像配准[D]. 葛毓欢.西安电子科技大学 2018
[4]基于SIFT算法的无人机遥感图像配准[D]. 陈裕.中南大学 2009
本文编号：3277716
【文章来源】：南昌大学江西省 211工程院校
【文章页数】：53 页
【学位级别】：硕士
【部分图文】：
图２．１原始ＬＢＰ特征描述??
?第２章相关概念???１．原始ＬＢＰ特征??原始ＬＢＰ算子是指在一个３?ｘ?３像素的区域内，把该区域中心像素灰度值设??定为阈值，接着比较中心像素灰度值与其周围的８个像素的灰度值的大小，如??果中心像素灰度值比周围像素灰度值大，则周围像素点的位置标记为０，反之??标记为１。通过这样的处理，３ｘ３区域内的周围８像素点可以产生８个二进制??位，将它们按照一定的顺序排列就会形成一个二进制数，这样就得到了中心像??素的ＬＢＰ值。该ＬＢＰ值总共有２８种可能，即ＬＢＰ值有２５６种。如图２．１详细展??示了这一方法实现原理。中心像素值为５，四周８个像素的值分别与５比较，??大于５，设置为１，反之为０。??一??１?｜?２?｜?２?｜?｜?０?Ｉ?０?｜?０?｜?＼??ＪＴＴｊ＾ＭＵＪＺＩ?）?ｏＳａ＾ｒ０１１??三２■丄?ｍ备??图２．１原始ＬＢＰ特征描述??２．圆形ＬＢＰ特征??基本ＬＢＰ算子只是计算了固定半径范围内的区域，很难满足多种尺寸和多??种频率纹理需求。为了解决这一不足，Ｏｊａｌａ在原始ＬＢＰ算子的基础上进行了??一定的改进，他将邻域范围扩大到任意区域，同时不再局限于正方形区域而是??使用了圆形区域，改进之后ＬＢＰ算子在圆形区域内不是固定数量的像素点，而??是可以有任意多个像素点。图２．２展示了几种圆形ＬＢＰ算子。??國國國??ＬＢＰｓｌ?ＬＢＩＷ?ＬＢＰｉ??图２．２不同ＬＢＰ算子??１３??
?第２章相关概念???下面以一个５?ｘ?５的邻域举一个例子，如图２。３。??圓??图２．３圆形ＬＢＰ??对于一个点它的近邻点（ｘｐ，ｙｐ），ｐｅＰ可以用以下公式计算：??ｘ?＝ｘｃ?＋Ｒｃｏｓ（＾＾－）?（２－１６）??Ｐ??ｙＰ：ｙｃ－Ｒｓｉｎ（＾＾）?（２－１７）??其中Ｒ为半径，ｐ是样本点的个数。??由于通过上面的式子求得的坐标可能是小数，因此可以通过双线性插值来??求该采样点的像素值：??／Ｙ?、ｎ?］「／（〇，〇）?／（〇，ｉ）ｐ－／｜?，…??／（ｘ，神—ｘ?ｘ］Ｕ。）則１」?（２－１８）??３．ＬＢＰ旋转不变模式??由于编码的起始点是固定的，因此编码值在经过旋转之后会产生不同的编??码值。为了解决这一问题，把同一编码模式旋转后产生的编码值的最小值作为??同一值。图２．４是旋转不变ＬＢＰ特征的示意图。在图中，最开始ＬＢＰ的值是??２２５，该ＬＢＰ值无论如何旋转也只能有８种不同的ＬＢＰ值，而这８种不同的??ＬＢＰ值中最小的值是１５，因此该旋转不变的ＬＢＰ的值就是１５。??Ｏ?°?Ｏ??〇?＞?°．?．?／??？?（＞?Ｉ￣￣Ｉ??〇?°?〇?？?°?Ｏ?？?？?〇?雌等霉?？傷參?〇?？鲁?ｏ?°?？??泰?ｏ?？?〇？?ｏ?？?ｏ?〇?？?ｏ?？?〇?？??？?？?？?？參?〇?？?〇?〇?〇?〇?Ｏ?〇?〇?〇?°?°?？??２４０?１２０?６０?ＪＯ?１５?１３５?ｌ＾Ｓ??１５??图２．４旋转不变ＬＢＰ示意图??１４??
【参考文献】：
期刊论文
[1]基于尺度不变特征变换和区域互信息优化的多源遥感图像配准[J]. 赵辽英,吕步云,厉小润,陈淑涵. 物理学报. 2015(12)
[2]基于改进Harris-SIFT算子的快速图像配准算法[J]. 许佳佳,张叶,张赫. 电子测量与仪器学报. 2015(01)
[3]遥感图像配准技术综述[J]. 余先川,吕中华,胡丹. 光学精密工程. 2013(11)
硕士论文
[1]高分辨率遥感图像配准技术的研究[D]. 刘占强.北京邮电大学 2019
[2]基于卷积神经网络和SIFT的多源遥感图像配准研究[D]. 苏燕飞.南昌大学 2018
[3]基于点特征和局部结构信息的遥感图像配准[D]. 葛毓欢.西安电子科技大学 2018
[4]基于SIFT算法的无人机遥感图像配准[D]. 陈裕.中南大学 2009
本文编号：3277716
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3277716.html
