本文選題：計算機應(yīng)用　切入點：圖像配準(zhǔn)　出處：《吉林大學(xué)學(xué)報(工學(xué)版)》2017年05期 　論文類型：期刊論文

【摘要】：經(jīng)典的SURF算法存在許多不足,如特征描述符維度高、運算量大,對于旋轉(zhuǎn)和拍射視角變換角度過大時,匹配精度低等。針對以上問題,提出了一種改進(jìn)算法,首先通過Hessian矩陣提取特征點,然后采用特征點圓形鄰域進(jìn)行特征描述,使用Haar小波響應(yīng)為每個特征點建立描述符,同時計算鄰域內(nèi)歸一化的灰度差分及二階梯度,形成新的特征描述符,最后采用RANSAC算法剔除誤匹配點。該算法不僅較經(jīng)典SURF算法具有速度優(yōu)勢,同時充分利用了灰度信息和細(xì)節(jié)信息,具有更高的精度。實驗結(jié)果表明:該算法對圖像的模糊、光照差異、角度旋轉(zhuǎn)、視場變換等均有良好的魯棒性和穩(wěn)定性。將該算法應(yīng)用于遙感圖像拼接,得到無明顯幾何移位、邊緣銜接良好的拼接圖像。該算法是一種耗時短、精度高的圖像配準(zhǔn)算法,能夠滿足遙感圖像拼接對配準(zhǔn)的要求。
[Abstract]:The classical SURF algorithm has many shortcomings, such as high dimension of feature descriptor, large amount of computation, low accuracy of matching when the angle of rotation and angle of view is too large, etc. In view of the above problems, an improved algorithm is proposed. Firstly, the feature points are extracted from the Hessian matrix, then the feature description is carried out by using the circular neighborhood of the feature points. The descriptor for each feature point is established by using the Haar wavelet response. At the same time, the normalized grayscale difference and the second-order gradient in the neighborhood are calculated. A new feature descriptor is formed, and the RANSAC algorithm is used to eliminate the mismatch points. This algorithm not only has the advantage of speed over the classical SURF algorithm, but also makes full use of the gray level information and detail information. The experimental results show that the algorithm has good robustness and stability for image blur, illumination difference, angle rotation, field of view transformation, etc. The algorithm is applied to remote sensing image mosaic, and no obvious geometric shift is obtained. The algorithm is a kind of image registration algorithm with short time consuming and high precision, which can meet the registration requirements of remote sensing image stitching.
【作者單位】： 中國科學(xué)院長春光學(xué)精密機械與物理研究所;中國科學(xué)院大學(xué);
【基金】：吉林省重大科技攻關(guān)項目(11ZDGG001) 裝備預(yù)研項目 國家林業(yè)公益性行業(yè)科研專項項目(201204515)
【分類號】：TP751

【相似文獻(xiàn)】

相關(guān)期刊論文 前9條

1 屈志毅,王玉珍,鐘聲偉;圖像拼接中特征塊的選取[J];計算機工程;2002年09期

2 詹斌;李華格;蔣迪星;秦緒佳;;遙感圖像拼接系統(tǒng)[J];計算機系統(tǒng)應(yīng)用;2014年05期

3 劉輝;申海龍;;改進(jìn)圖像配準(zhǔn)算法在無人機遙感圖像拼接中的應(yīng)用[J];半導(dǎo)體光電;2014年01期

4 李佳,解凱;基于條形圖的全景圖像拼接[J];哈爾濱師范大學(xué)自然科學(xué)學(xué)報;2005年03期

5 王軍;朱寶山;朱述龍;晉克宇;湯志強;;基于相關(guān)系數(shù)的遙感圖像拼接線檢測算法[J];測繪與空間地理信息;2011年03期

6 溫紅艷;周建中;;遙感圖像拼接算法改進(jìn)[J];電光與控制;2009年12期

7 程紅;鄭悅;孫文邦;;基于相鄰像素灰度改正比的遙感圖像拼接縫消除[J];電光與控制;2014年05期

8 呼振超;王繼偉;;遙感圖像拼接縫消除技術(shù)研究[J];影像技術(shù);2013年05期

9 范永弘;萬惠瓊;靳建立;曾令沙;;基于DSM的遙感圖像拼接線自動生成技術(shù)[J];測繪科學(xué)技術(shù)學(xué)報;2011年01期

相關(guān)博士學(xué)位論文 前1條

1 賈銀江;無人機遙感圖像拼接關(guān)鍵技術(shù)研究[D];東北農(nóng)業(yè)大學(xué);2016年

相關(guān)碩士學(xué)位論文 前5條

1 李星星;大比例尺多視角無人機遙感圖像拼接技術(shù)研究[D];杭州師范大學(xué);2015年

2 王軍;遙感圖像拼接縫消除算法研究[D];解放軍信息工程大學(xué);2011年

3 韓文超;基于POS系統(tǒng)的無人機遙感圖像拼接技術(shù)研究與實現(xiàn)[D];南京大學(xué);2011年

4 徐陽;無人機遙感圖像拼接技術(shù)研究[D];南京航空航天大學(xué);2012年

5 狄穎辰;無人機遙感圖像拼接系統(tǒng)設(shè)計與實現(xiàn)[D];電子科技大學(xué);2011年

，

本文編號：1575935