遙感技術(shù)在促進(jìn)我國經(jīng)濟(jì)發(fā)展、保障生產(chǎn)生活安全等方面具有重要的作用。其中,遙感圖像作為遙感應(yīng)用的重要數(shù)據(jù),在軍事導(dǎo)航、資源普查、環(huán)境監(jiān)測、目標(biāo)識(shí)別等領(lǐng)域中得到了廣泛的使用。由于同一場景在不同傳感器下采集到的遙感圖像中的信息具有互補(bǔ)性。因此,利用不同的遙感圖像往往能觀測到不同的地面信息。為了消除圖像間的誤差并盡可能的保留不同遙感圖像中的圖像信息,通常利用圖像配準(zhǔn)技術(shù)對(duì)得到的遙感圖像進(jìn)行預(yù)處理。在圖像配準(zhǔn)中,基于圖像局部特征的配準(zhǔn)算法應(yīng)用廣泛,在不同圖像中,圖像局部特征都有著很強(qiáng)的魯棒性。因此,本文基于遙感圖像局部特征進(jìn)行配準(zhǔn)算法的研究。在基于關(guān)鍵點(diǎn)的遙感圖像配準(zhǔn)算法研究中,我們發(fā)現(xiàn),由于遙感圖像間存在著不規(guī)則梯度變化,利用梯度幅值（GM）構(gòu)建的傳統(tǒng)描述子難以滿足遙感圖像配準(zhǔn)的需求。因此,為解決這一問題,本文提出了一種基于梯度幅值歸一化重置策略的描述子NGMD。本文在實(shí)驗(yàn)部分將其與其他六種基于梯度信息構(gòu)建的描述子進(jìn)行了比較,實(shí)驗(yàn)結(jié)果顯示,使用NGMD的配準(zhǔn)算法具有最高的準(zhǔn)確率。通過對(duì)圖像梯度信息的研究,我們發(fā)現(xiàn)梯度幅值（GM）和梯度發(fā)生（GO）這兩種不同的梯度信息在描述特征時(shí)具有互補(bǔ)性�；�... 

【文章來源】：齊魯工業(yè)大學(xué)山東省

【文章頁數(shù)】：68 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

局部特征示例

第2章基于局部特征的圖像配準(zhǔn)相關(guān)技術(shù)研究8為一種基于輪廓的角點(diǎn)檢測算法，F(xiàn)ast-CPDA首先從Canny邊緣檢測算法檢測到的邊緣圖像中提取輪廓[24]。然后對(duì)每個(gè)輪廓進(jìn)行平滑處理，并使用CPDA算法估計(jì)角點(diǎn)所在輪廓的曲率，曲率最大值對(duì)應(yīng)的點(diǎn)被視為候選角點(diǎn)[38,39]。在我們后面的研究中將使用Fast-CPDA作為我們的角點(diǎn)檢測算法，因此，在這里我們總結(jié)了Fast-CPDA角點(diǎn)檢測算法的主要步驟以及相對(duì)于原始CPDA算法在效率方面的改進(jìn)。（1）提取輪廓。對(duì)選定的灰度圖像使用Canny邊緣檢測算法檢測出圖像中的邊緣信息[24]。假設(shè)很短的輪廓可能不包含顯著的角點(diǎn)，則輪廓的長度n應(yīng)滿足以下條件：（2.1）其中h和w對(duì)應(yīng)于圖像的長和寬，是用于控制輪廓長度的參數(shù)。（2）平滑輪廓線。為了減少噪聲對(duì)輪廓的影響，采用高斯卷積對(duì)所有選定的輪廓進(jìn)行平滑處理。輪廓（，）通過以下公式進(jìn)行計(jì)算：（2.2）式中是高斯平滑后的輪廓，是卷積運(yùn)算，σ是平滑的比例因子，高斯函數(shù)定義如下：（2.3）（3）估計(jì)曲率。圖2.2說明了CPDA曲率估計(jì)算法的工作原理。當(dāng)弦沿著輪廓移動(dòng)時(shí)，通過累積點(diǎn)到弦的垂直距離來表示點(diǎn)處的曲率。對(duì)于長度為L的弦，點(diǎn)的曲率計(jì)算公式為：（2.4）圖2.2CPDA曲率估計(jì)示意圖

第3章基于梯度信息的特征描述子22（45°,90°]……(315°,360°]8個(gè)方向區(qū)間。對(duì)像素點(diǎn)中梯度方向在這8個(gè)方向區(qū)間范圍內(nèi)的像素點(diǎn)的梯度幅值進(jìn)行累加，從而構(gòu)建出8個(gè)方向的梯度直方圖。梯度直方圖中第w個(gè)直方圖的計(jì)算公式如下：（3.5）其中，為梯度直方圖中第w個(gè)直方圖中n個(gè)像素點(diǎn)的梯度幅值累加值，為特征區(qū)域內(nèi)第n個(gè)像素點(diǎn)的梯度幅值。通過梯度直方圖的方式疊加特征點(diǎn)鄰域像素在八個(gè)方向范圍內(nèi)的梯度幅值來構(gòu)建出該特征點(diǎn)的描述子。3.3一種新的梯度幅值描述子3.3.1問題闡述由于遙感圖像在采集時(shí)受不同傳感器的成像差異及光照等條件的影響，采集到的遙感圖像局部區(qū)域內(nèi)往往會(huì)發(fā)生不規(guī)律的灰度變化。如圖3.1中所示為兩幅相同場景下的遙感圖像，圖中紅色矩形方框內(nèi)的區(qū)域中發(fā)生了明顯的灰度變化。如果還是僅僅依靠在梯度直方圖上累加梯度幅值的方法構(gòu)建描述子，將很大程度上使得遙感圖像中對(duì)應(yīng)的特征點(diǎn)形成不同的描述子。為了減少遙感圖像中對(duì)應(yīng)部分灰度值不規(guī)則變化對(duì)遙感圖像梯度造成的影響，我們將進(jìn)一步研究一種能有效規(guī)避此類變化的特征描述子。圖3.1局部梯度反轉(zhuǎn)樣例3.3.2NGMD描述子的構(gòu)建單純依賴梯度幅值構(gòu)建的特征描述子往往會(huì)因局部區(qū)域不規(guī)則的灰度值變化而降低描述子的識(shí)別力與準(zhǔn)確性。但是，大多數(shù)情況下，局部區(qū)域內(nèi)即使發(fā)生不規(guī)則的灰度值變化，對(duì)應(yīng)像素的梯度幅值仍然具有一定的描述能力。因此，在構(gòu)建描述子時(shí)，我們通過梯度幅值歸一化重置策略增強(qiáng)描述子對(duì)于這部分區(qū)域的特征表達(dá)能力。我們將這種處理策略應(yīng)用在我們的圖像中，如圖3.2所示，左圖為我


本文編號(hào)：3549850