發(fā)布時間：2017-09-15 03:24

  本文關鍵詞：融合SIFT和Gabor特征的多源遙感圖自動配準

  更多相關文章： 尺度不變特征變換(SIFT) Gabor特征 遙感圖像 圖像配準 特征提取 隨機抽樣一致性(RANSAC)

【摘要】：圖像配準是在不同時段,對同一場景從不同視角、用不同傳感器獲取的,有重疊區(qū)域的兩幅或多幅圖像進行幾何校準的過程[1]。遙感圖像配準是圖像融合、變化檢測、圖像鑲嵌等應用中不可缺少的步驟。而對于越來越龐大的遙感數(shù)據(jù),依靠人力配準成本太大,因此遙感圖像自動配準成為了當前該領域的研究熱點,而多源遙感圖像自動配準是該領域的難點。本文致力于改進SIFT算法以滿足多源遙感圖像自動配準的要求。本文首先分類概述了目前主要的各種遙感圖像配準技術,然后深入解析了基于SIFT算法的遙感圖像配準技術,指出了將其應用于多源遙感圖像配準問題時的缺陷包括關鍵點監(jiān)測重復性差、主方向不可靠、SIFT描述子不可靠、匹配方法不可靠。針對SIFT描述子不可靠的問題,本文提出了一種融合了更大支撐域Gabor特征的方向受限SIFT描述子。Gabor特征反映了圖像的邊緣方向信息和紋理方向信息,常用于圖像檢索。方向受限SIFT特征與之結合之后描述能力及獨特性都得到了提升;針對匹配方法不可靠的問題,本文提出了一種利用匹配對可靠度與關鍵點位置信息的改進隨機抽樣一致性(Random Sample Consensus,RANSAC)方法,通過利用額外信息,該方法能更有效地篩選出內點,減少誤匹配。
【關鍵詞】：尺度不變特征變換(SIFT) Gabor特征 遙感圖像 圖像配準 特征提取 隨機抽樣一致性(RANSAC)
【學位授予單位】：南昌大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP751
【目錄】：

• 摘要3-4
• Abstract4-7
• 第1章 引言7-14
• 1.1 研究背景與意義7-8
• 1.2 國內外研究現(xiàn)狀和發(fā)展方向8-12
• 1.2.1 SIFT提升算法8-9
• 1.2.2 針對遙感圖像性質的改進9-11
• 1.2.3 混合方法11
• 1.2.4 針對算法流程的改進11-12
• 1.3 本文主要研究內容及章節(jié)安排12-14
• 第2章 遙感圖像配準技術概述14-20
• 2.1 基于模版的遙感圖像配準14-16
• 2.1.1 圖像域上的模版配準方法15
• 2.1.2 頻域上的模版配準方法15-16
• 2.2 基于特征的遙感圖像配準16-19
• 2.2.1 點特征16-17
• 2.2.2 線特征17
• 2.2.3 面特征17-18
• 2.2.4 虛擬結構特征18-19
• 2.3 基于物理模型的遙感圖像配準19
• 2.4 基于混合模型的遙感圖像配準19-20
• 第3章 基于SIFT算法的遙感圖像配準技術研究20-33
• 3.1 基于SIFT算法的遙感圖像配準基本流程20-30
• 3.1.1 關鍵點檢測22-28
• 3.1.2 局部特征描述子生成28-29
• 3.1.3 特征匹配29-30
• 3.2 在多源遙感圖配準中存在的缺陷30-33
• 3.2.1 關鍵點檢測重復性差30
• 3.2.2 主方向不可靠30-31
• 3.2.3 SIFT描述子不可靠31-32
• 3.2.4 匹配方法不可靠32-33
• 第4章 改進SIFT方法33-49
• 4.1 對關鍵點檢測的調整33
• 4.2 跳過主方向分配33-34
• 4.3 融合Gabor描述子的方向受限SIFT描述子34-38
• 4.3.1 方向受限SIFT描述子34-35
• 4.3.2 更大支撐域的Gabor描述子35-38
• 4.3.3 描述子融合38
• 4.4 改進匹配算法38-41
• 4.4.1 帶有位置與可靠度信息的一對多匹配38-39
• 4.4.2 改進RANSAC算法39-41
• 4.5 實驗結果及分析41-49
• 第5章 總結與展望49-51
• 5.1 總結49
• 5.2 展望49-51
• 致謝51-52
• 參考文獻52-57
• 攻讀學位期間的研究成果57

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前2條

1 高華;曹鋒;陳明星;;基于SIFT-BP的圖像配準算法[J];重慶理工大學學報(自然科學);2011年12期

2 陽吉斌;胡訪宇;;一種基于ASIFT的圖像配準算法[J];電子技術;2012年07期

，

本文編號：854043