【摘要】：SAR圖像具有全天候工作,穿透力強等優(yōu)點,被廣泛應用于氣象分析,地質勘測等領域。SAR圖像的配準是許多SAR圖像處理應用必不可少的步驟之一,因此,關于SAR圖像配準技術的研究在當今社會具有非常重要的研究價值。由于SAR圖像特殊的成像機理和成像條件,使傳統(tǒng)光學圖像的配準方法不適用于SAR圖像,因此基于SAR圖像的配準方法已經成為圖像處理領域研究的熱點之一,并得到快速發(fā)展。本文在國家高層次人才特殊支持計劃(SAR圖像解譯與目標識別),國家自然科學基金面上項目(基于生成對抗網絡的極化SAR地物分類,61771379)等項目的支持下,以基于特征的圖像配準方法為基礎,結合深度自學習,提出了三種基于深度自編碼網絡的SAR圖像配準方法,內容如下:1.通過實驗說明SIFT特征在SAR圖像中存在的問題,如SIFT特征不再具有旋轉不變性,不滿足最近距離匹配等。針對特征提取的這些問題,基于自編碼網絡無監(jiān)督的對圖像進行特征提取,網絡的輸入為以特征點為中心的圖像塊,輸出作為對圖像的特征描述,然后度量特征得到匹配點對,完成配準。該方法避免了人工設計特征的復雜操作,對于不同數據,可以自適應的提取特征進行匹配。與SIFT相比,可以得到更多數量的正確匹配點對,并且提高了匹配點對的準確度,從而提高了配準的精度。2.由于自編碼網絡對圖像數據進行編碼和重構是無監(jiān)督過程,網絡參數的更新與特征的匹配結果沒有關系,因此在實際應用中,容易造成對于地理形狀相似的圖像塊所提取到的特征也過于相似的問題,不利于匹配。為解決該問題,基于自編碼網絡有監(jiān)督的完成配準,即引入有標簽數據指導網絡的訓練。同時為了更好的學習數據分布,有效利用數據,引入遷移學習,使用源數據進行預訓練,再使用目標數據進行微調。利用該方法進行網絡訓練之后,能夠直接得到測試圖像中特征點的匹配結果,而不需要再進行距離度量。該方法可以得到更多數量的正確匹配點對,并且更加精確,均方根誤差更小,進一步提高了配準的精度。3.有監(jiān)督網絡訓練包括預訓練和微調兩個過程,與無監(jiān)督自編碼網絡相比在配準精度有所提高,但是訓練過程仍較為繁瑣,訓練時間長。為提高網絡訓練的效率,本文基于有監(jiān)督網絡的訓練過程,采用將預訓練和微調結合起來同時進行的方式進行訓練,即將交叉熵和重構誤差結合構造損失函數,并通過不同的權重決定每部分在訓練不同階段的作用。該方法與有監(jiān)督網絡的訓練相比,簡化了訓練過程,同時保證了正確匹配點對的數量,保證了匹配點對的準確度,不降低配準的精度。
【圖文】：

噪聲比較明顯，信噪比低。圖 2.1 為可見光圖像和 SAR 圖像示例。(a)可見光圖像 (b)SAR 圖像圖2.1 圖像數據2.2 圖像配準基礎知識2.2.1 圖像配準的定義對于不同時間、不同天氣、或者不同成像設備下獲取的多幅圖像，如果需要知道這多幅圖像中存在哪些真實的地理變化，就需要進行圖像之間的校正、匹配等操作，消除拍攝環(huán)境造成的圖像之間的差異，這個過程稱為圖像配準。圖像配準中，稱傳感器獲取的兩幅或多幅圖像為參考圖像和待配準圖像。通常將參考圖像作為圖像配準的基準圖，而待配準圖像均以基準圖為基礎，進行圖像變換。假設參考圖像為 1I x ,y ,待配準圖像為 2I x

圖 3.8 為待配準圖像由人工構造變換矩陣對參考圖像進行變換所得實驗數據。(a)參考圖像 (b)待配準圖像圖3.8 實驗數據對其進行 SIFT 特征舉例分析，，其中(a)中可以得到 1327 個特征點，(b)中有 1360個特征點，若點對的坐標誤差小于 2 認為是匹配的。通過分析發(fā)現，滿足匹配規(guī)則的匹配點對共有 288 對。其中匹配點對之間的特征的歐氏距離如圖 3.9 中的紅色曲線所示；而在(b)的所有關鍵點中，與(a)中的 288 個特征點的最近特征距離如圖 3.11 的藍
【學位授予單位】：西安電子科技大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TN957.52

【相似文獻】

相關期刊論文 前10條

1 張穎;曹璐云;;圖像配準技術[J];數碼世界;2017年06期

2 何立新;王昆侖;檀明;;基于多分辨率和互信息的圖像配準方法研究[J];合肥學院學報(自然科學版);2012年02期

3 云日升,彭海良,王彥平;干涉合成孔徑雷達復圖像配準精度分析和方法[J];測試技術學報;2003年01期

4 高東陽;趙西安;潘昕;;基于稀疏快速傅里葉的互相關圖像配準[J];北京建筑大學學報;2017年02期

5 倪權;倪偉淵;;多分辨率人臉圖像配準方法研究[J];信息化研究;2015年04期

6 張婧;郇中丹;張海利;;有關非線性圖像配準的正則化(英文)[J];工程數學學報;2011年06期

7 邊倩;鄭伊寧;;一種改進的基于最大互信息的圖像配準方法[J];電子科技;2008年06期

8 曾琪明,解學通;基于譜運算的復相關函數法在干涉復圖像配準中的應用[J];測繪學報;2004年02期

9 傅德勝;劉珍麗;;印鑒圖像配準與特征提取[J];模式識別與人工智能;2002年03期

10 段嘉旭;羅林;高曉蓉;彭建平;李金龍;;基于抽樣隨機一致性和圖像特征的圖像配準[J];信息技術;2017年11期

相關會議論文 前10條

1 郭宏國;周銓;趙榮椿;;一種改進的基于角點檢測的圖像配準方法[A];第八屆全國信號與信息處理聯(lián)合學術會議論文集[C];2009年

2 甘亞莉;李國輝;涂丹;;基于相關性的小波域圖像配準方法研究[A];第二屆和諧人機環(huán)境聯(lián)合學術會議(HHME2006)——第15屆中國多媒體學術會議(NCMT'06)論文集[C];2006年

3 張成;韋穗;;一種基于新的能量泛函的彈性圖像配準方法[A];第十四屆全國圖象圖形學學術會議論文集[C];2008年

4 馮麗麗;姜慧研;李季;;一種自適應的非剛性圖像配準方法及其在肝臟配準中的應用[A];第九屆全國信息獲取與處理學術會議論文集Ⅱ[C];2011年

5 翟勝軍;姜暉;張鑫;;一種基于角點的圖像配準方法[A];武漢(南方九省)電工理論學會第22屆學術年會、河南省電工技術學會年會論文集[C];2010年

6 吳正琴;王艷陽;陳茜琛;郭小梅;傅小龍;;千伏錐形束CT在線引導放療中技術員參與圖像配準的可行性研究[A];2007第六屆全國放射腫瘤學學術年會論文集[C];2007年

7 李蓉;桂仁;;基于ArcGIS Add-In的柵格圖像配準工具設計[A];地理信息與人工智能論壇暨江蘇省測繪地理信息學會2017年學術年會論文集[C];2017年

8 張照喜;何正中;邱大勝;劉玉林;陳軍;杜東屏;蔣春林;;基于放療計劃的CT/MR圖像配準對視交叉保護價值的探討[A];2010中華醫(yī)學會影像技術分會第十八次全國學術大會論文集[C];2010年

9 王云雅;王曉麗;汪靜;鄧敬蘭;李國權;馬曉偉;;床位變化對SPECT/CT同機圖像配準的影響[A];中華醫(yī)學會第九次全國核醫(yī)學學術會議論文摘要匯編[C];2011年

10 黃攀;唐勁松;岳軍;鐘何平;張森;;基于相位信息的InSAS復圖像配準方法[A];中國聲學學會水聲學分會2015年學術會議論文集[C];2015年

相關重要報紙文章 前1條

1 尚琴;我國圖像配準技術還需加強產學研融合[N];中國知識產權報;2017年

相關博士學位論文 前10條

1 葉蓬;多模態(tài)遙感圖像配準關鍵技術研究[D];國防科學技術大學;2016年

2 武越;基于計算智能的圖像配準與分割研究[D];西安電子科技大學;2016年

3 韓歡;一類醫(yī)學圖像配準中的變分問題與數值算法研究[D];中國科學院大學(中國科學院武漢物理與數學研究所);2016年

4 張浩;多信息融合圖像邊緣特征提取及圖像配準研究與應用[D];浙江大學;2008年

5 楊曉梅;幾何變分方法在圖像配準中的應用[D];華東師范大學;2014年

6 王雷;影像導航手術中2D/3D圖像配準[D];中國科學院研究生院(長春光學精密機械與物理研究所);2015年

7 周海洋;圖像配準及其在天文和顯微圖像中的應用研究[D];浙江大學;2017年

8 黃曉陽;在體肝臟圖像配準方法及應用研究[D];廈門大學;2009年

9 陳錦偉;敏捷衛(wèi)星遙感圖像配準和拼接技術研究[D];浙江大學;2014年

10 趙偉;SAR圖像配準的穩(wěn)健核譜方法[D];西北工業(yè)大學;2016年

相關碩士學位論文 前10條

1 鐘用;基于點特征的遙感圖像配準[D];西安電子科技大學;2018年

2 葛毓歡;基于點特征和局部結構信息的遙感圖像配準[D];西安電子科技大學;2018年

3 林威;分振幅式偏振探測系統(tǒng)的圖像配準研究[D];大連理工大學;2018年

4 張姣姣;基于改進SIFT和深度學習的SAR圖像配準研究[D];西安電子科技大學;2018年

5 寧夢丹;基于深度自編碼的SAR圖像配準方法研究[D];西安電子科技大學;2018年

6 劉超然;航空遙感圖像配準與拼接算法研究[D];哈爾濱工業(yè)大學;2018年

7 蔣晨嬌;基于改進雞群算法的AD患者DTI圖像配準[D];河北大學;2018年

8 劉月亮;基于預測的肺4D-CT圖像配準方法研究[D];南方醫(yī)科大學;2018年

9 高弘治;基于極限學習機與Demons算法的圖像配準研究[D];遼寧師范大學;2018年

10 周詩豪;基于對數極坐標特征及就近點迭代的圖像配準方法[D];昆明理工大學;2018年

本文編號：2606577