發(fā)布時間：2021-06-23 19:57

　　聲吶圖像配準旨在找到源圖像映射到移動圖像的最佳全局變換模型,是聲吶圖像處理的基礎(chǔ)環(huán)節(jié),也是海洋資源探測的重要技術(shù)手段。從圖像配準的空間變換參數(shù)以及相似度測量兩個角度出發(fā)研究了它的應(yīng)用,并相繼研究了基于回歸-校正網(wǎng)絡(luò)的聲吶圖像配準算法和基于相似性排序模型的相似度計算方法。本文的主要工作可以概括為:（1）在聲吶圖像配準中引入分級處理的策略,設(shè)計了一個基于回歸-校正網(wǎng)絡(luò)的聲吶圖像配準算法�；貧w網(wǎng)絡(luò)用于預(yù)測配準對的3D幾何變換參數(shù),校正網(wǎng)絡(luò)包括幾何變換網(wǎng)絡(luò)和比較網(wǎng)絡(luò),根據(jù)圖像對的相似度對變換參數(shù)進行校正。通過兩個網(wǎng)絡(luò)的組合優(yōu)化,實現(xiàn)由粗到細的配準。在兩種聲吶數(shù)據(jù)集上和三種配準方法進行對比實驗,實驗結(jié)果驗證了該算法的有效性。（2）基于相似性排序模型的相似度計算方法:研究了一個能夠表征圖像相似度的模型。通過將基于三元組的排名損失函數(shù)引入到多尺度深度神經(jīng)網(wǎng)絡(luò)中,監(jiān)督學(xué)習相似度信息實現(xiàn)相似性的度量。在兩種聲吶數(shù)據(jù)集上和三種經(jīng)典相似度量函數(shù)、三中經(jīng)典相似度計算方法進行對比實驗,驗證了該算法的有效性。 

【文章來源】：杭州電子科技大學(xué)浙江省

【文章頁數(shù)】：59 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖像配準流程圖

插值、雙線性插值。下面將簡單介紹一下這些方法。最近鄰插值計算簡單，易于實現(xiàn)，常用于對標注圖像執(zhí)行形變時插值。雙線性插值是一種重采樣方法，它使用四個最近像素值的距離加權(quán)平均值來估計新的像素值。首先在一個方向上執(zhí)行線性插值，然后再另一個方向上再次執(zhí)行線性插值。盡管在每一個步驟上的采樣值都是線性的，但是整體的插值不是線性的[31]。雙線性插值方法在圖像配準中應(yīng)用較為廣泛。2.2圖像配準方法研究2.2.1傳統(tǒng)圖像配準算法根據(jù)具體應(yīng)用的不同，傳統(tǒng)配準方法有不同的側(cè)重點。但基本上的配準流程是一致的，如圖2.2所示。下面將從基于相關(guān)的方法、基于互信息的方法和基于小波的方法三個方面簡單介紹傳統(tǒng)的圖像配準算法�；谙嚓P(guān)的方法：該方法常用于配準單峰圖像或用于比較多個圖像是否相似，它在醫(yī)學(xué)領(lǐng)域在分析和治療疾病方面具有巨大的用途。該方法從圖像中提取的特征經(jīng)常被用來獲得圖像相關(guān)的互相關(guān)系數(shù)。例如，文獻[32]提出了一種使用圖像子頻率的估計方法，該方法基于傅里葉域，通過采用多信號分類器算法，以適度的計算復(fù)雜度為代價獲得了更準確的配準結(jié)果�；诟盗⑷~的技術(shù)以及搜索算法也早已被用來評估兩個輸入圖像之間的轉(zhuǎn)換[33]�；诨バ畔⒌姆椒ǎ夯谙嗷バ畔⒌拇胧┛捎糜趲椭隗w素的配準。如特征匹配步驟中所提到的，可以有效地利用相互信息來建立參考特征與測試圖像之間的對應(yīng)關(guān)系。事實證明，相關(guān)方法對于多模式配準無效。但是，基于互信息的方法不會遇到這種問題，而是可以在多模式配準任務(wù)中有效執(zhí)行。已經(jīng)采用梯度下降優(yōu)化方法來最大化互信息[34]�；诖翱诤徒鹱炙姆椒ㄓ糜谑褂没バ畔崿F(xiàn)圖像配準[35]。圖像之間的標準化互信息已用于圖像配準的圖2.2傳統(tǒng)基于特征的配準流程圖

杭州電子科技大學(xué)碩士學(xué)位論文12圖2.3監(jiān)督學(xué)習配準流程圖例如，Nguyen[38]提出了一種基于弱監(jiān)督學(xué)習的新穎可變形圖像配準方法，所提出的方法利用切片插值來改善具有劇烈和大的結(jié)構(gòu)變化的圖像之間的配準。另外，該方法僅需要粗略配準的數(shù)據(jù)來訓(xùn)練插值網(wǎng)絡(luò)，而變形網(wǎng)絡(luò)可以以無監(jiān)督的方式進行訓(xùn)練。Li[39]提出了一種基于完全卷積網(wǎng)絡(luò)（Fullyconvolutionalnetwork，F(xiàn)CN）的新穎的非剛性圖像配準算法，該方法將目標函數(shù)設(shè)定為參考圖像和移動圖像之間的相似度，通過最大化兩圖像之間的圖像相似度來直接估計圖像對之間的空間變換。Sokooti[40]提出了一種在人工位移矢量場（displacementvectorfield，DVF）的指導(dǎo)下進行監(jiān)督的非剛性圖像配準方法，為此提出并比較了三種網(wǎng)絡(luò)架構(gòu)。人工DVF允許以完全監(jiān)督和體素密集的方式進行訓(xùn)練，但比一般創(chuàng)建密集標記的數(shù)據(jù)所需的成本低。所提出的體系結(jié)構(gòu)被嵌入到多階段方法中，以增加所提出的網(wǎng)絡(luò)的捕獲范圍，以便更準確地預(yù)測更大的位移等等，表2.1給出了著名作品的描述。參考文獻[41-45]根據(jù)變換的模型和使用的神經(jīng)網(wǎng)絡(luò)模型進行分類，展示了不同方法的相似性與區(qū)別。如文獻[41]是實時的監(jiān)督學(xué)習變換，為可變性模型，使用的神經(jīng)網(wǎng)絡(luò)模型為CNN。而文獻[45]是實時和合成變換，針對剛體變換模型，使用的神經(jīng)網(wǎng)絡(luò)為11-layerCNNResNet-18。表2.1監(jiān)督學(xué)習方法RefSupervisionTransformModel[41]RealTransformDeformableCNN[42]SyntheticTransformsDeformableGoogleNet[43]Real+SyntheticTransformsDeformableFCN[44]Real+SyntheticTransformRigid6-layerCNN10-layerFCN[45]Real+SyntheticTransformRigid11-layerCNNResNet-18監(jiān)督學(xué)習允許跨應(yīng)用程序時進行實時可靠的配準。但是，這種方法存在一定的局限性。首先，監(jiān)督?

【參考文獻】：
期刊論文
[1]基于模板匹配約束下的光學(xué)與SAR圖像配準[J]. 楊勇,胡思茹.  系統(tǒng)工程與電子技術(shù). 2019(10)
[2]基于頻譜和空域特征匹配的圖像配準算法[J]. 陳澤鋒,吳慶陽,陳順治,李奇鋒,盧曉婷,黃浩濤.  激光與光電子學(xué)進展. 2020(02)
[3]基于決策樹的景象匹配算法性能評估方法研究[J]. 鄒輝,吳奇峰,張一飛,明德烈.  計算機與數(shù)字工程. 2016(11)
[4]一種結(jié)合區(qū)域選擇和SIFT算法的遙感圖像配準方法[J]. 樊東昊,朱建軍,郭南男,周璀,周靖鴻.  工程勘察. 2015(02)
[5]一種基于線狀目標特征點集的聲吶圖像配準方法[J]. 蘆俊,叢衛(wèi)華.  聲學(xué)與電子工程. 2014(04)
[6]醫(yī)學(xué)圖像配準技術(shù)的研究與應(yīng)用進展[J]. 章榮海,潘義廣,張軍.  電腦知識與技術(shù). 2012(18)
[7]基于區(qū)域選擇和特征點匹配的圖像配準算法[J]. 劉貴喜,王蕾.  光電子.激光. 2007(08)

碩士論文
[1]基于3D卷積神經(jīng)網(wǎng)絡(luò)的海馬體配準技術(shù)研究[D]. 姜巖蕓.山東師范大學(xué) 2019
[2]高分辨率遙感圖像配準技術(shù)的研究[D]. 劉占強.北京郵電大學(xué) 2019
[3]基于改進SIFT和深度學(xué)習的SAR圖像配準研究[D]. 張姣姣.西安電子科技大學(xué) 2018
[4]一種基于灰度相關(guān)性和特征點的SAR圖像配準方法[D]. 易成龍.國防科學(xué)技術(shù)大學(xué) 2009
[5]邊緣與灰度信息結(jié)合的SAR圖像配準方法研究[D]. 鄧鵬.中國科學(xué)院研究生院（電子學(xué)研究所） 2003



本文編號：3245563