發(fā)布時間：2021-11-09 00:27

　　遙感圖像配準(zhǔn)技術(shù)因其實用性強(qiáng)、應(yīng)用范圍廣等特點已經(jīng)成為目前的研究熱門。遙感圖像配準(zhǔn)技術(shù)的發(fā)展在災(zāi)害勘測方面有著廣泛應(yīng)用。為了獲取更有效、更全面的災(zāi)后遙感信息,在遙感圖像配準(zhǔn)階段,本文提出了一種結(jié)合空間變換網(wǎng)絡(luò)和灰度投影的遙感圖像配準(zhǔn)的方法,以及一種結(jié)合卷積神經(jīng)網(wǎng)絡(luò)和區(qū)域約束移動最小二乘法的遙感圖像配準(zhǔn)方法。主要研究如下:1.為使圖像能夠參照變換模型實現(xiàn)自適應(yīng)變換,減少配準(zhǔn)時間,提出一種結(jié)合空間變換網(wǎng)絡(luò)和灰度投影的遙感圖像配準(zhǔn)方法。采用空間變換網(wǎng)絡(luò)模型提取圖像特征并進(jìn)行訓(xùn)練得到仿射變換系數(shù),使待配準(zhǔn)圖像能夠根據(jù)該仿射變換系數(shù)實現(xiàn)自適應(yīng)仿射變換,達(dá)到初配準(zhǔn)目的。為了得到更精確的配準(zhǔn)效果,采用灰度投影算法進(jìn)行二次校準(zhǔn),最后實現(xiàn)待配準(zhǔn)圖像的精確配準(zhǔn)。2.為了使移動最小二乘法在實現(xiàn)圖像配準(zhǔn)時圖像局部不會因整體形變而產(chǎn)生變換,本文通過VGG16卷積神經(jīng)網(wǎng)絡(luò)模型提取特征,訓(xùn)練得到關(guān)鍵特征點。將特征點預(yù)匹配得到控制點和目標(biāo)點,采用區(qū)域邊界約束的方法對區(qū)域內(nèi)的圖像使用移動最小二乘法計算最佳變換模型,最后進(jìn)行逐點仿射變換從而完成配準(zhǔn)。實驗證明,本文提出的方法在配準(zhǔn)過程中保持了配準(zhǔn)精度的同時加快了配準(zhǔn)的速度... 

【文章來源】：上海應(yīng)用技術(shù)大學(xué)上海市

【文章頁數(shù)】：54 頁

【學(xué)位級別】：碩士

【部分圖文】：

不同遙感圖像配準(zhǔn)方法的分類與應(yīng)用Fig2.1Remotesensingimageregistrationclassificationandapplication圖像配準(zhǔn)應(yīng)用于很多不同的領(lǐng)域，如醫(yī)學(xué)圖像配準(zhǔn)[34]、多源圖像信息分析[35]、目標(biāo)識別[36]、資源定位[37]等

第8頁上海應(yīng)用技術(shù)大學(xué)碩士學(xué)位論文圖像融合[38]、圖像拼接[39]等相關(guān)研究領(lǐng)域中的必需環(huán)節(jié)。2.1.2圖像配準(zhǔn)方法圖像配準(zhǔn)方法按照成像特點、轉(zhuǎn)化形式、形變類型等方面大致分為四個類型：基于圖像區(qū)域的配準(zhǔn)方法[40-42]、基于圖像特征的配準(zhǔn)方法[43-44]、基于混合模型的配準(zhǔn)方法和基于物理模型的配準(zhǔn)方法[45-47]，如圖2.2所示。本小節(jié)主要對前兩種圖像配準(zhǔn)的方法和理論進(jìn)行介紹。圖2.2圖像配準(zhǔn)方法Fig2.2Imageregistrationmethod從圖中可以看出，目前研究比較深入的是基于區(qū)域和基于特征的圖像配準(zhǔn)方法，而基于混合模型和基于物理模型的研究中尚未成熟，方法和思路較少�；趨^(qū)域的圖像配準(zhǔn)方法包括圖像域和頻域；基于特征的配準(zhǔn)方法包括點特征、線特征、面特征和虛擬特征等。(1)基于區(qū)域的圖像配準(zhǔn)方法基于區(qū)域的圖像配準(zhǔn)方法以整幅圖像的灰度信息為依據(jù)，建立待配準(zhǔn)圖像和基準(zhǔn)參考圖像之間的相似性度量，利用搜索算法，尋找出最優(yōu)相似度量，再計算變換模型參數(shù)。算法思路如圖2.3所示：

上海應(yīng)用技術(shù)大學(xué)碩士學(xué)位論文第9頁圖2.3基于圖像區(qū)域的配準(zhǔn)方法流程圖Fig2.3Flowchartoftheregistrationmethodbasedonimagearea基于區(qū)域的配準(zhǔn)方法也稱之為直接配準(zhǔn)法，通過衡量兩幅圖像某一區(qū)域的相似性來構(gòu)建變換模型，經(jīng)過不停的迭代搜索來求解一個最優(yōu)變換解。是在圖像配準(zhǔn)領(lǐng)域中最早發(fā)展起來的一種圖像配準(zhǔn)技�；趨^(qū)域的配準(zhǔn)又主要包含基于圖像域和基于頻域兩類處理方法，其中比較經(jīng)典算法有最大互信息法、傅里葉變換相位相關(guān)法等。①最大互信息法[48]：最大互信息法以信息熵來衡量兩幅圖像的匹配程度。它通過查找最大的互信息，得到兩幅圖像的最佳匹配模型。主要步驟是先計算兩幅圖像的信息熵以及聯(lián)合熵，再根據(jù)邊緣概率密度和聯(lián)合概率密度求解兩幅圖像之間的互信息。②基于傅里葉變換相位相關(guān)法[49]：該方法依據(jù)傅里葉變換的平移、旋轉(zhuǎn)和縮放性質(zhì)來計算圖像間的變換參數(shù)，將空間變換計算公式轉(zhuǎn)變?yōu)闃O坐標(biāo)下的傅里葉變換公式。最后通過兩幅圖像功率譜的反傅里葉變換所對應(yīng)的峰值位置得到校正圖像的平移參數(shù)。雖然基于區(qū)域的配準(zhǔn)方法實現(xiàn)較簡單，但配準(zhǔn)速度比較慢，配準(zhǔn)實時性較差。對于非線性變換、光照變換的圖像配準(zhǔn)效果不明顯，魯棒性較差。(2)基于特征的配準(zhǔn)方法基于圖像特征的配準(zhǔn)方法是通過檢測顯著且穩(wěn)定的匹配特征來估計圖像之間的幾何變換。該方法通過特征提取，選取到多個具有代表特性的特征點。將這些特征點通過優(yōu)化算法進(jìn)行篩選，得到精確的特征點對。將特征點進(jìn)行匹配并計算幾何變換模型，最后進(jìn)行坐標(biāo)變換和插值得到配準(zhǔn)結(jié)果。基于圖像特征的配準(zhǔn)方法流程如圖2.4所示：

【參考文獻(xiàn)】：
期刊論文
[1]Multi-source Remote Sensing Image Registration Based on Contourlet Transform and Multiple Feature Fusion[J]. Huan Liu,Gen-Fu Xiao,Yun-Lan Tan,Chun-Juan Ouyang.  International Journal of Automation and Computing. 2019(05)
[2]改進(jìn)的Harris算法在海洋遙感圖像處理中的應(yīng)用[J]. 劉軍泉,劉曉華,黃小仙.  現(xiàn)代電子技術(shù). 2019(18)
[3]卷積神經(jīng)網(wǎng)絡(luò)特征在遙感圖像配準(zhǔn)中的應(yīng)用[J]. 葉發(fā)茂,羅威,蘇燕飛,趙旭青,肖慧,閔衛(wèi)東.  國土資源遙感. 2019(02)
[4]基于T分布混合模型的多光譜人臉圖像配準(zhǔn)[J]. 李巍,董明利,呂乃光,婁小平.  光學(xué)學(xué)報. 2019(07)
[5]基于閉合區(qū)域特征的光學(xué)和SAR遙感圖像配準(zhǔn)[J]. 黨欣,馬洪兵.  電子設(shè)計工程. 2019(04)
[6]使用線約束運動最小二乘法的視差圖像拼接[J]. 樊逸清,李海晟,楚東東.  中國圖象圖形學(xué)報. 2019(01)
[7]基于超像素重建的多尺度B樣條醫(yī)學(xué)圖像配準(zhǔn)[J]. 劉晨,張龍波,王雷,盧海濤.  智能計算機(jī)與應(yīng)用. 2019(01)
[8]近色背景果實識別的多源圖像配準(zhǔn)[J]. 馬正華,呂小俊,徐黎明,王藝潔,呂繼東.  計算機(jī)工程與設(shè)計. 2018(11)
[9]結(jié)合SIFT和Delaunay三角網(wǎng)的遙感圖像配準(zhǔn)算法[J]. 祁曦,陳志云.  計算機(jī)系統(tǒng)應(yīng)用. 2018(10)
[10]結(jié)合深度學(xué)習(xí)的非下采樣剪切波遙感圖像融合[J]. 陳清江,李毅,柴昱洲.  應(yīng)用光學(xué). 2018(05)

博士論文
[1]多模式遙感數(shù)據(jù)地震應(yīng)急關(guān)鍵技術(shù)研究[D]. 李強(qiáng).中國地震局工程力學(xué)研究所 2018

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)和SIFT的多源遙感圖像配準(zhǔn)研究[D]. 蘇燕飛.南昌大學(xué) 2018
[2]基于紅外圖像的電子穩(wěn)像算法研究[D]. 黃楠.西安電子科技大學(xué) 2018



本文編號：3484291