学位论文 > 优秀研究生学位论文题录展示
基于多尺度特征点提取的图像配准算法研究
作 者: 滕义伟
导 师: 杨宇光
学 校: 北京工业大学
专 业: 计算机科学与技术
关键词: 图像配准 多尺度 Harris-Laplace算子 SIFT描述子 RANSAC
分类号: TP391.41
类 型: 硕士论文
年 份: 2013年
下 载: 87次
引 用: 0次
阅 读: 论文下载
内容摘要
图像配准是数字图像处理中的一个基本问题,它是进一步全面、准确进行图像分析的前提和关键。图像配准是将由不同传感器在不同时间或不同视角下获取的同一场景的两幅或多幅图像进行匹配的图像处理技术。经过多年研究,图像配准已广泛应用在图像融合、图像跟踪、卫星遥感等领域。图像配准目前大致可以分为三类:基于像素灰度的图像配准方法、基于变换的图像配准方法和基于特征的图像配准方法。实验表明,基于特征的图像配准方法能够将对整个图像进行的各种分析转化为对图像特征的分析,从而大大减小了图像处理过程的运算量。故基于特征的图像配准算法已经成为了图像配准研究的主流。因此,本文重点深入的研究了基于特征图像配准算法中的点特征提取的图像配准方法。本文研究首先研究和分析了经典的点特征提取算法:Moravec算子、SUSAN算子和Harris算子,并通过实验比较、验证了这三种点特征检测算子的性能。其次,鉴于Harris算子能够较均匀、合理的提取图像中点特征的但自身不具备尺度不变性的问题,本文引入了多尺度特征点检测的思想。本文重点研究了基于尺度空间的多尺度特征点检测算法Harris-Laplace算法和SIFT描述子。针对Harris-Laplace算法在多尺度特征点检测中出现大量冗余点的问题,本文提出了基于局部结构最优表示和冗余点剔除的改进Harris-Laplace算法。再次,本文利用随机抽样一致检测算法(RANSAC)进一步剔除了粗匹配过程中产生的错误匹配特征点对并进行了变换矩阵的估计,实现了图像的配准。最后,本文利用提出的改进图像配准算法实现了基本的图像融合,取得了比较好的效果。图像配准主要是提高算法处理的速度和精确度,但是由于不同应用场景的应用需求不同,所以一个普遍适用的算法现在还未解决。通过实验结果表明,本文提出的基于改进Harris-Laplace算法相对于经典Harris算法和Harris-Laplace算法具有以下优势:具有经典Harris特征点分布均匀合理的优点,克服了该算法对尺度敏感的不足;同时相比原来Harris-Laplace算法具有更高定位精度、更快配准速度和更强的鲁棒性。
|
全文目录
摘要 4-5 Abstract 5-9 第1章 绪论 9-13 1.1 课题研究背景和意义 9 1.2 国内外发展现状 9-10 1.3 课题研究内容 10-11 1.4 论文组织结构 11-13 第2章 图像配准基本理论概述 13-21 2.1 图像配准技术简介 13-14 2.2 图像变换模型 14-16 2.2.1 刚体变换 14-15 2.2.2 仿射变换 15 2.2.3 投影变换 15-16 2.2.4 非线性变换 16 2.3 图像配准方法 16-19 2.3.1 基于灰度的图像配准 17-18 2.3.2 基于变换的图像配准 18 2.3.3 基于特征的图像配准 18-19 2.4 图像配准的评价标准 19-20 2.5 本章小结 20-21 第3章 特征提取算法研究及实验 21-31 3.1 特征及分类 21-22 3.1.1 边缘特征 21 3.1.2 区域特征 21-22 3.1.3 点特征 22 3.2 角点检测算子 22-27 3.2.1 Moravec算子 22-23 3.2.2 SUSAN算子 23-25 3.2.3 Harris算子 25-27 3.3 角点检测实验及性能分析 27-30 3.4 本章小结 30-31 第4章 多尺度特征点检测与特征描述 31-39 4.1 尺度空间理论 31 4.2 Harris-Laplace特征点检测算法 31-34 4.2.1 构建尺度空间 31-32 4.2.2 Harris-Laplace角点检测 32-33 4.2.3 改进的Harris-Laplace角点检测算法 33-34 4.3 特征点描述 34-37 4.3.1 计算主方向 35 4.3.2 生成特征向量 35-37 4.4 本章小结 37-39 第5章 多尺度图像配准算法实现与应用 39-57 5.1 特征点匹配算法 39-43 5.1.1 基于像素差平方和的特征点匹配 39-40 5.1.2 基于互相关的特征点匹配 40 5.1.3 基于最近邻的特征点匹配 40-43 5.2 误匹配剔除及变换矩阵估计 43-46 5.2.1 最小二乘法(LSM) 43-44 5.2.2 修剪的最小二乘法(TrimmedLSM) 44-45 5.2.3 随机采样一致性算法(RANSAC) 45-46 5.3 算法实现 46-55 5.3.1 实验环境 46 5.3.2 实验流程 46-47 5.3.3 实验结果及分析 47-53 5.3.4 图像配准应用 53-55 5.4 本章小结 55-57 结论 57-59 参考文献 59-63 攻读硕士学位期间发表的学术论文 63-65 致谢 65
|
相似论文
- 图像拼接技术研究,TP391.41
- 机器人自动巡检系统中图像配准与图像匹配问题的研究,TP242.62
- 空中目标抗干扰识别跟踪系统,TN215
- 结合线性二次放射生物模型的图像配准技术的研究,R815
- 基于回声状态网络的移动话务量预测方法,TN929.5
- 基于多尺度分析的图像融合算法研究,TP391.41
- 乳腺钼靶图像配准方法研究,TP391.41
- 多尺度遥感图像分割算法研究与应用,TP391.41
- 肺部病灶感兴趣区域分割算法研究,TP391.41
- 基于参数活动轮廓模型的医学图像分割方法研究,TP391.41
- 基于双树复小波和NPSO的医学图像配准方法研究,TP391.41
- 分层复合材料薄壁圆柱壳的非线性振动分析,O322
- 基于特征点的图像配准技术研究,TP391.41
- 二重组织织物的组织识别与真实感模拟研究,TS105
- 基于小波变换的信号稀疏表示及其在图像去噪中的应用,TP391.41
- 一维辐射流体力学方程组边界层性态的分析,O175.8
- 基于图像配准的空间相机自动对焦,TP391.41
- 空间相机多通道图像拼接技术研究,TP391.41
- 基于Contourlet变换的MR图像降噪算法的研究,TP391.41
- 运用特征点匹配的图像快速拼接算法研究,TP391.41
- 医学图像配准平台及结合灰度与几何信息的新配准测度,TP391.41
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|