基于梯度閾值分割和混合進化算法的圖像配準研究.pdf

1、隨著船舶自動化的進一步發(fā)展，對機艙安全和智能化的重視程度越來越高，因此在機艙內(nèi)安裝多攝像頭已逐漸成為標準配置。在采集到圖像信息后，對圖像進行融合處理，可以更加清晰地呈現(xiàn)出圖像的特征信息，有利于更加準確的人工處理或者計算機自動處理。要實現(xiàn)高質(zhì)量的圖像融合，必須先實現(xiàn)精確的圖像配準(Image Registration)，這是圖像融合的基本前提。由于存在一些外部原因(如攝像頭維護不及時、機艙內(nèi)部空氣污濁等)造成圖像含有多種噪聲，如高斯噪聲、

2、乘性噪聲、泊松噪聲和椒鹽噪聲等，而含噪圖像配準仍屬當前研究的重中之重。本文的研究內(nèi)容是針對此類含有復雜噪聲的機艙監(jiān)控圖像配準問題，主要研究內(nèi)容如下：
　　1)以數(shù)學模型的角度上解釋了數(shù)字圖像配準的定義，然后簡單介紹其主要框架，即空間變換、圖像插值、相似性測度和優(yōu)化算法，并對這些主要模塊分別進行數(shù)學闡述。
　　2)分析了熵與互信息在圖像配準中的作用，并根據(jù)互信息與f信息的關(guān)系，采用I信息作為圖像配準測度。該測度相對于互信息測度

3、，可以產(chǎn)生更少的局部極值點。通過實驗得到的最佳取值范圍，并確定多階段配準中，在每一階段的取值。該測度有利于實現(xiàn)高效率、高精準和較好魯棒性的圖像配準。
　　為解決含有復雜噪聲的圖像配準問題，提出基于梯度閾值分割的方法以加強圖像輪廓信息，同時可以提高像素點空間位置信息對灰度信息的影響。根據(jù)仿真結(jié)果可得，此方法極大的降低了噪聲信息對圖像配準的影響，從而提升配準的精確度。
　　4)為解決目標函數(shù)存在多個局部極值點的問題，提出了一種改

4、進QPSO算法。設(shè)計了一種對于壓縮膨脹因子(t)的自適應控制策略，從而有效的避免了粒子過早收斂以加強全局尋優(yōu)能力。實驗結(jié)果表明，采用改進的QPSO算法達到了提高全局尋優(yōu)能力的目的。
　　5)實現(xiàn)了多階段多分辨率圖像配準方法。將改進QPSO算法與NM單純形法相結(jié)合，在第一階段的粗配準過程中采用改進QPSO算法，第二階段的精配準過程采用NM單純形法，從而達到提高配準成功率的目的。實驗結(jié)果表明，采用較大的初始單純形更有利于提高配準的成功