基于特征的圖像配準(zhǔn)關(guān)鍵技術(shù)研究.pdf

1、圖像配準(zhǔn)是指，對來自于不同時間、不同方位，或者不同的傳感器作用下拍攝的同一場景的兩幅圖像或多幅圖像進(jìn)行映射、對齊、疊加或者拼接的過程。一直以來，圖像配準(zhǔn)都是計算機視覺、模式識別、醫(yī)學(xué)圖像處理和遙感領(lǐng)域的熱點。圖像配準(zhǔn)技術(shù)可廣泛應(yīng)用于：多源遙感數(shù)據(jù)的融合分析，復(fù)雜場景下的小目標(biāo)運動跟蹤檢測，圖像拼接，地景與地圖的匹配，基于模板匹配的目標(biāo)識別和高程重建等方面。根據(jù)使用的方法不同，圖像配準(zhǔn)可以分為兩個大的類別，基于區(qū)域或者灰度的方法以及基于特

2、征的方法。其中，基于特征的方法在較為廣泛的領(lǐng)域內(nèi)取得了應(yīng)用，在圖像發(fā)生光照變化、剛性變換甚至仿射變換時都具有較高的魯棒性和運算效率。
　　本文研究了基于特征的圖像配準(zhǔn)工作中的關(guān)鍵技術(shù)，著重圍繞特征提取、特征描述和變換矩陣估計三個問題進(jìn)行了深入的分析和研究，主要創(chuàng)新性成果如下：
　　提出了一種基于墨西哥帽函數(shù)的特征檢測算子，在其基礎(chǔ)之上提出了基于特征點分組和匹配的圖像配準(zhǔn)算法。首先使用墨西哥帽檢測算子進(jìn)行圖像局部區(qū)域特征的提取

3、，并對局部區(qū)域特征進(jìn)行初步匹配操作。然后使用該算子在尺度空間上進(jìn)行特征點的檢測，將獲得的特征點按照圖像局部區(qū)域特征進(jìn)行分組，在已經(jīng)匹配成功的局部區(qū)域內(nèi)進(jìn)行特征點集的匹配操作。最后使用隨機采樣一致性檢驗進(jìn)行誤匹配點的刪除和圖像變換矩陣估計。
　　提出了一種基于局部二值模式的特征點描述方法。通過同值分割吸收核對特征點進(jìn)行篩選，將符合同值分割吸收核判定的點定義為同值分割點。對同值分割點使用多層的統(tǒng)一局部二值模式進(jìn)行描述，該描述方法稱為同

4、值分割局部二值模式描述子。該描述子結(jié)構(gòu)簡單，易于實現(xiàn)，大大降低了局部二值模式描述子的特征描述維度。
　　基于最近鄰的特征點描述方法存在對特征點描述不夠精確的缺點，并且基于最近鄰的特征點匹配算法在外點剔除的過程中，運算復(fù)雜度較高。針對這些問題，提出了一種基于特征點空間結(jié)構(gòu)的特征點描述方法。首先利用距離上的投票策略對特征點進(jìn)行初步的匹配，對匹配成功的內(nèi)點集合取其均值，將該均值點定義為全局參照點。將全局參照點與特征點之間的位置關(guān)系作為特

5、征點的屬性之一，按照人工神經(jīng)網(wǎng)絡(luò)中的排列順序編碼定義特征點間的連接權(quán)值和排列順序，以此達(dá)到對特征點的描述。該描述方法稱為全局參照角序列描述子。最后，提出了一種結(jié)合DAIS Y描述子和全局參照角序列描述子的圖像配準(zhǔn)算法。
　　圖像配準(zhǔn)目標(biāo)函數(shù)的估計可以轉(zhuǎn)化為一個包含兩部分最優(yōu)解的目標(biāo)函數(shù)優(yōu)化問題。目標(biāo)函數(shù)的兩部分最優(yōu)解，一個是最大數(shù)量的匹配特征點對，一個是最高精度的圖像變換矩陣?？梢允褂脙煞N不同的特征點描述方法來對這兩部分進(jìn)行分別求