圖像配準(zhǔn)若干理論及應(yīng)用研究.pdf

1、圖像配準(zhǔn)是對(duì)不同時(shí)間、不同視場(chǎng)、不同成像模式的兩幅或多幅圖像進(jìn)行空間幾何變換，使得各個(gè)圖像在幾何上滿足變換模型定義的匹配關(guān)系。圖像配準(zhǔn)的主要目的是去除或者抑制待配準(zhǔn)圖像和參考圖像之間的幾何位置差異，一般包括平移、縮放、旋轉(zhuǎn)或其它非線性變換失真；圖像配準(zhǔn)是圖像處理和分析的關(guān)鍵步驟，是圖像對(duì)比、數(shù)據(jù)融合、變化分析和目標(biāo)識(shí)別的必要前提。圖像配準(zhǔn)技術(shù)目前已廣泛應(yīng)用于遙感圖像處理、醫(yī)學(xué)圖像處理、制圖學(xué)、計(jì)算機(jī)視覺(jué)、目標(biāo)識(shí)別等領(lǐng)域。
　　

2、本文以提高圖像配準(zhǔn)的正確率、速度和精度為主要目標(biāo)，研究了圖像配準(zhǔn)領(lǐng)域的若干重要理論和方法，包括馬爾可夫模型、互信息模型、尺度不變特征變換、快速梯度求優(yōu)方法等，并將這些理論和方法應(yīng)用到圖像配準(zhǔn)的不同環(huán)節(jié)及相關(guān)應(yīng)用中，取得了較好的效果；下面總結(jié)本文的主要研究工作。
　　 研究了馬爾可夫隨機(jī)場(chǎng)模型和隱馬爾可夫樹模型，提出了小波域聯(lián)合馬爾可夫模型以及邊緣輔助的組合馬爾可夫隨機(jī)場(chǎng)模型，并分別將這兩種模型應(yīng)用于圖像去噪與非監(jiān)督圖像分割；小波

3、域隱馬爾可夫樹模型能較好的描述尺度間小波系數(shù)的相關(guān)性，而不能描述尺度內(nèi)小波系數(shù)的相關(guān)性；針對(duì)這一問(wèn)題，聯(lián)合馬爾可夫模型對(duì)隱馬爾可夫樹模型產(chǎn)生的小波收縮系數(shù)進(jìn)行馬爾可夫場(chǎng)鄰域聚類，間接的擬合了小波系數(shù)尺度內(nèi)的相關(guān)性；因此，和隱馬爾可夫樹模型相比，小波域聯(lián)合馬爾可夫模型能夠更真實(shí)的擬合小波系數(shù)的分布，從而更好的還原無(wú)噪聲的小波系數(shù)。邊緣輔助的組合馬爾可夫隨機(jī)場(chǎng)模型在傳統(tǒng)的馬爾可夫標(biāo)號(hào)場(chǎng)的基礎(chǔ)上引入邊緣二值隨機(jī)場(chǎng)，二者相互作用構(gòu)成組合隨機(jī)場(chǎng)；

4、該組合隨機(jī)場(chǎng)的聯(lián)合能量在實(shí)際的邊緣場(chǎng)與模型定義的理想邊緣場(chǎng)的某一個(gè)配置吻合時(shí)，取得最小值零，從而引導(dǎo)分割算法最終優(yōu)化出正確的邊緣場(chǎng)與標(biāo)號(hào)場(chǎng)組合，有效提高了分割精度。
　　 以提高互信息模型的局部求優(yōu)速度為目標(biāo)，提出了基于樣條金字塔的互信息快速局部求優(yōu)算法；該方法采用高精度B樣條生成金字塔大幅降低計(jì)算復(fù)雜度，引入Parzen窗方法估計(jì)聯(lián)合概率密度，在此基礎(chǔ)上導(dǎo)出目標(biāo)互信息函數(shù)的一階梯度和二階Hessian矩陣表達(dá)式，從而將具備二次

5、收斂性的Newton方法引入到優(yōu)化過(guò)程大大提高了配準(zhǔn)速度。對(duì)普通可見光圖像和多譜圖像的配準(zhǔn)實(shí)驗(yàn)表明該優(yōu)化方法大幅提高了互信息模型下的圖像配準(zhǔn)速度，且精度較高。
　　 研究了尺度不變特征變換的原理，并通過(guò)實(shí)驗(yàn)發(fā)現(xiàn)：將尺度不變特征直接引入到遙感圖像配準(zhǔn)會(huì)產(chǎn)生大量誤匹配點(diǎn)，最終導(dǎo)致配準(zhǔn)精度下降甚至配準(zhǔn)失敗；針對(duì)這一個(gè)問(wèn)題，結(jié)合目前遙感應(yīng)用的實(shí)際情況，我們?cè)诤s放失真和不含縮放失真兩種情況下，分別對(duì)比分析了不同特征點(diǎn)檢測(cè)算法的性能，選取

6、當(dāng)前應(yīng)用環(huán)境下綜合性能最佳的方法來(lái)檢測(cè)特征點(diǎn)，并改進(jìn)了尺度不變特征描述符，使之能適應(yīng)圖像對(duì)之間的譜段和傳感器差異，最后提出了尺度不變特征匹配新方法；將上述配準(zhǔn)方法應(yīng)用于遙感圖像配準(zhǔn)取得了較高的正確率和精度。
　　 提出了基于像素灰度的快速圖像配準(zhǔn)方法，在迭代過(guò)程中根據(jù)當(dāng)前運(yùn)動(dòng)參數(shù)，動(dòng)態(tài)重映射參考圖中的像素點(diǎn)集，使得整個(gè)迭代過(guò)程只需要計(jì)算一次Hessian矩陣，有效提高了優(yōu)化速度。此外，我們還將這種快速配準(zhǔn)方法引入到視頻序列的全局