基于D-Nets的圖像配準技術的研究.pdf_第1頁
已閱讀1頁,還剩63頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、在當前科技信息發(fā)展的時代,移動終端設備也不斷發(fā)展?;谶@種優(yōu)勢,用戶能夠方便的得到圖像的數據。數字圖像應用的關鍵技術是圖像配準技術,近幾年來,隨著對圖像配準技術不斷的研究,應用也越來越廣泛。SIFT算子(Scale Invariant Feature Transform,尺度不變特征變換)是典型的圖像配準算子。為了提高圖像配準的精確度以及配準效率,大量學者在SIFT算子的基礎之上進行了改進,但是在配準精度方面還沒有達到理想的狀態(tài)。本文在

2、D-Nets(Descriptor-Nets)的基礎上對圖像配準技術進行了研究。D-Nets配準算法是一種計算上有效的方法,極大地提高了圖像配準的精確度和召回率。我們研究的主要內容分為三個階段:圖像預處理階段、圖像特征點提取階段以及圖像特征點配準階段。本文旨在提高圖像配準的精確度、召回率,基于這一目的,提出了兩個方案。
 ?。?)基于D-Nets配準算法,本文提出了新的方法,在特征點提取階段對原圖像提取特征點,在配準階段,對合成圖

3、像用D-Nets進行配準。本方法的具體操作步驟為:首先對數據集中的原圖像用Laplace算子(拉普拉斯算子)進行圖像邊緣增強,然后用增強后的圖像與原圖像進行圖像合成,用合成后的圖像在圖像配準階段進行特征配準。在特征點提取階段,采用SIFT算子對原圖像進行特征點的提取,提取出的特征點圖像信息豐富,該算法對圖像縮放、旋轉、位移等幾何變化具有不變性,還具有較好的魯棒性。為了降低合成圖像的噪聲,避免影響配準效果,對合成圖像在配準之前用高斯濾波平

4、滑處理。在圖像配準階段,用D-Nets算法對合成圖像進行圖像配準,相比現有的方法大大提高了配準的精確度和召回率。
  (2)基于D-Nets配準算法,本文提出另一種方法,在圖像配準階段之后,用RANSAC算法(Random Sample Consensus,隨機抽樣一致性算法)去除誤配準點,從而提高配準精度。RANSAC算法是一種高魯棒性的算法,能對異常數據的干擾進行高效的排除,對模型參數的穩(wěn)健性有所提高,它比其他去除圖像誤配準點

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論