基于特征点和TPE两点熵的图像配准技术研究

摘要

如果想要综合利用同一个场景在不同成像器材、不同成像环境条件等不同因素的作用下所得到的多幅图像的信息，必须要先利用图像配准技术将这些图像进行配准对齐，让它们构成一个更为完整反映场景本身信息的“合成体”。目前，图像配准技术应用领域非常广泛，但是也存在一些亟待解决的问题，包括:寻找更好的相似性测度，寻找更为高效的优化策略、寻找避免陷入局部极值的方法，寻找提高配准精度和速度的改进策略，以及提高实时处理高质量图像和海量数据的方法。为了解决避免陷入局部极值、找到更好的相似性测度以及提高图像配准的精度和配准准确度，本文对图像配准过程和方法进行了研究，主要包含以下两方面的工作:
　　1)针对常见的基于特征的图像配准算法的不足，本文提出了一种基于改进CPSO优化的特征点图像配准方法。由于RANSAC剔除误匹配需要多次随机抽取固定数目的匹配点来确定参数然后再用相当多的点来验证这个参数，这个过程运算量非常大，因此本文提出一种简化的扩展直线不变矩法，利用的不变矩本身具有旋转位移的不变性，提高图像误匹配剔除的运算效率。在此基础上，针对在基于特征点的图像配准中利用欧式距离作为相似性测度，存在向量映射到所对应标量表达特征点相似度区分力不够，从而导致基于特征点配准时会产生匹配不准甚至错误的匹配的缺陷，通过引入概率策略对混沌粒子群优化算法进行了改进。实验结果表明:改进后CPSO算法能够更好、更快的实现图像配准。
　　2)互信息用于测量图像配准中分析两幅图像的相关。当两幅图像之间最相关的时候就是互信息值最大的时候，此时两幅图像完全配准。本文对互信息图像配准算法进行了改进，利用TPE两点熵作为相似性测度，提出了基于CPSO优化的TPE两点熵的图像配准策略，解决互信息的配准方法中配准准确度受配准原始图像各自灰度级影响比较大的问题，仿真实验结果表明:相对于互信息、TPE和改进的Powell优化算法，基于CPSO优化的TPE两点熵的图像配准算法具有更好的配准准确度。

目录

声明

摘要

1 绪论

1．1 课题研究的背景和意义

1．2 图像配准技术的发展和研究现状

1．3 本文的研究内容和组织

2 图像配准方法研究

2．1 图像配准的研究框架

2．2 图像配准数学原理

2．3 图像预处理方法

2．3．1 图像增强

2．3．2 几何纠正

2．4 图像变换

2．4．1 刚体变换

2．4．2 仿射变换

2．4．3 投影变换

2．4．4 多项式变换

2．5 相似性度量

2．6 配准搜索策略

2．6．1 RANSAC算法

2．6．2 Powell算法

2．6．3 粒子群优化算法

2．7 本章小结

3 基于改进CPSO优化的特征点图像配准策略

3．1 常见图像配准方法分析

3．1．1 基于特征的图像配准方法

3．1．2 基于灰度的图像配准方法

3．2 特征点和角点分析

3．2．1 特征点和角点的特点

3．2．2 Harris角点及角点检测算法

3．3 特征点的特征提取

3．4 图像配准过程

3．4．1 图像配准初步匹配

3．4．2 图像误匹配剔除

3．4．3 确定变换参数

3．4 基于改进CPSO优化的特征点图像配准

3．5 实验结果与分析

3．5．1 实验一 误匹配剔除实验

3．5．2 实验二拍摄点不同的图像配准实验

3．5．3 实验三 CPSO引入特征点图像配准实验

3．6 本章小结

4 基于TPE两点熵的图像配准策略

4．1 两点熵与互信息

4．1．1 两点熵

4．1．2 互信息与TPE互信息

4．2 基于TPE两点熵的图像配准

4．2．1 互信息图像配准的原理

4．2．2 图像的联合直方图

4．2．3 互信息图像配准基本实现过程和实验

4．2．4 基于TPE两点熵的图像配准算法实现

4．2．5 实验结果与分析

4．3 本章小结

5 总结和展望

5．1 总结

5．2 展望

参考文献

致谢