基于SIFT算法的无人机遥感图像配准

摘要

图像配准是遥感、医学、计算机视觉等很多领域中的一个基本问题。在遥感领域，图像配准是实现图像融合、变化检测、图像校正、图像镶嵌等应用中必不可少的一个关键步骤。由于遥感信息量大，应用范围广，因此实现自动配准一直是人们追求的目标。 提取和匹配图像特征点是实现图像自动配准的一种重要方法。本文首先对各种常用的特征检测算法进行研究。在详细分析各算法的优劣之后，确定SIFT（尺度不变特性变换，Scale Invariant Feature Transform）作为无人机遥感图像配准中使用的特征点提取算法。SIFT是一种多尺度特征提取方法，通过构建高斯差分尺度空间（DOG，Difference of Gaussian scale-space）算法拥有很好的特征提取能力。同时算法还能够产生SIFT特征用以表述特征点信息。SIFT特征对图像的尺度变化和旋转是不变的，而且对光照的变化和图像变形具有较强的适应性，有利于后续的特征点匹配。因此SIFT在遥感领域，实现图像融合、变化检测、图像校正、图像镶嵌等领域有很广泛的应用。 由于SIFT算法只考虑点的局部的特征信息，没有分析匹配后特征点对集合的几何分布信息，导致存在部分误匹配特征点。为了提高特征点的匹配精度，减少误匹配点，本文使用矩和马氏距离对SIFT算法得到的结果进行再处理得到改进的特征点对。利用矩和马氏距离处理的对象的层次不同，构建一个多尺度的多次匹配算法。最后利用新的特征点对进行图像的配准。与已有的相关工作相比，该方法可以得到更多更精确的匹配特征点。数值试验证明了该方法的有效性和鲁棒性。

目录

文摘

英文文摘

声明

第一章 绪论

1.1研究背景与意义

1.2图像配准的基础理论

1.2.1图像配准的概念

1.2.2图像配准的分类

1.2.3图像配准的流程

1.3本文的研究内容与组织

第二章 图像预处理

2.1引言

2.2滤波处理

2.2.1空域滤波

2.2.2频域滤波

2.2.3滤波效果的评定

2.3图像镜头校正

2.3.1镜头径向畸变

2.3.2镜头偏心畸变

2.4试验与小结

第三章 图像特征检测

3.1引言

3.2图像特征检测算法

3.2.1 Moravec

3.2.2 Harris

3.2.3 SUSAN

3.2.4 MIC算法

3.2.5 SIFT

3.3特征点检测算法评价方法

3.4试验与分析

第四章 图像特征匹配

4.1引言

4.2无人机遥感投影模型及其近似简化模型

4.3不变特征和不变矩

4.4连续矩

4.4.1几何矩

4.4.2旋转矩

4.4.3复数矩

4.4.4 Legendre矩

4.4.5 Zernike矩

4.5离散正交矩

4.5.1 Krawtchouk矩

4.5.2Tchebichef矩

4.6马氏距离

4.7试验与分析

4.8小结

第五章 基于SIFT的图像配准

5.1基于SIFT图像配准流程

5.2 SIFT算法特征点查找与初匹配

5.3特征点匹配

5.3.1矩匹配

5.3.2马氏距离匹配

5.4图像拼接

5.4.1参数估计

5.4.2重采样

5.5实验与分析

5.6小结

第六章 总结与展望

6.1总结

6.2展望

参考文献

致谢

攻读学位期间研究成果