弹性图像配准方法在气象图像中的应用

摘要

图像配准是计算机视觉和模式识别领域中的一项重要课题，在遥感探测、医学成像和基于多传感器融合的目标识别等研究中都有重大的应用价值。气象图像配准是为了实现一幅图像与另一幅图像上对应点、面通过几何变换达到空间上的一致，从而将多种模态的图像信息融合成一幅新的图像，消除像差对多模态图像信息融合所产生的影响。 本文针对气象卫星分时成像所产生的同时具有刚性形变和弹性形变的图像序列，深入系统的研究了图像刚性配准和弹性配准的方法，并根据气象云图的特性和项目的要求对算法进行了一些改进。 1．根据气象云图刚性形变和弹性形变同时存在的特点，采用分级变换模型进行图像配准，即图像整体的旋转和平移等刚性形变用仿射变换模型来表示，而云的局部扭曲等弹性形变用基于B样条的FFD模型来表示。首先利用基于特征点的刚性配准算法进行图像整体的配准，校正图像的刚性形变，使图像整体趋于一致；再利用基于B样条的弹性配准算法进行图像局部的弹性配准，校正图像的弹性形变，使两幅图像完全配准。实验结果证明，采用分级变换模型不但提高了图像配准的精度，还提高了图像配准的运行速度。 2．改进了刚性配准算法中特征点匹配的距离约束算法，在距离约束算法中添加了自适应阈值调整方法。较之人为确定阈值的算法，改进的自适应阈值调整的距离约束算法更具有通用性，可以针对不同类型的图像自动进行阈值调整，更好的剔除伪匹配点对。 3．改进了弹性配准算法中的图像更新策略，利用贪婪算法对控制点和图像进行局部更新。改进的利用贪婪算法的局部更新策略在对控制点遍历的同时便逐步更新控制点的位置信息以及图像局部的灰度信息，并将更新后的控制点位置信息和图像灰度信息带入下一步的计算，用于其他控制点网格子块的更新。对于一般的实验图像，利用贪婪算法的局部更新策略只需从图像四个角对控制点分别遍历一次，便可较好的实现整幅图像的弹性配准。较之原先的图像整体更新策略，改进后算法的执行速度显著的提高。 利用本文的算法，对同时存在整体的刚性形变和局部的弹性形变的图像进行了一系列的图像配准实验，实验结果证明本文算法具有一定的可实施性。

目录

文摘

英文文摘

声明

1绪论

1.1图像配准概述

1.2图像配准的数学模型

1.3图像配准框架

1.3.1图像预处理

1.3.2空间变换

1.3.3图像插值

1.3.4图像配准效果评价

1.4图像配准方法

1.4.1基于图像灰度的配准方法

1.4.2基于图像特征的配准方法

1.5弹性配准国内外研究状况

1.5.1使用基本函数的弹性配准

1.5.2基于平滑函数的弹性配准

1.5.3基于物理模型的弹性配准

1.5.4 FEM配准

1.6本文的组织

2气象图像配准方法分析

2.1引言

2.2气象图像的几何形变

2.3气象图像配准的变换模型

2.3.1全局变换模型

2.3.1局部变换模型

2.4本章小结

3基于特征点的气象图像刚性配准方法

3.1引言

3.2气象图像特征点提取

3.2.1基于Forstner算子的特征点提取算法

3.2.2运用熵理论网格的选取

3.3特征点匹配

3.3.1特征点粗匹配

3.3.2特征点精匹配

3.4求解图像变换参数实现图像配准

3.4.1仿射变换

3.4.2图像插值

3.5气象图像刚性配准实验结果

3.6本章小结

4基于B样条的气象图像弹性配准方法

4.1图像去噪

4.1.1均值滤波

4.1.2中值滤波

4.2 B样条简介

4.2.1 Bezier曲线

4.2.2 B样条曲线

4.3归一化互信息

4.4气象图像弹性配准算法介绍

4.4.1算法描述

4.4.2算法改进

4.5气象图像弹性配准实验结果及分析

4.6本章小结

5总结与展望

致 谢

参考文献