基于尺度不变特征和互信息的遥感图像自动配准

摘要

近年来,对于图像配准的研究受到了广泛的关注。图像配准能够实现不同拍摄条件下获得的图像间的匹配,已被应用于诸多领域,如医学图像分析中的疾病状态监测、计算机视觉中的三维图像重建,遥感图像中的变换检测。这些应用对图像配准提出了很高的要求,如亚像素的精确度、全自动化和实时性。目前还没有一种完美的配准方法能够满足所有的要求,特别是在遥感图像处理领域。遥感图像受传感器机理、光照变换等因素的影响,图像间灰度差异较大,增加了图像配准的难度。针对遥感图像的特点,本文基于尺度不变特征(SIFT)和互信息(MI)提出了一种新图像配准策略。具体内容阐述如下:
　　(1)提出一种基于尺度不变性的SIFT特征错误匹配滤除方法。该方法计算待配准图像中两两特征间距离与参考图像中相应特征间距离的比值,形成尺度直方图,直方图的波峰对应两幅图像的尺度比,直方图中边缘点被认为是错误配准并滤除。尺度直方图利用了SIFT的尺度不变性,获得更加准确的滤除结果。
　　(2)提出一种新的最大化互信息初始解选择策略。该策略获得SIFT匹配,并滤除其中的错误匹配,然后利用最小二乘法估计出配准参数。通过该策略获得的配准参数在最优解的附近,因此将其作为最大化互信息的初始解能够实现最大化互信息全自动化,降低互信息迭代次数,加快搜索算法收敛。
　　(3)利用 Levenberg–Marquardt最大化互信息实现遥感图像配准。Levenberg–Marquardt算法结合了梯度下降法的鲁棒性和牛顿法的快速收敛性。利用该算法的优越性能,能够快速的获得精确配准参数。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1研究目的和意义

1.2 研究历史和现状

1.3图像配准的要求和面临的问题

1.4论文的主要内容和结构安排

第二章 遥感图像配准理论

2.1数学模型

2.2 图像配准的步骤

2.3 图像配准的方法

2.4 图像的变换模型

2.5内插方法

2.6 本章小结

第三章 基于尺度不变性的误匹配滤除

3.1 引言

3.2 尺度不变特征

3.3 误匹配滤除

3.4 实验及分析

3.5 本章小结

第四章 基于SIFT和互信息的图像配准

4.1 互信息

4.2 Levenberg–Marquardt优化算法

4.3新算法

4.3对比算法介绍

4.4实验及分析

4.5 本章小结

第五章 总结和展望

致谢

参考文献

硕士期间研究成果