小波变换在二源遥感图像配准中的应用研究

摘要

随着遥感技术应用领域的不断拓展，遥感图像配准成为实现图像拼接、变化检测和目标识别等遥感图像分析任务中必不可少的一个关键环节。由于遥感图像的空间分辨率一般较高，如果对整幅遥感图像进行配准，算法计算量很大，导致图像配准的时间过长，无法达到实时性要求。因此，研究出快速、实时、高精度的遥感图像配准算法是遥感图像分析持续需要解决的难点。本文研究了小波变换在二源遥感图像配准中的算法，通过理论分析并结合实验结果，完成的工作和成果有:
　　1.叙述了小波变换的基本理论，详细分析了二维信号（即图像）的Mallat算法。针对离散小波变换的缺陷，研究了两种改进的小波变换:非抽样小波变换(UDWT)以及双树复小波变换(DT-CWT)，并分析了小波变换应用在遥感图像配准中的问题。
　　2.给出了一种基于小波变换和傅里叶-梅林变换的遥感图像配准的改进方法。针对傅里叶-梅林变换方法和最大互信息准则在图像变换时各自的优缺点，引入离散小波变换，对于小波分解后的低频子图像，利用傅里叶-梅林变换求得变换参数后，从图像的最低分辨率到最高分辨率，采用最大互信息准则逐层优化求得的变换参数，直到完成最终的配准。实验证明，该算法能大大减少二源遥感图像配准的计算时间，且配准结果相对于基于傅里叶-梅林变换搜索策略以及基于最大互信息准则搜索策略的配准方法更加精确。
　　3.针对SIFT算法可提取到图像稳定性强、特征区分度高的特征点，分析了基于小波变换和SIFT算法的遥感图像配准方法。为了克服离散小波变换的缺陷，获得原始图像更丰富完整的特征，给出了两种基于改进的小波变换和SIFT算法的遥感图像配准方法。实验证明，相对于基于小波变换和SIFT算法的遥感图像配准方法，基于UDWT和SIFT算法的遥感图像配准方法可以获得遥感图像更加细致的频域局部化信息，提取到图像更准确的特征，而对于边缘特征丰富的二源遥感图像，基于DT-CWT和SIFT算法的遥感图像配准方法可以精确地提取到图像丰富的边缘特征点，可以更精确的完成对图像的配准。

目录

声明

摘要

第1章 绪论

1．1 研究背景与意义

1．2 图像配准的研究现状和发展趋势

1．3 本文主要研究内容和章节安排

第2章 遥感图像配准的基本原理

2．1 遥感基础知识

2．2 图像配准的定义和变换模型

2．2．1 基本概念

2．2．2 空间变换模型

2．3 图像配准方法的分类

2．3．1 基于图像区域的配准方法

2．3．2 基于图像特征的配准方法

2．4 本章小结

第3章 小波变换的研究和分析

3．1 小波变换的基本理论

3．1．1 连续小波变换

3．1．2 离散小波变换

3．1．3 二维信号的Mallat算法

3．2 两种改进的小波变换

3．2．1 非抽样小波变换

3．2．2 双树复小波变换

3．3 小波变换在遥感图像配准中的应用分析

3．4 本章小结

第4章 基于小波变换和傅里叶-梅林变换的遥感图像配准

4．1 小波变换分层的配准原理

4．2 改进的配准算法

4．3 实验结果和分析

4．4 本章小结

第5章 基于小波变换和SIFT算法的遥感图像配准

5．1 SIFT算法概述及实现

5．1．1 构造高斯差分尺度空间

5．1．2 精确定位特征点

5．1．3 分配特征点方向

5．1．4 生成局部图像描述子

5．2 特征点匹配及估计变换模型参数

5．3 基于小波变换和SIFT算法的遥感图像配准

5．3．1 配准算法

5．3．2 实验结果和分析

5．4 基于非抽样小波变换和SIFT算法的遥感图像配准

5．4．1 配准算法

5．4．2 实验结果和分析

5．5 基于双树复小波变换和SIFT算法的遥感图像配准像配准

5．5．1 配准算法

5．5．2 实验结果和分析

5．6 本章小结

第6章 总结与展望

6．1 总结

6．2 展望

参考文献

致谢

攻读学位期间参加的科研成果