基于互相關和點特征的圖像配準算法研究.pdf

1、圖像配準就是將不同時間、不同條件（拍攝角度、曝光強度等）或不同成像設備下獲取的圖像進行匹配、疊加的過程。本文根據(jù)圖像配準兩個不同應用領域存在的問題，對NCC(Normalized Cross Correlation)與SIFT(Scale Invariant Feature Transform)兩種配準算法分別改進，提出PNCC(Particle Swarm Optimization-Based NCC)與FSIFT(Features

2、from Accelerated Segment-Based SIFT)算法。
　　本研究主要內(nèi)容包括：⑴針對圓盤鋸片齒寬與齒距測量問題中匹配精度高、速度快的要求，提出PNCC算法。因為NCC不需要提取特征，所以適用于解決視覺測量中模板匹配問題。為克服由搜索策略導致的配準時間長的缺點，將PSO與NCC相結(jié)合，引導NCC系數(shù)向最大值跳躍前進。同時，為克服PSO存在易收斂至局部最優(yōu)值的缺點，首先，引入基于區(qū)域的附屬粒子群，引導主粒子群

3、快速收斂至全局最優(yōu)；其次，通過加入黑名單機制，使其具有跳出局部最優(yōu)解的能力；最后，通過增加隨機擾動算子，達到增大搜索區(qū)域的目的。實驗結(jié)果表明，PNCC算法運行時間短、匹配精度高，將其應用至本文提出的圓盤鋸片齒寬與齒距視覺測量流程后，取得了較高精度。⑵針對航拍圖像拼接融合問題中配準精度高、實時性強的要求，提出FSIFT算法。因為SIFT需要提取特征，所以適用于解決航拍圖像拼接融和配準問題。為克服提取的關鍵點及其局部特征向量魯棒性不高的缺點