圖像配準若干理論及應(yīng)用研究.pdf

1、圖像配準是對不同時間、不同視場、不同成像模式的兩幅或多幅圖像進行空間幾何變換，使得各個圖像在幾何上滿足變換模型定義的匹配關(guān)系。圖像配準的主要目的是去除或者抑制待配準圖像和參考圖像之間的幾何位置差異，一般包括平移、縮放、旋轉(zhuǎn)或其它非線性變換失真；圖像配準是圖像處理和分析的關(guān)鍵步驟，是圖像對比、數(shù)據(jù)融合、變化分析和目標識別的必要前提。圖像配準技術(shù)目前已廣泛應(yīng)用于遙感圖像處理、醫(yī)學圖像處理、制圖學、計算機視覺、目標識別等領(lǐng)域。
　　

2、本文以提高圖像配準的正確率、速度和精度為主要目標，研究了圖像配準領(lǐng)域的若干重要理論和方法，包括馬爾可夫模型、互信息模型、尺度不變特征變換、快速梯度求優(yōu)方法等，并將這些理論和方法應(yīng)用到圖像配準的不同環(huán)節(jié)及相關(guān)應(yīng)用中，取得了較好的效果；下面總結(jié)本文的主要研究工作。
　　 研究了馬爾可夫隨機場模型和隱馬爾可夫樹模型，提出了小波域聯(lián)合馬爾可夫模型以及邊緣輔助的組合馬爾可夫隨機場模型，并分別將這兩種模型應(yīng)用于圖像去噪與非監(jiān)督圖像分割；小波

3、域隱馬爾可夫樹模型能較好的描述尺度間小波系數(shù)的相關(guān)性，而不能描述尺度內(nèi)小波系數(shù)的相關(guān)性；針對這一問題，聯(lián)合馬爾可夫模型對隱馬爾可夫樹模型產(chǎn)生的小波收縮系數(shù)進行馬爾可夫場鄰域聚類，間接的擬合了小波系數(shù)尺度內(nèi)的相關(guān)性；因此，和隱馬爾可夫樹模型相比，小波域聯(lián)合馬爾可夫模型能夠更真實的擬合小波系數(shù)的分布，從而更好的還原無噪聲的小波系數(shù)。邊緣輔助的組合馬爾可夫隨機場模型在傳統(tǒng)的馬爾可夫標號場的基礎(chǔ)上引入邊緣二值隨機場，二者相互作用構(gòu)成組合隨機場；

4、該組合隨機場的聯(lián)合能量在實際的邊緣場與模型定義的理想邊緣場的某一個配置吻合時，取得最小值零，從而引導(dǎo)分割算法最終優(yōu)化出正確的邊緣場與標號場組合，有效提高了分割精度。
　　 以提高互信息模型的局部求優(yōu)速度為目標，提出了基于樣條金字塔的互信息快速局部求優(yōu)算法；該方法采用高精度B樣條生成金字塔大幅降低計算復(fù)雜度，引入Parzen窗方法估計聯(lián)合概率密度，在此基礎(chǔ)上導(dǎo)出目標互信息函數(shù)的一階梯度和二階Hessian矩陣表達式，從而將具備二次

5、收斂性的Newton方法引入到優(yōu)化過程大大提高了配準速度。對普通可見光圖像和多譜圖像的配準實驗表明該優(yōu)化方法大幅提高了互信息模型下的圖像配準速度，且精度較高。
　　 研究了尺度不變特征變換的原理，并通過實驗發(fā)現(xiàn)：將尺度不變特征直接引入到遙感圖像配準會產(chǎn)生大量誤匹配點，最終導(dǎo)致配準精度下降甚至配準失?。会槍@一個問題，結(jié)合目前遙感應(yīng)用的實際情況，我們在含縮放失真和不含縮放失真兩種情況下，分別對比分析了不同特征點檢測算法的性能，選取

6、當前應(yīng)用環(huán)境下綜合性能最佳的方法來檢測特征點，并改進了尺度不變特征描述符，使之能適應(yīng)圖像對之間的譜段和傳感器差異，最后提出了尺度不變特征匹配新方法；將上述配準方法應(yīng)用于遙感圖像配準取得了較高的正確率和精度。
　　 提出了基于像素灰度的快速圖像配準方法，在迭代過程中根據(jù)當前運動參數(shù)，動態(tài)重映射參考圖中的像素點集，使得整個迭代過程只需要計算一次Hessian矩陣，有效提高了優(yōu)化速度。此外，我們還將這種快速配準方法引入到視頻序列的全局