红外与可见光遥感图像自动配准算法研究

红外与可见光遥感图像自动配准算法研究

论文摘要

图像配准是将在不同时间、从不同视角或用不同传感器拍摄的同一场景的两幅或多幅图像在空间上进行对齐的过程。红外与可见光遥感图像的配准是多传感器图像配准的一类重要组合形式,二者有机结合可以增强场景信息的互补性,减少对场景理解的不确定性,因此在军事情报获取、自主导航、末制导、目标跟踪、图像融合、变化检测和环境监测等应用领域中受到了广泛关注。由于成像机制不同,同一场景的红外与可见光遥感图像存在比较明显的视觉差异,此外图像间还可能存在几何形变、局部遮挡和噪声干扰等因素,使得红外与可见光遥感图像的自动配准富有挑战性。论文从红外与可见光的光谱特性出发,分析了红外与可见光遥感图像的成像特征,探讨了二者的差异性和相似性,并总结了两种常用的图像配准框架。以此为基础,本文提出了多种红外与可见光遥感图像自动配准方法,并通过对比实验对所提方法的有效性进行验证和分析。论文的主要创新点及取得的研究成果包括:(1)提出了一种新的局部不变特征描述子——加窗灰度差直方图(WindowedIntensity Difference Histogram, WIDH),该描述子能够充分利用特征局部区域内的灰度差信息构建描述矢量,实验结果表明该描述子对图像中可能出现的照度变化、结构模糊、几何形变和噪声干扰等具有较好的不变性,描述矢量维度低但辨识力强。在此基础上,使用斑块特征及WIDH描述子提出了一种近红外与可见光遥感图像自动配准算法。该算法使用SURF检测子提取图像中的斑块特征,并在每个斑块特征周围的局部邻域内构造WIDH描述矢量,在Euclidean距离准则下使用最近邻搜索算法确定矢量间的匹配关系,最后使用随机采样一致性算法剔除误匹配特征对并确定变换参数。实验结果表明,该算法能够比基于SURF的配准算法更有效地实现近红外与可见光遥感图像间的自动配准。(2)提出了一种基于分支点匹配的红外与可见光遥感图像自动配准算法。在特征检测阶段,基于方位一致性提出了一种新的分支点检测和特征化算法,检测到的分支点不仅具有位置信息,而且包含分支边缘数和分支边缘倾角等局部结构信息。实验结果表明,本文提出的分支点检测算法不仅具有较高的定位精度,而且对噪声干扰及对比度变化等具有较好的鲁棒性;在分支点匹配阶段,提出了局部结构相容度的概念,用于检验两个分支点间分支边缘数目和分支边缘倾角的一致性程度,并将其作为匹配约束项嵌入到高斯混合模型分量的后验概率计算中,有效增强了算法对噪声和外点等干扰因素的抵抗能力,并提高了算法的收敛速度。(3)提出了一种基于参数分步估计的红外与可见光遥感图像自动配准算法。使用矩阵正交分解将仿射变换模型的六个参数分离为易于估计的切变、尺度比例、旋转、尺度以及平移(包括x和y方向上的平移量)等因子,并将分解后的参数分成两组,一组由切变、尺度比例和旋转因子构成,另一组由尺度和平移因子构成,然后利用图像中的线段特征分步估计这两组参数的取值。在参数估计的第一步中,基于图像中的线段方向一致性模型构建以切变、尺度比例和旋转因子为变量的目标函数,在给定的参数空间中使用最优化方法搜索使目标函数取最优的参数取值,将仿射变换简化为相似性变换。在参数估计的第二步中,基于线段对齐度准则构建以尺度和平移因子为变量的目标函数,并采用和第一步相同的最优化方法计算参数值。参数寻优过程使用模拟退火算法和改进Powell算法相结合的混合优化策略,有效保证了寻优结果的全局性和精度。该算法通过参数分步估计,将仿射变换的六维参数空间简化为两个三维空间,不仅显著缩减了搜索空间的大小,而且有效降低了参数寻优过程陷入局部最优的概率。(4)提出了一种基于结构最优映射的红外与可见光遥感图像自动配准算法。算法以遥感图像中空间连贯的边缘结构为配准基元,抑制噪声及不一致信息的影响,并基于边缘结构构造对齐测度函数,将红外与可见光遥感图像的配准问题转化为该目标函数在参数空间中的最优化问题。在参数寻优过程中同样采用了混合优化框架,先使用并行遗传算法搜索参数的全局近似最优解,再使用改进的Powell算法对参数的全局寻优结果进行局部求精。为了提高配准效率,提出了一种在两级尺度空间中使用逐级逼近模型的灵活框架,并在粗细两级尺度中分别使用仿射变换模型和投影变换模型。由于使用图像中更具普遍性的边缘结构特征,并融合了形变描述能力更强的投影变换模型,因而该算法在红外与可见光遥感图像配准具有较好的鲁棒性和适应性,降低了由于特定配准基元缺失导致配准失败的可能性。

论文目录

  • 摘要
  • Abstract
  • 第一章 绪论
  • 1.1 研究背景及意义
  • 1.2 国内外相关研究工作进展
  • 1.2.1 概述
  • 1.2.2 相关类配准算法
  • 1.2.3 特征类配准算法
  • 1.3 主要研究内容及贡献
  • 1.3.1 针对问题及研究思路
  • 1.3.2 研究内容及其贡献
  • 1.4 论文的组织结构
  • 第二章 红外与可见光遥感图像配准特性分析
  • 2.1 引言
  • 2.2 红外与可见光图像的特性
  • 2.2.1 光谱特性
  • 2.2.2 成像特征
  • 2.2.3 异同分析
  • 2.3 配准问题描述
  • 2.3.1 公式化
  • 2.3.2 几何变换模型
  • 2.3.3 配准框架
  • 2.4 本章小结
  • 第三章 基于斑块特征描述的配准算法
  • 3.1 引言
  • 3.2 斑块特征检测
  • 3.2.1 Hessian 矩阵
  • 3.2.2 LoG/DoG 算子
  • 3.2.3 SURF 斑块特征检测算法
  • 3.3 加窗灰度差直方图描述子
  • 3.3.1 SURF 描述子及其不足
  • 3.3.2 加窗灰度差直方图的构建
  • 3.3.3 WIDH 的模式
  • 3.3.4 WIDH 描述子
  • 3.3.5 SURF 描述子及 WIDH 描述子的性能对比
  • 3.4 基于斑块特征描述的配准算法框架
  • 3.4.1 算法框架
  • 3.4.2 参数估计
  • 3.5 实验结果与分析
  • 3.5.1 斑块特征检测与匹配
  • 3.5.2 配准结果对比
  • 3.6 本章小结
  • 第四章 基于分支点匹配的配准算法
  • 4.1 引言
  • 4.2 分支点检测及特征化算法
  • 4.2.1 概述
  • 4.2.2 分支点判断及分支边缘点分组
  • 4.2.3 分支点求精及特征化
  • 4.2.4 算法性能测试
  • 4.3 基于改进一致点漂移的分支点匹配算法
  • 4.3.1 点模式匹配算法概述
  • 4.3.2 一致点漂移算法
  • 4.3.3 基于改进 CPD 的分支点匹配算法
  • 4.4 实验结果与分析
  • 4.4.1 仿真实验
  • 4.4.2 真实图像实验
  • 4.5 本章小结
  • 第五章 基于参数分步估计的配准算法
  • 5.1 引言
  • 5.2 仿射模型的参数分离
  • 5.2.1 仿射变换模型
  • 5.2.2 参数分离
  • 5.3 基于方向一致性估计参数μ、ρ和θ
  • 5.3.1 方向一致性
  • 5.3.2 线段提取及其方向集合的构建
  • 5.3.3 方向匹配度量准则
  • x和 ty'>5.4 基于线段对齐度估计参数 s、tx和 ty
  • x和 ty的粗略值'>5.4.1 参数 s、tx和 ty的粗略值
  • 5.4.2 线段对齐度
  • 5.5 参数寻优及精确化
  • 5.5.1 参数全局寻优
  • 5.5.2 参数精确化
  • 5.6 实验结果与分析
  • 5.6.1 仿真实验
  • 5.6.2 真实图像实验
  • 5.7 本章小结
  • 第六章 基于边缘结构最优映射的配准算法
  • 6.1 引言
  • 6.2 算法概述
  • 6.2.1 空间变换模型
  • 6.2.2 目标函数
  • 6.2.3 算法流程
  • 6.3 基于相位一致性提取结构特征
  • 6.3.1 相位一致性
  • 6.3.2 结构特征提取
  • 6.4 模型参数的计算
  • 6.5 实验结果与分析
  • 6.5.1 边缘结构提取
  • 6.5.2 寻优结果展示
  • 6.5.3 配准性能对比及分析
  • 6.6 本章小结
  • 第七章 总结与展望
  • 7.1 工作总结
  • 7.2 研究展望
  • 致谢
  • 参考文献
  • 作者在学期间取得的学术成果
  • 作者在学期间参与的科研项目
  • 相关论文文献

    标签:;  ;  ;  ;  ;  ;  ;  

    红外与可见光遥感图像自动配准算法研究
    下载Doc文档

    猜你喜欢