基于特征点的图像配准技术及应用

论文摘要

图像配准是图像处理的基本任务之一,用于将不同时间、不同传感器、不同视角及不同拍摄条件下获取的两幅或多幅图像(主要是几何形式上)进行匹配。图像配准是多种图像处理及应用,如图像融合、图像拼接、变化检测等的基础,配准效果将直接影响到后续图像处理工作。在对图像配准方法进行分析的基础上,本文对基于形状内容描述子的图像配准方法和基于灰度差分不变量的图像配准方法进行了研究。本文提出了一种新的特征描述子―形状内容描述子(SCD)。其基本原理是根据曲线上的点到特征点的角度划分区域,得到一个N维的特征描述向量。构建的形状内容描述算子不依赖于特征点的全局特征,对图像的光照、位移、视角、噪声等有较强的适应能力。在将上述的特征描述算法应用于图像配准时,为克服这种图像配准技术只适用于图像间存在小角度旋转(约为0～5°)的不足,采用局部梯度方向直方图来确定旋转角度。灰度差分不变量(GDI)具有平移和旋转不变性,并且对噪声具有较强的鲁棒性。基于灰度差分不变量的图像配准算法首先利用灰度差分不变量构造特征描述子,然后通过计算各象素描述子之间的欧氏距离来决定是否匹配。实验结果表明,这种方法对噪声和配准误差都有一定的鲁棒性。本文最后介绍了图像配准在图像拼接和图像融合中的应用。将本文提出的两种图像配准算法应用在图像拼接上,实验证明该算法能够有效地拼接普通相机拍摄的照片,并具有较好的稳定性和较高精度。在图像融合中,采用透明融合技术对可见光和红外热图像进行融合。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 图像配准研究的目的和意义
• 1.2 国内外研究现状
• 1.3 本文的研究内容及安排
• 第二章 图像配准概述
• 2.1 图像配准的定义
• 2.2 图像配准的方法
• 2.2.1 图像配准方法分类
• 2.2.2 基于特征的图像配准方法
• 2.3 图像变换
• 2.4 重采样理论和内插
• 2.4.1 两种重采样理论
• 2.4.2 内插
• 2.5 本章小结
• 第三章 图像特征检测
• 3.1 特征选择
• 3.2 角点的定义及检测分类
• 3.2.1 基于图像边界信息方法
• 3.2.2 直接分析图像局部灰度值的方法
• 3.3 具有动态支持域的CSS 角点检测技术
• 3.3.1 边缘检测
• 3.3.2 具有动态支持域的CSS 角点检测技术
• 3.4 HARRIS 角点检测技术
• 3.4.1 Harris 算子数学表达
• 3.4.2 Harris 算子角点检测原理
• 3.5 亚象素角点提取
• 3.6 实验结果分析
• 3.6.1 象素级角点检测
• 3.6.2 亚象素级角点检测
• 3.7 本章小结
• 第四章 基于特征点的图像配准算法
• 4.1 图像不变特征描述
• 4.1.1 常用的特征描述子
• 4.1.2 形状内容描述子
• 4.1.3 确定图像间的旋转角度
• 4.1.4 灰度差分不变量
• 4.2 特征点的匹配算法
• 4.2.1 相似性测度
• 4.2.2 半邻域限制
• 4.2.3 利用仿射变换删除错误匹配点对
• 4.3 匹配算法实验分析
• 4.3.1 基于形状内容描述子的匹配算法
• 4.3.2 基于灰度差分不变量的匹配算法
• 4.4 基于仿射变换的图像配准算法
• 4.4.1 仿射变换参数的估计
• 4.4.2 算法性能分析
• 4.5 本章小结
• 第五章 图像拼接和图像融合
• 5.1 图像拼接
• 5.1.1 图像拼接流程
• 5.1.2 图像变形技术
• 5.1.3 拼缝消除
• 5.1.4 拼接算法的实现
• 5.1.5 实验结果
• 5.2 红外和可见光图像融合
• 5.3 本章总结
• 第六章 总结
• 参考文献
• 致谢
• 攻读硕士学位期间发表的学术论文