论文部分内容阅读
图像配准是对来自不同时间,不同传感器或不同视角的同一场景两幅或者多幅图像进行匹配和叠加,是模式识别与计算机视觉领域的一个重要的基础性问题,是图像融合、拼接等技术的前提,其研究成果可广泛地应用于遥感遥测、医学成像、基于多传感器融合的目标识别等诸多领域。图像配准算法基本上可分为两类,即基于灰度的图像配准算法和基于特征的图像配准算法。相对于基于灰度的图像配准算法,基于特征的图像配准算法在可靠性和鲁棒性方面都具有很突出的优势,是近年来研究的热点,该方法首先提取图像局部不变描述子作为图像特征,然后把图像配准问题转化为寻找两个特征集合间的匹配问题。但图像特征存在着多样性与多变性,基于特征的图像配准并没有完全解决,需要进行深入地研究。本论文主要应用非抽样Contourlet变换(NSCT)和图模型来研究图像配准问题,将图像匹配和图像配准问题从空间域转化到NSCT域,并将SIFT算法与图模型相结合来提高算法的性能,主要研究内容和研究成果如下：1、提出了一种基于NSCT和SIFT的遥感图像配准算法,综合利用了NSCT在图像分解上的灵活性和SIFT算法在特征描述上的有效性来进行遥感图像配准。首先分别对参考图像和待配准图像用NSCT进行分解,然后把分解的低频图像作为SIFT算法的输入并得到匹配结果,利用匹配结果求解模型参数,最后通过重采样和双线性插值完成遥感图像的配准。实验结果表明,该算法在运算速度和匹配精度方面均比SIFT算法和SWT+SIFT算法优越。2、提出了一种基于圈基的潜匹配算法。首先,利用两幅待匹配图像的特征点分别构造一组圈基,其次分别根据圈基构造赋权邻接矩阵,并进行SVD分解,然后利用分解所得到的特征向量构造反映特征点之间匹配程度的关系矩阵和匹配概率矩阵,最后通过交替归一化将匹配概率矩阵转化为双随机矩阵以获得匹配结果。模拟与真实图像实验结果均表明了该算法的可行性和有效性。3、提出了一种基于NSCT和SIFT特征的谱匹配算法。首先用非抽样Contourlet变换把两幅图像分解成一个低频图像和几个高频图像,把分解的低频图像作为SIFT算法的输入并得到SIFT特征；然后利用得到的SIFT特征构建亲近矩阵,并进行SVD分解；最后利用分解的结果构造一个反映特征点之间匹配程度的匹配矩阵。实验验证了该算法能够降低匹配的时間复杂度,提高匹配的精度。