论文部分内容阅读
图像配准是对不同时间、不同视场、不同成像模式的两幅或者多幅图像进行空间几何变换，使得各个图像在几何上能够匹配对应起来的过程，是图像处理的一个基本问题，也是难点问题。图像配准的精度、速度都将影响后续的图像融合的效果。 论文将图像配准分为两大类:基于灰度相关的图像配准和基于特征匹配的图像配准。分别介绍了其代表性算法，分析了优点和缺点，并提出了改进算法。总结起来，论文的主要工作如下: 1)介绍了图像配准的理论基础，给出了图像配准的定义和模型，将图像配准抽象成特征空间、变换空间、相似性度量和搜索策略四个部分，介绍了每个部分的代表性算法。 2)分析了Powell搜索算法的缺陷和互信息函数局部极值的存在，提出了基于互信息和二级搜索的图像配准算法，使用遗传算法做一级搜索获得最优解附近的近似解，再以近似解作为Powell搜索的起始点获得最优解。改进的算法能够有效的克服局部极值，提高配准精度。 3)针对RANSAC算法在特征提纯过程中的不足，提出了PESAC算法。PESAC算法在RANSAC算法的基础上，通过设置样本的置信度，并建立样本置信度的更新机制，保证内点被抽取的概率高于外点，且随着迭代的进行，内点被抽中的概率将越来越高。实验证明PESAC算法能明显地提升特征匹配的速度。 3)针对SIFT描述子的特点，提出了改进的SIFT描述子，去除计算特征点方向的步骤，代之以计算特征点邻域梯度夹角。仿真实验比较了两种描述子的描述和匹配速度、配准精度和描述性能，实验结果证明在不损失配准精度的情况下，改进的SIFT描述子显著加快了配准速度，适用于尺度和视角变化不大的图像配准。