学位论文 > 优秀研究生学位论文题录展示
图像融合中关键技术的研究
作 者: 孟现海
导 师: 刘以安
学 校: 江南大学
专 业: 计算机软件与理论
关键词: 边缘检测 图像配准 联系度 态势 集对分析 特征点 粒子群算法 局部极小值
分类号: TP391.41
类 型: 硕士论文
年 份: 2008年
下 载: 253次
引 用: 1次
阅 读: 论文下载
内容摘要
图像边缘检测和图像配准是图像融合的关键步骤和必要前提。本文对图像的边缘检测和图像配准技术进行研究,把一些新的算法运用到图像边缘检测和图像配准中,为后续序列图像处理和图像融合做准备。边缘特征是图像中非常重要且容易获得的特征,已经有很多边缘提取的算法,例如sobel算子、canny算子、Log算子等。但这些算法对噪声比较敏感,虽然改进的canny算子有了很大的提高,能提取出比较清晰的边缘,并具有一定的抗噪性,但是算法检测速度较慢,不能用于序列图像处理中。为了寻找具有检测速度快、抗噪性强、检测精度高以及边缘细节保护好的检测算法,本文把集对分析和联系度态势的思想用到图像的边缘检测中。先用集对的方法求出像素点八个方向的同一度、对立度和差异度,再用联系度态势的思想把像素点的同异反关系按同势、均势、反势的趋势进行排序,然后根据像素点的趋势关系来判别该点是否是边缘点。另外有些图像不仅对比度差,而且图像的边缘轮廓也较模糊,所以在进行图像的边缘提取之前可以先对图像进行灰度变换,增加图像的对比度和突出图像的边缘特征。仿真结果表明此算法不仅得到了较好的边缘,而且算法的检测速度也较快。图像配准的方法有很多种,其中基于图像特征的图像配准是配准中最常见的方法。基于特征的图像配准中,特征主要针对点特征。为了得到一种配准速度较快的高配准率算法,本文用的是基于特征点的配准方法,即先用SUSAN算子来提取图像的特征点,再用PSO算法在解空间内搜索最佳匹配参数,然后进行图像的配准。在SUSAN算子中,灰度差阀值t决定了SUSAN算子所能检测到的最小的对比度以及去除噪声点的能力,本文对t值进行了改进,给出了一种对t值自适应的提取方法。PSO是一种新的并行优化算法,可以解决大量非线性、不可微、非连续性和多峰的复杂问题,但是该算法易陷入局部最优,会出现所谓的早收敛现象。为了克服PSO算法的缺点,提出了将Alopex算法加入到PSO算法的改进算法,这样有利于PSO算法在搜索中跳出局部极值,同时又能根据目标函数的变化加速算法的收敛。最后用一幅红外图像、微波图像和多光谱图像作为实例来验证此算法,分别在算法的迭代步数、时间和准确度方面与ICP算法和改进前的PSO算法作比较,通过实验结果可以看出,本文实现的配准方法能对图像进行有效的配准。
|
全文目录
摘要 3-4 Abstract 4-7 第一章 绪论 7-11 1.1 课题的研究背景和选题意义 7-8 1.1.1 图像边缘检测的研究背景和选题意义 7 1.1.2 图像配准的研究背景和选题意义 7-8 1.2 国内外发展现状 8-10 1.2.1 图像边缘检测的研究概况 8 1.2.2 图像配准的研究概况 8-10 1.3 本文主要工作与内容安排 10-11 第二章 常见的边缘检测算子 11-21 2.1 引言 11 2.2 边缘的定义和要求 11-12 2.3 常见的边缘检测算子 12-15 2.3.1 Roberts 边缘检测算子 13 2.3.2 sobel 边缘检测算子 13-14 2.3.3 Prewitt 边缘检测算子 14 2.3.4 Krisch 边缘检测算子 14-15 2.3.5 高斯-拉普拉斯算子 15 2.4 Canny算子 15-17 2.5 常见边缘检测算子的检测结果 17-21 2.5.1 不加噪声图像的边缘检测结果 17-19 2.5.2 加噪声图像的边缘检测结果 19-20 2.5.3 结果比较与分析 20-21 第三章 基于联系度态势的图像边缘检测算法的研究 21-29 3.1 引言 21 3.2 图像灰度的线性变换 21-22 3.3 集对分析简介 22-23 3.4 联系度态势简介 23-25 3.5 实现图像的边缘检测 25 3.6 试验结果分析与比较 25-27 3.7 本章小结 27-29 第四章 图像配准的相关知识 29-39 4.1 引言 29 4.2 图像配准的数学模型 29 4.3 图像变换的类型 29-31 4.4 相似性测度 31-33 4.5 重采样和插值 33-34 4.6 SUSAN 角点提取算法 34-39 4.6.1 SUSAN 算子 35-36 4.6.2 SUSAN 算法的数学描述 36 4.6.3 改进的SUSAN 角点提取算法 36-37 4.6.4 测试图像试验结果 37-39 第五章 基于特征点的图像配准的研究 39-47 5.1 引言 39 5.2 粒子群算法简介 39-41 5.2.1 对参数的改进 40-41 5.3 改进的Alopex算法 41-42 5.4 用Alopex算法对PSO算法进行改进 42-43 5.5 实现图像配准 43-44 5.6 试验结果比较 44-46 5.7 本章小结 46-47 第六章 结束语 47-49 6.1 工作总结及创新点 47 6.2 研究目标及实验结论 47 6.3 不足之处 47-48 6.4 对今后的建议 48-49 致谢 49-50 参考文献 50-55 附录:作者在攻读硕士学位期间发表的论文 55
|
相似论文
- P-Laplacian方程多解的存在性,O175.8
- 有源电力滤波器及其在配电网中的应用,TN713.8
- 移动机器人路径规划研究及仿真实现,TP242
- 量子粒子群算法研究及其在图像矢量量化码书设计中的应用,TP301.6
- 参数协进化的改进和声搜索算法及其应用,TP391.3
- 非汛期水库群协同优化调度与应用研究,TV697.11
- 基于参数辨识的电力系统动态等值方法研究,TM712
- 柔性路径下基于混合粒子群算法的跨单元调度方法,TH165
- 战斗力优化配置与调度研究,E91
- 基于改进智能算法的电力机车牵引变压器故障诊断技术研究,U269.6
- 电力变压器的智能故障诊断方法研究,TM41
- 永磁伺服系统智能PID控制方法研究,TM921.541
- 汽轮发电机组调速系统动态模型参数辨识与仿真研究,TM311
- 周期进料对管式聚合过程分子量分布的可控性研究,O631.3
- 服务质量约束的网格工作流任务调度算法研究,TP311.52
- 基于FPGA的永磁同步电机伺服控制系统研究,TM341
- 智能电网中基于粒子群算法的可中断负荷研究,TP18;TM714
- 基于粒子群算法的风电系统无功优化方法研究,TM614
- 大停电后初期网架恢复序列的研究,TM732
- 催化重整产品质量与收率预测建模的研究,TE624.42
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|