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

图像融合中关键技术的研究

内容摘要

全文目录

相似论文