基于深度信息的圖像配準算法及應用研究.pdf

1、圖像配準是對不同時間、不同角度所獲得的同一場景的多幅圖像進行最佳匹配的過程，即將圖像對齊后，明確圖像空間位置變化與強度變化，然后確定圖像序列之間位置映射關系或強度差異的過程（通常，強度變化并非必需，所以圖像配準主要針對空間位置變化）。它是圖像處理與計算機視覺方向及其工程應用中的一項重要技術，在日常3D電影、好萊塢大片、醫(yī)學診斷中的核磁共振圖像、建筑工程中的三維重建軟件等都得到廣泛應用。因此，如何更有效地完成圖像配準技術就成為圖像處理研究

2、的重點課題之一。
　　本文研究基于深度信息的圖像配準算法，以滿足進一步的圖像分析處理及應用對配準效果和效率的需要，主要工作包括以下幾個方面：
　　對目前流行的圖像深度估計方法的線索依據、算法思想和實現進行了分析，總結了各種算法的優(yōu)劣與特點。著重分析實現了基于模糊聚焦線索與機器學習方法的深度估計方法，并對模糊聚焦線索的方法中，能量函數設置進行了改進，增強了深度圖像的局部連續(xù)性效果。
　　針對傳統(tǒng)的基于 SIFT特征圖像配

3、準方法中，特征點匹配環(huán)節(jié)產生大量錯誤匹配點對的問題，研究了傳統(tǒng)算法的機理與產生錯誤匹配的原因。已有的改進方法是利用隨機抽樣一致性(RANSAC, RANdom SAmple Consensus)準則對所有的特征點對進行迭代求解從而估計模型參數。分析了該方法中設置代價函數閾值很困難的問題，結合深度局部連續(xù)性，提出了結合深度信息輔助特征點篩選的算法。
　　介紹了圖像配準的兩種常見后期應用：圖像超分辨和圖像三維重建。圖像超分辨方面，首先