基于sift特征與小波變換的圖像配準(zhǔn)融合方法研究

1、學(xué)校代碼：10406分類號：TP391學(xué)號：130085208022南昌航空大學(xué)碩士學(xué)位論文南昌航空大學(xué)碩士學(xué)位論文(專業(yè)學(xué)位研究生)基于基于SIFT特征與小波變換的圖像配準(zhǔn)融合方法研究特征與小波變換的圖像配準(zhǔn)融合方法研究碩士研究生：黃人桓導(dǎo)師：江澤濤教授申請學(xué)位級別：碩士學(xué)科、專業(yè)：電子與通信工程所在單位：信息工程學(xué)院答辯日期：2016.06授予學(xué)位單位：南昌航空大學(xué)萬方數(shù)據(jù)I摘要摘要圖像拼接，可以實(shí)現(xiàn)對某個場景包含有重疊區(qū)域的兩幅或

2、者多幅圖像進(jìn)行拼接處理，然后全景呈現(xiàn)，使得該場景的視角范圍變大。眾多圖像拼接算法雖然實(shí)現(xiàn)的方式有些不同，但它們的關(guān)鍵技術(shù)都是實(shí)現(xiàn)圖像配準(zhǔn)與融合。配準(zhǔn)是為了建立兩幅圖像之間的對應(yīng)關(guān)系，融合是為了使拼接過渡更平滑，防止光照差異可能產(chǎn)生的拼接縫。圖像拼接技術(shù)應(yīng)用廣泛，如在人工智能的機(jī)器人導(dǎo)航；在虛擬現(xiàn)實(shí)的全方位街景和重要古建筑文物景觀的網(wǎng)絡(luò)模擬參觀學(xué)習(xí)；在軍事行動中的戰(zhàn)場全景偵察預(yù)警和在互聯(lián)網(wǎng)中遠(yuǎn)程醫(yī)療會診的病理圖像等領(lǐng)域。本文對圖像拼接技術(shù)

3、進(jìn)行了介紹，闡述了拼接基本過程，針對其中兩個非常關(guān)鍵的技術(shù)即圖像配準(zhǔn)和圖像融合，做了進(jìn)一步的細(xì)致分析。在詳細(xì)說明圖像配準(zhǔn)方面的技術(shù)時(shí)，首先從介紹了其相關(guān)的基礎(chǔ)理論知識；接著闡述了影響配準(zhǔn)性能的所包含三個方向選擇的基本框架；然后論述了圖像配準(zhǔn)的兩種分類并著重論述了本文所采用的基于特征的圖像匹配過程。在圖像融合技術(shù)方面，分了兩點(diǎn)介紹：一是圖像融合的相關(guān)概念知識及其中三個不同層次的圖像融合；二是闡述了兩種基于像素級融合的方法，其中重點(diǎn)論述了本

4、文所采用的在頻域上用小波變換進(jìn)行融合的方法。在圖像配準(zhǔn)過程中，為了實(shí)現(xiàn)較好的匹配結(jié)果，本文采用了基于SIFT配準(zhǔn)方法，并在此基礎(chǔ)上進(jìn)行了改進(jìn)。文中圍繞圖像配準(zhǔn)中的步驟詳細(xì)介紹了SIFT特征提取、特征匹配和圖像變換關(guān)系的求解。通過對SIFT方法逐步分析后，并在理解其匹配過程的基礎(chǔ)上，研究了提高匹配精度和保證效率的方法，并利用了以下兩個策略：一是在特征向量匹配過程中用棋盤距離和街區(qū)距離的線性組合并取其最優(yōu)值來代替歐式距離進(jìn)行圖像匹配，以此提

5、高計(jì)算速度，減少匹配的時(shí)間；二是在獲得了初始匹配對后，為了消除誤匹配，采用了RANSAC算法，然后用提純后的匹配點(diǎn)對計(jì)算出投影變換矩陣參數(shù)。在實(shí)現(xiàn)嚴(yán)格配準(zhǔn)后，本文使用了基于小波變換的方式來實(shí)現(xiàn)圖像的融合。文中首先分析了小波變換的基礎(chǔ)數(shù)學(xué)理論；然后重點(diǎn)介紹了二維小波變換和Mallat提出的一種小波分解和重構(gòu)的快速算法，這是常在融合過程中使用的，并且接著介紹了圖像小波分解與重構(gòu)原理；此外著重討論了小波變換的高低頻系數(shù)融合規(guī)則，進(jìn)而提出了一種