论文部分内容阅读
随着遥感技术的发展,由于传感器的不同物理特性所产生的遥感图像不断增多,仅利用一种图像数据获取环境或对象的信息已经远远不能满足人们的需求。所以,研究快速、高效、高精度的自动图像配准算法,实现不同类型的图像综合处理,具有重大的现实需求和理论意义。图像配准的主要目的是抑制或者去除待配准图像和参考图像之间几何上的不一致,包括平移、旋转和非刚性形变。本文通过研究偏微分方程的特性,以图像配准为研究对象,提出更加精确,高效的图像配准方法以及相应的行之有效的快速算法,为更好地实现图像拼接,融合,计算机视觉等提供实际的应用价值。针对传统配准模型会造成图像模糊和细节丢失的问题,本文将偏微分方程与多重网格理论引入图像配准,提出了对现行图像配准模型及评价体系的改进方案。本文主要进行以下几个方面的工作: 首先,本文介绍了基于弹性模型、基于抽象匹配流以及基于光流场的图像配准方法,总结了基于偏微分方程图像配准的基本框架。并分析了图像配准的性能评价指标,在常用的评价指标基础上提出了边缘对齐度指标,引入了新的归一化对齐度函数,改进了传统对齐度范围过大的问题,使评价精度得到提高。 其次,提出了自适应各项异性图像配准模型,把拉普拉斯算子分解为切线方向和法向方向,并引入绝对偏差中值,确定了基于扩散门限的自适应扩散系数。新模型将具有自适应性的扩散滤波方法引入图像配准,定义了具有图像结构保持能力的各向异性扩散函数作为模型的正则项;数据项采用作用于亮度常量假设的非二次惩罚函数以增加模型的稳健性;实验结果表明,该改进方法能够有效保持图像特征,实现对复杂图像的有效配准。 最后,在数值计算中,对高阶微分引入自适应模板,提高了算法的精度;在自适应各向异性配准模型基础上引入多重网格算法,大大节省了模型的计算时间,提高了计算效率;并选取一系列图像,进行配准实验,对各种模型的配准结果进行了有效的分析。结果显示基于多重网格的计算方法能够有效地提高基于偏微分方程图像配准模型的计算效率。