基于图像特征的配准技术研究开题报告

《基于图像特征的配准技术研究开题报告》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、毕业论文开题报告1．结合毕业论文情况，根据所查阅的文献资料，撰写2000字左右的文献综述：文献综述一、图像配准的背景和意义数字图像处理起源于20世纪20年代第一幅数字照片的传输。此后，由于医学和遥感等领域的应用，使图像处理技术逐步受到关注并得到相应的发展。目前数字图像处理已成为计算机科学、信息科学、统计学、医学等领域学习和研究的对象。它所涉及的技术包括图像增强、图像分割、图像配准、图像显示和虚拟现实等。其中，图像配准是指将同一场景的不同图像“对齐”或进行广义的匹配，以消除存在的几何畸变。对同一场景

2、使用相同或不同的传感器（成像设备），在不同条件下（天候、照度、摄像位置和角度等）获取的两个或多个图像一般都会有差异。同一场景的多次成像的差别可以表现在：不同的分辨率、不同的灰度属性、不同的位置（平移和旋转）、不同的尺度、不同的非线性变形等等。多种成像模式产生的图像（称之为多模态图像）会表现出不同的分辨率、不同的灰度属性等等差异。图像配准的主要目的是消除几何上的差异，对于灰度信息的差异并不关心。当然，正是因为图像畸变中的灰度差异的存在，给几何校正增加了难度。图像的应用领域概括起来主要有以下几个方面：

3、1、计算机视觉和模式识别。包括图像分割、物体识别、形状重建、运动跟踪和特征识别。2、医学图像分析。包括医学成像信息诊断，生物医学信息处理等。3、遥感信息处理。包括特定目标的定位和识别等。二、图像配准的研究现状：在过去的20年里，图像配准的方法有了很大进展，1992年，Brown以“Asurveyofimageregistration”[10]概述了图像配准领域的主要方法。2003年，Zitova等人在“Imageregistrationmethods：asurvey”[13]中综述了随后10年来图

4、像配准领域的相关方法。当前，主流的图像配准方法主要包含四个步骤[13]：特征检测、特征匹配、变换模型估计以及图像重采样和变换。图像配准方法以图像处理的空间域为区分准则，可以分为：时域方法和频域方法。如点法、曲线法、表面法、矩和主轴法、相关法（时域和频域）、最大互信息法、非线形变换技术、流体力学模型、光流场模型等。在基于特征的配准方法中，HuiLi[15]等人基于轮廓方法，采用链码相关和不变矩等相似性准则配准图像。Francisco[12]等人通过提取典型海岸线特征轮廓达到了配准多传感器卫星图像的目

5、的。在基于区域的配准方法中，其主要方法为相关法和互信息等。Jordi等人分析了多传感器图像自动配准中的问题，引入了一种相似性准则来替代相关系数，能够得到较好的配准精度。Kuglin等人利用Fourier变换的平移不变性，提出了相位相关技术，用于图像整像素的平移检测问题。在互信息这一方法中，最早将其用于图像配准的是Viola和Wells等人[8]。Hill等人在1994年阐述了“相似性测度”在医学图像配准中的应用。相似性是一种统计概念；从广义上讲，互信息也是一种相似性测度。1995年Colligno

6、n[13]等人描述了联合熵作为定量配准测度的应用简直。几乎同时，Viola[11]发表了互信息匹配形状特征点进行配准的策略。在这一方法中，对待配准的两副图像首先分别提取出形状特征点的集合；对这两个集合，定义它们的互信息，然后使之最大化，以达到配准。随着计算机视觉技术的发展和各个学科的交叉，在上述方法之外，人们又引入了诸如光流场方法、流体力学模型和弹性力学模型等配准。同时为了衡量图像配准的效果，近20年来也出现了许多评价图像配准性能的评价准则。但由于待配准的多副图像基本上都是在不同时间或条件下获取的

7、，所以没有绝对的配准问题，既不存在什么金标准，只有相对的最优（某种准则下的）配准。在此意义上，最优配准与配准的目的有关。三、图像配准应用范围：l多模态配准（multimodalregistration）问题描述：由不同传感器获得同一场景上的图像的配准。典型应用：多模态图像的信息融合，指导进一步的图像分割。方法特点：通常需要建立传感器模型和变换模型；由于灰度属性或对比度可能有很大的差异，有时需要灰度的预配准；利用手工设定的基准点可以简化问题。应用例子1：医学图像领域，CT、MRI、PET、SPECT

8、图像信息融合。应用例子2：遥感图像领域，多电磁波段图像信息融合，如微波、雷达、可视的或多谱段的等；场景分类，如分类建筑物、道路、车辆植被等。l模块配准问题描述：在图像中寻找具有指定模块结构的匹配问题。典型应用：在图像中识别和定位模块样式，例如地图、物体、目标物等。方法特征：基于模式，预先选定特征，已知物体属性或高级特征进行匹配。应用例子1：遥感数据处理，定位和识别已知特征的目标物体如飞机场、高速公路、车站、停车场等。应用例子2：字符识别，签名认证，波形分析等。l视角配准分类：对从不