基于卷積神經(jīng)網(wǎng)絡(luò)的遙感圖像配準(zhǔn)方法

《基于卷積神經(jīng)網(wǎng)絡(luò)的遙感圖像配準(zhǔn)方法》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、分類號(hào)：密級(jí)：UDC：學(xué)號(hào)：416116113060南昌大學(xué)專業(yè)學(xué)位研究生學(xué)位論文基于卷積神經(jīng)網(wǎng)絡(luò)的遙感圖像配準(zhǔn)方法RemoteSensingImageRegistrationMethodBasedonConvolutionalNeuralNetwork吳航培養(yǎng)單位（院、系）：信息工程學(xué)院計(jì)算機(jī)系指導(dǎo)教師姓名、職稱：葉發(fā)茂副教授專業(yè)學(xué)位種類：工程碩士專業(yè)領(lǐng)域名稱：軟件工程論文答辯日期：2015年5月26日答辯委員會(huì)主席：黃兆華評閱人：王命延趙應(yīng)丁2015年6月10日、學(xué)位論文獨(dú)創(chuàng)性聲明本人聲明所呈交的學(xué)位

2、論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。據(jù)我所知，除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得南昌大學(xué)或其他教育機(jī)構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的同志對本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說明并表示謝意。學(xué)位論文作者簽名（手寫簽字円期：年<月~n二、學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解南昌大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定，同意學(xué)校有權(quán)保留并向國家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱。本人授權(quán)

3、南昌大學(xué)可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存、匯編本學(xué)位論文。同時(shí)授權(quán)北京萬方數(shù)據(jù)股份有限公司和中國學(xué)術(shù)期刊（光盤版）電子雜志社將本學(xué)位論文收錄到《中國學(xué)位論文全文數(shù)據(jù)庫》和《中國優(yōu)秀博碩士學(xué)位論文全文數(shù)據(jù)庫》中全文發(fā)表，并通過網(wǎng)絡(luò)向社會(huì)公眾提供信息服務(wù)，同意按“章程”規(guī)定享受相關(guān)權(quán)益。學(xué)位論文作者簽名（手寫）:導(dǎo)師簽名（手寫）：簽字閂期年乙月作日簽字日期：(月（丨閂論文題目取啦句兔展敘辱!1準(zhǔn)W姓名學(xué)號(hào)私““論文級(jí)別博士□碩士■院/系/所專業(yè)辦敗切

4、公開□保密（向校學(xué)位辦申請獲批準(zhǔn)為“保密”，______年_月后公開)摘要摘要圖像配準(zhǔn)的主要目的是為了實(shí)現(xiàn)同一目標(biāo)區(qū)域在不同時(shí)間、不同視角或不同傳感器獲得的圖像數(shù)據(jù)在空間位置上重合，圖像配準(zhǔn)問題是地理信息學(xué)、影像醫(yī)學(xué)、計(jì)算機(jī)視覺等眾多應(yīng)用領(lǐng)域中基礎(chǔ)性問題。對于完成衛(wèi)星遙感圖像之間的配準(zhǔn)，得出的配準(zhǔn)信息對于完成目標(biāo)識(shí)別、圖像融合、場景重建等諸多應(yīng)用問題的實(shí)現(xiàn),有著至關(guān)重要的作用。在當(dāng)前海量的遙感圖像數(shù)據(jù)信息面前，傳統(tǒng)的人工選取圖像之間控制點(diǎn)實(shí)現(xiàn)遙感圖像配準(zhǔn)的方法已經(jīng)無法滿足實(shí)際應(yīng)用中對于數(shù)據(jù)實(shí)時(shí)性的要求，所

5、以改善自動(dòng)化圖像配準(zhǔn)技術(shù)，已成為圖像配準(zhǔn)領(lǐng)域中的研究重點(diǎn)方向。傳統(tǒng)的圖像配準(zhǔn)算法主要分為兩大類：基于圖像區(qū)域的配準(zhǔn)算法和基于圖像特征的配準(zhǔn)算法。本文主要采用了基于局部特征的配準(zhǔn)算法，并通過訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)來獲取控制點(diǎn)的特征表達(dá)，以此來取得在圖像配準(zhǔn)的特征匹配階段有較好的正確匹配對的數(shù)量，進(jìn)而實(shí)現(xiàn)光學(xué)遙感圖像之間的配準(zhǔn)，本文驗(yàn)證了提出方法的可行性，本文主要完成的工作具體有下列幾點(diǎn)：1.總結(jié)了圖像配準(zhǔn)技術(shù)現(xiàn)階段的發(fā)展情況和傳統(tǒng)的圖像配準(zhǔn)流程，并對未來圖像配準(zhǔn)技術(shù)的發(fā)展方向做出了展望；2.介紹了圖像配準(zhǔn)以及

6、卷積神經(jīng)網(wǎng)絡(luò)的理論知識(shí)，并對卷積神經(jīng)網(wǎng)絡(luò)原理進(jìn)行了詳細(xì)的推導(dǎo)說明；3.采用最大穩(wěn)定極值區(qū)域（MaximallyStableExtremalRegions,MSERs）提取訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)所需要的特征樣本，并構(gòu)造合適的網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行網(wǎng)絡(luò)的訓(xùn)練。4.利用訓(xùn)練完成的卷積神經(jīng)網(wǎng)絡(luò)模型轉(zhuǎn)化待配準(zhǔn)圖像之間控制點(diǎn)的特征，并形成相應(yīng)的特征表達(dá)，使用所得出的特征表達(dá)進(jìn)行特征匹配。最后在光學(xué)遙感圖像上進(jìn)行了此方法的模擬仿真實(shí)驗(yàn)，并得出較好的圖像配準(zhǔn)效果。關(guān)鍵詞：圖像配準(zhǔn)；卷積神經(jīng)網(wǎng)絡(luò)；特征表達(dá)；最大穩(wěn)定極值區(qū)域IAbstrac

7、tABSTRACTThemainfunctionofimageregistrationistoachievetheprocessofgeometricaloverlayingtwoormoreimagesoftheareaatdifferenttimes,fromdifferentviewpointsorbydifferentsensors.ImageregistrationisthefoundationproblemofGeographicScience,MedicalImaging,ComputerV

8、isionetal.Inrespectofsatelliteremotesensingimageregistrationareas,Imageregistrationinformationfortherealizationoftheappli-cationoftheobjectrecognition,imagefusion,reconstruction,andmanyotherscenes,hasanindispensable