基于D-Nets的圖像配準(zhǔn)技術(shù)的研究.pdf

1、在當(dāng)前科技信息發(fā)展的時代，移動終端設(shè)備也不斷發(fā)展?；谶@種優(yōu)勢，用戶能夠方便的得到圖像的數(shù)據(jù)。數(shù)字圖像應(yīng)用的關(guān)鍵技術(shù)是圖像配準(zhǔn)技術(shù)，近幾年來，隨著對圖像配準(zhǔn)技術(shù)不斷的研究，應(yīng)用也越來越廣泛。SIFT算子(Scale Invariant Feature Transform，尺度不變特征變換)是典型的圖像配準(zhǔn)算子。為了提高圖像配準(zhǔn)的精確度以及配準(zhǔn)效率，大量學(xué)者在SIFT算子的基礎(chǔ)之上進行了改進，但是在配準(zhǔn)精度方面還沒有達到理想的狀態(tài)。本文在

2、D-Nets(Descriptor-Nets)的基礎(chǔ)上對圖像配準(zhǔn)技術(shù)進行了研究。D-Nets配準(zhǔn)算法是一種計算上有效的方法，極大地提高了圖像配準(zhǔn)的精確度和召回率。我們研究的主要內(nèi)容分為三個階段：圖像預(yù)處理階段、圖像特征點提取階段以及圖像特征點配準(zhǔn)階段。本文旨在提高圖像配準(zhǔn)的精確度、召回率，基于這一目的，提出了兩個方案。
　?。?）基于D-Nets配準(zhǔn)算法，本文提出了新的方法，在特征點提取階段對原圖像提取特征點，在配準(zhǔn)階段，對合成圖

3、像用D-Nets進行配準(zhǔn)。本方法的具體操作步驟為：首先對數(shù)據(jù)集中的原圖像用Laplace算子（拉普拉斯算子）進行圖像邊緣增強，然后用增強后的圖像與原圖像進行圖像合成，用合成后的圖像在圖像配準(zhǔn)階段進行特征配準(zhǔn)。在特征點提取階段，采用SIFT算子對原圖像進行特征點的提取，提取出的特征點圖像信息豐富，該算法對圖像縮放、旋轉(zhuǎn)、位移等幾何變化具有不變性,還具有較好的魯棒性。為了降低合成圖像的噪聲，避免影響配準(zhǔn)效果，對合成圖像在配準(zhǔn)之前用高斯濾波平

4、滑處理。在圖像配準(zhǔn)階段，用D-Nets算法對合成圖像進行圖像配準(zhǔn)，相比現(xiàn)有的方法大大提高了配準(zhǔn)的精確度和召回率。
　　（2）基于D-Nets配準(zhǔn)算法，本文提出另一種方法，在圖像配準(zhǔn)階段之后，用RANSAC算法（Random Sample Consensus，隨機抽樣一致性算法）去除誤配準(zhǔn)點，從而提高配準(zhǔn)精度。RANSAC算法是一種高魯棒性的算法，能對異常數(shù)據(jù)的干擾進行高效的排除，對模型參數(shù)的穩(wěn)健性有所提高，它比其他去除圖像誤配準(zhǔn)點