一、基于边缘的图象配准改进算法（论文文献综述）
杨蕊[1]（2019）在《动态序列遥感图像超分辨率重建技术研究》文中提出在遥感卫星不断小型化商业化的进程中,应用信息处理技术提高动态序列遥感数据的分辨率是十分具有实用意义和研究价值的。因此遥感图像超分辨重建技术受到了广泛注意,并且近些年有了很多研究进展。超分辨技术中序列重建算法是遥感图像的主流研究内容,再加上近几年机器学习的热潮使基于学习的超分辨算法也有了一定的发展。论文主要针对动态序列遥感图像,系统地分析了其分辨率放大极限、预处理算法、在超分辨算法中的特性以及评价标准和分辨率放大倍数（RM）估算方法,并结合重建和学习算法对其进行全面研究。论文首先说明了课题背景和研究意义,调研了国内外研究现状,并总结了动态序列遥感图像超分辨重建技术的发展趋势;而后阐述了遥感图像成像和退化过程,论述了图像超分辨重建的理论依据,分别分析了基于重建和学习的超分辨算法对序列遥感图像的适用性,总结了超分辨图像质量评价标准,改进了基于目标识别的分辨率放大倍数估算方法;接着就遥感图像放大极限进行了分析计算,明确了低分辨率（LR）图像数量、质量和亚像素位移的选择方法;随后针对质量较差的遥感图像研究了预处理去噪方法,并详细分析了重建和去噪顺序问题;接着总结了亚像素点检测方法,提出了可以还原更多真实高频信息的平均覆盖配准插值方法,并针对亮度差异大的匹配问题,提出了多亮度图层匹配方法;最后分析了超分辨重建各个部分对最终结果的影响,提出了结合重建算法和学习算法的超分辨方法。针对这些研究内容提出创新成果主要包含:1.改进基于目标识别的RM估计方法,根据遥感图像中多出现大量密集的建筑物,而不同分辨率可分辨的建筑物数量不同的特点,采用双边边缘提取算法检测出具有闭合曲线的建筑物,根据超分辨后与LR图像提取建筑物的数量之比来估计RM值。2.在超分辨重建放大极限扰动理论基础上加入遥感图像的特性参数,计算出真实遥感图像的放大极限;提出一种根据噪声和图像梯度选择合适LR图像数量的方法,并制作出表格,可供研究者方便查表选择数量;针对真实遥感图像,改进了无参考图像信噪比算法,再利用信噪比这一参数判断LR图像质量;通过分析动态序列遥感图像帧间关系,明确了选取满足亚像素位移的LR图像方法。3.通过改进BM3D算法,得到自估计块匹配3D滤波去噪算法（SE-BM3D）,用于对不满足质量要求的LR遥感图像进行预处理去噪。此算法在相似块全局去噪BM3D的基础上加上更符合遥感图像的模式噪声和高斯噪声复合噪声模型,利用遥感图像内的均匀背景自估计噪声功率密度谱,增加了去噪准确度,以保留更多信息细节。实验证明SE-BM3D算法可有效将LR图像的SNR值提高到符合超分辨重建要求,并且比常用的去噪方法更能保持细节特性,作为预处理去噪算法得到了更清晰的超分辨结果。针对没有均匀背景和噪声较大去噪后不能达到LR图像要求的图像进行了详细分析,解决了这一类图像去噪和重建顺序的问题,提出了根据LR图像内容量（梯度值）和噪声标准差选择超分辨重建策略的方法,为后续重建提出框架。4.提出平均覆盖插值算法和改善亮度差异影响的序列图像匹配方法,根据遥感图像成像过程,平均覆盖插值算法不仅考虑到降采样,还考虑到模糊和积分的降质影响,通过降质逆过程,而非简单的上采样进行序列图像插值,由此得到的初始图像可以还原更多真实的高频信息。提出改善亮度差异影响的图像匹配方法,此算法的思想是对比度拉伸函数可以扩展亮度空间,从而覆盖住亮度变化。算法首先建立可以兼容其它特征点匹配算法的亮度图层,并推导出离散图层匹配准则,而后在匹配的图层上,结合FAST和改进的SURF算法快速检测、描述特征点,最后适用优先级Hamming距离匹配方法结合传统的Lowe算法在保证精确度的同时节约了匹配时间。实验结果证明,本文算法在亮度变化下的匹配效果好于现有的OSID、IRFET、SIFT、SURF算法,并且具有旋转、尺度不变性。5.提出基于动态序列图像的交叉验证并行超分辨重建方法,算法根据成像系统几何模型和成像姿态角这一已知信息得到更准确的各向异性模糊矩阵,提高退化模型精度。并通过分析模糊核形状及其标准差、匹配矩阵和先验参数对超分结果的影响,发现它们并不是相互独立作用于最终结果的,需要在各个估计尽量准确的同时,解决参数间的配合问题。因此论文引入交叉验证思想,提出了交叉验证并行优化超分辨算法,对先验参数、HR图像、匹配矩阵和模糊核标准差同时优化并不断交叉验证,不仅补偿了多由成像系统固有噪声引起的全局匹配误差,包容了各参数初始值的估计不准确,并且加强了参数间的配合,得到了更清晰的高分辨图像。通过模拟图片实验和真实遥感图像实验结果表明,本文算法可以有效提高动态序列遥感图像清晰度,对分辨率放大倍率亦有了较高的提升,除了具有针对性的各向异性模糊估计,算法对其他类型的图片亦具有普适性。
吴戈[2]（2018）在《图像拼接中的特征点配准与多分辨率融合方法研究》文中进行了进一步梳理图像拼接是计算机视觉方向研究的热点内容,尤其是在移动设备领域应用广泛,如智能手机、无人机、VR等。拼接技术是将存在重叠区域的多幅序列图像依次进行配准,经过多尺度以及多分辨率融合方法的处理,最终形成一幅无缝高质量图像的技术。本文对基于局部特征描述的相关理论与算法进行研究,其中拼接的实时性、配准的精确性、以及高质量的图像融合为本文的研究重点。在传统图像拼接方法中,特征点的提取存在过多的冗余计算,且配准结果不够精确。对此,本文采用全局特征与局部特征相结合的方式进行特征提取,以提高特征提取的准确性与时效性。同时,采用自适应的图像融合与局部色彩映射相结合的方式来消除拼接缝,解决色彩过渡不连续的问题,以提高拼接图像的质量。本文的主要研究内容包括:1.传统的特征提取方法需要对图像全局进行计算,存在大量冗余和无效特征点,而且时间消耗过大。本文采用基于全局的轮廓特征与基于像素级的局部特征相结合的方式,快速定位相似区域,提取有效特征点集合,并采用Hellinger核函数代替欧氏距离进行匹配,提高了特征配准时效性和精确性。2.针对曝光差异较大导致图像拼接时产生明显的拼接缝问题,多分辨率图像融合方法可有效解决。传统多分辨融合方法对分解后的图像进行金字塔式融合,时间成本较大,且存在大量冗余信息。本文根据相似区域范围进行自适应的小波变换融合,并制定融合策略,提高了融合效率,获得无缝拼接图像。3.针对光照不均匀导致的图像颜色过渡不连续的问题,本文采用局部色彩映射算法对图像整体进行平滑过渡处理。减弱图像拼接后整体色调的差异,并使图像的亮度具有统一性。4.本文设计并实现快速图像拼接系统,提取多层次特征,基于Hu不变矩的轮廓特征作为初始层特征,提取相似区域的局部特征作为细化层特征。并采用多分辨率图像融合和局部色彩映射方法进行图像融合,得到高质量的全景图像。
杨学峰[3]（2011）在《遥感图象频域和空域超分辨重建技术研究》文中研究说明图象分辨率是图象质量的重要指标之一。遥感图象是很重要的一类图象,其分辨率的高低对目标识别和精确判读有重要影响。图象超分辨重建是指利用同一场景的一帧或多帧低分辨率图象重建一帧或多帧高分辨率图象的技术。本文针对遥感图象特点及其超分辨需求,在不改变成像系统硬件条件的情况下,分别在频域和空域对图象超分辨重建技术进行创新性研究。在遥感图象频域超分辨重建技术方面,以两帧输入为重点,利用基于频谱扩展与补偿的单帧超分辨算法和再采样函数突破频域解混叠方法的两个限制条件:输入低分辨率帧数要求最少四帧和帧间亚像素位移满足一定的关系,建立改进的频域解混叠方法。首先对基于频谱扩展与补偿的单帧超分辨算法进行改进。提出频谱变换与增强滤波器,在振铃程度较小时执行该滤波器,使得在不降低超分辨效果的同时大大减少运算量;利用五次多项式拟合提出表示振铃程度的控制参数P值的自适应设置方法,使得对图象振铃程度的检测更为准确和方便,建立了改进的单帧超分辨算法。在改进的两帧输入频域解混叠方法中,首先利用建立的单帧超分辨算法对两帧输入低分辨率图象分别执行行和列各放大四倍模式的单帧超分辨,再利用高斯再采样函数对单帧超分辨结果分别进行行和列1/4模式的下采样,得到和原输入低分辨率图象具有同样分辨率等级的32帧图象,突破了频域解混叠算法对帧数的限制条件;研究了帧的挑选方法,从32帧中挑选满足位移限制条件的12帧图象执行频域解混叠算法,从而突破了算法对帧间位移的限制条件。一系列实验结果表明,模拟遥感的仿真实验可使图象的PSNR提高68dB;真实两帧输入的实验可使结果图象相对输入图象的对比度改善达到1112dB;可以将2.0m和3.0m分辨率的遥感图象分辨率分别提高1.54倍和1.77倍以上。在遥感图象空域超分辨重建技术方面,依次对泊松最大后验概率（PMAP, Poisson Maximum A-posteriori Probability）估计技术、凸集投影（POCS, Projection Onto Convex Sets）估计技术以及PMAP/POCS融合优化超分辨重建技术进行创新性的研究,以求达到更好的超分辨效果。根据遥感图象概率分布满足泊松（Poisson）分布的特点,对PMAP估计技术进行改进研究。通过深入分析经典PMAP估计方法的特点和限制条件,进行了三方面的改进:加入下采样算子和位移算子使其适用于更一般的成像模型,同时也提高了超分辨效果;引入Tukey正则化项,使可能出现的“病态”问题转变为“良态”问题;在迭代运算过程中采用逐像素选择的方法,使不满足鲁棒性要求的像素点对像素更新不起作用,使其具有了更强的鲁棒性。进而,建立鲁棒性的RGPMAP（Robust Generalized PMAP）超分辨重建算法。实验结果表明,所建立的RGPMAP算法具有良好的超分辨效果和很强的鲁棒性,可使具有0.4像素配准误差或25dB噪声的2/4帧输入超分辨结果的PSNR值提高58dB和810dB以上;而该配准误差和噪声对RGPMAP算法结果影响很小,在0.7dB以内。同样,针对传统POCS估计技术鲁棒性差的缺点,增加一个高分辨率的退化图象与输入低分辨率图象对应像素之差的阈值,进行逐像素挑点操作,仅使满足条件的像素点执行POCS算法,从而建立鲁棒性的RPOCS（Robust POCS）超分辨重建算法。实验结果表明,所建立的RPOCS算法,不但具有较强的鲁棒性,而且具有更好的超分辨处理效果,可使具有0.4像素配准误差和25dB高斯噪声的2/4帧输入超分辨结果的PSNR值提高69dB和12dB以上,而对RPOCS算法结果影响在0.8dB以内。由于基于集合理论的POCS方法具有较强的吸收先验信息的能力,而基于概率统计理论的PMAP方法具有很强的恢复高频信息的能力,为充分利用PMAP和POCS两类方法的优点,进一步将所建立的RGPMAP超分辨重建方法和RPOCS超分辨重建方法融合起来。在融合方法中,对RGPMAP和RPOCS两种重建方法的迭代次序和迭代次数进行研究,建立RGPMAP-RPOCS融合优化超分辨重建算法。模拟遥感图象仿真实验表明,融合算法结果图象PSNR比RGPMAP算法和RPOCS算法提高23dB;利用两帧真实遥感图象的实验结果表明,结果图象相对输入图象的对比度改善达到13dB以上;可以将2.0m和3.0m分辨率的遥感图象分辨率分别提高约1.75倍和1.90倍。
章毓晋[4]（2010）在《中国图像工程:2009》文中研究说明该文是关于中国图像工程的年度文献综述系列之十五。为了使国内广大从事图像工程研究和图像技术应用的科技人员能够较全面地了解国内图像工程研究和发展的现状,并能够方便地查询有关文献,现从2009年在国内15种有关图像工程重要中文期刊的共134期上发表的3604篇学术研究和技术应用文献中,选取出1008篇属于图像工程领域的文献,并根据各文献的主要内容将其分别归入图像处理,图像分析,图像理解,技术应用和综述五个大类,然后进一步分入23个专业小类（与去年相同）。在此基础上还进行了各期刊各类文献的统计和分析。根据统计分析结果可看到我国图像工程在2009年许多新进展的情况。特别值得指出,在上述15种期刊上所发表的图像工程文献数量在2009年继续增加并达到历史最高,显示了图像工程在中国继续蓬勃发展的趋势。另外,借此综述系列15年之际,还将这15年分成3个5年的阶段,分别对3个阶段的图像工程文献选取情况和各类图像工程文献数量进行了统计和对比分析,以为读者提供更全面和可信的发展动态信息。
李晓铃[5]（2010）在《基于TerraSAR-X和CBERS影像融合的水体信息自动提取研究》文中研究说明随着遥感技术的发展,越来越多不同类型的传感器被用于对地观测。光学传感器获取的数据光谱信息丰富,但易受大气条件的干扰。SAR是一种主动式相干微波遥感系统,可以全天时、全天候工作,并且对地物具有一定的穿透力,SAR图像纹理信息丰富,但存在大量的斑点噪声。因此有必要综合两类影像的信息,达到优势互补、改善图像的空间分辨率和光谱信息的目的。本文以CBERS多光谱影像和TerraSAR-X影像为数据源,进行融合算法的研究,并采用分类的方法提取水体信息。所做的主要工作包括：（1）分析了影像融合预处理中的关键技术,针对本文数据源的特点采取不同的辐射增强方法。（2）归纳和分析了基于像素级的多源遥感影像数据融合算法。重点研究了小波及小波包变换法,包括分解层数、小波基和融合规则的确定。定性、定量地评价各种算法的性能,结果表明小波变换法能较好地保持源图像的光谱信息和纹理细节。（3）将小波边缘检测与融合算法相结合,对增强边缘特征的影像融合方法进行了初步探索。并结合边缘增强算子与像素级融合算法,研究了突出边缘特征融合的改进方案。试验结果表明边缘增强算法在突出地物边缘特征的同时也丢失了部分细节。（4）通过对不同融合算法的定量评价发现,图像的细节和光谱信息是两个相互消长的因素,结果影像的优劣不能只依据某个指标来判定,更重要的是应用目的。因此本文采用水体提取的结果来评价何种融合算法更为有效。（5）采用最大似然法和支持向量机分别对原CBERS多光谱影像和各融合影像进行分类,进而提取水体信息,结果与定性和定量评价的结果并不一致,光谱和细节均保持较好的小波变换融合影像的水体错判率较高,光谱扭曲较大的Brovey变换法、HIS变换法和加权法提取的水体精度反而较好。
章毓晋[6]（2009）在《中国图像工程:2008》文中进行了进一步梳理该文是关于中国图像工程的年度文献综述系列之十四。为了使国内广大从事图像工程研究和图像技术应用的科技人员能够较全面地了解国内图像工程研究和发展的现状,并能够方便地查询有关文献,现从2008年在国内15种有关图像工程重要中文期刊的共120期上发表的3359篇学术研究和技术应用文献中,选取出915篇属于图像工程领域的文献,并根据各文献的主要内容将其分别归入图像处理,图像分析,图像理解,技术应用和综述5个大类,然后进一步分入23个专业小类（与去年相同）。在此基础上还进行了各期刊各类文献的统计和分析。根据统计分析结果可看到,我国图像工程在2008年许多新进展的情况。特别值得指出的是,在上述15种期刊上所发表的图像工程文献数量在2008年继续增加并达到历史最高,显示了图像工程在中国继续蓬勃发展的趋势。
章毓晋[7]（2008）在《中国图像工程:2007》文中研究指明该文是关于中国图像工程的年度文献综述系列之十三。为了使国内广大从事图像工程研究和图像技术应用的科技人员能够较全面地了解国内图像工程研究和发展的现状,并能够方便地查询有关文献,现从2007年在国内15种有关图像工程重要中文期刊的共118期上发表的3312篇学术研究和技术应用文献中,选取出895篇属于图像工程领域的文献,并根据各文献的主要内容将其分别归入图像处理、图像分析、图像理解、技术应用和综述5个大类,然后进一步分入23个专业小类（与去年相同）。在此基础上还进行了各期刊各类文献的统计和分析。根据统计分析结果可看到我国图像工程在2007年许多新进展的情况。特别值得指出,在上述15种期刊上所发表的图像工程文献数量在2007年有大幅增加并达到历史最高,显示了图像工程研究在中国继续发展的趋势。
张浩[8]（2008）在《多信息融合图像边缘特征提取及图像配准研究与应用》文中指出多源信息融合技术是协同利用多源信息以获得对同一事物或目标更客观、更本质认识的信息综合处理技术,最早出现于20世纪70年代。从诞生起,多源信息融合技术就吸引了人们越来越多的关注,对整个信息科学产生了极大的影响,图像融合是多源信息融合技术主要应用领域之一。研究表明,在人类接受到的信息中图像等视觉信息所占比重达到75%,图像中蕴涵着丰富的信息,如何获取这些信息并采用有效的手段进行综合利用是图像模式识别领域中的重要课题。本文利用多源信息融合思想,全文围绕如何融合多图像信息以实现图像边缘特征稳定提取,及利用边缘及其二次特征进行图像配准为主线展开研究。其中图像边缘检测与图像配准是文中两个联系紧密的主要部分。图像边缘是一种重要的视觉信息,边缘检测是计算机视觉后续工作的基础和前提。图像配准属于图像模式识别研究领域,主要用于多图像融合,在遥感和军事领域有着重大的现实意义。本文对边缘检测、边缘二次特征提取及图像配准做了一定研究,以提高视觉检测、目标识别及图像合成的稳定性和实时性为研究目标。并将研究应用于AGVS系统、SAR图像处理及数字字符识别等领域。本文的主要工作和创新点如下:（1）提出一种改进鲁棒Fisher降维方法,通过引入权值函数和调整因子降低“外点”对降维方向计算的干扰,对多维特征向量进行降维,克服了应用贝叶斯理论进行统计推理时,特征维数与小训练样本、特征相关性及计算效率的矛盾。根据边缘的本质特点,构造多级尺度上的绝对梯队和相对梯度作为多维图像信息,降维后利用贝叶斯理论加以融合完成边缘检测。并将该算法运用于复杂场景边缘检测及AGVS系统导引线检测中。（2）对DS证据理论进行研究,提出一种改进相关证据合成方法,利用证据可信度分布计算出证据间相关度,克服了相关证据合成时的超估计及提高合成结果的合理性,并将传统两相关证据合成推广至多相关证据合成。进而建立了一种基于证据理论的非学习直接融合边缘检测模型,将该模型应用于SAR图像边缘检测中,融合了两级尺度上的ROA算子及梯度算子。该方法最大优点是无需学习过程,可对多图像信息进行直接融合实现边缘检测。（3）提出一种基于边缘拟合的图像配准方法。以边缘为基本特征,通过可变精度拟合算法将边缘拟合成方便表达的直线特征。根据边缘直线与图像配准的关系,对其进行筛选和可信度赋值,并利用加权投票算法实现图像配准,保证配准的稳定性和实时性。（4）根据图像配准特点,将Hausdorff距离转换成归一化的相似度值。改进边缘曲率计算,更稳定地提取边缘角点。并利用“Local jet”、边缘及距离约束,提高计算效率。利用改进Hausdorff距离和形态学实现快速稳定的图像配准。将上述方法应用于AGVS系统路标识别、SAR图像和航拍图像配准中,结果表明该方法有效可行。（5）图像匹配是图像配准的一种特殊形式,针对钢坯标号和AGVS系统工位号识别,分别提出两种数字字符识别方法。针对钢坯标号,利用隶属度概念改进传统模板匹配方法,对字符和模板进行隶属度分配,提高识别稳定性。对于AGVS系统工位号,则提出一次倾斜校正和二次自校正,使失真字符接近正常字符,并利用两级模板匹配方法对字符进行快速稳定识别。
章世平[9]（2007）在《基于互信息的遥感图象非线性配准研究》文中认为遥感图象的非线性配准是修正其非线性畸变的有效手段，配准效果直接影响到图象融合后气象云图的效果。目前，国内外专门对遥感图象的非线性配准问题研究的比较少。本文通过对医学领域图象非线性配准主要方法的学习以及对遥感图象非线性畸变特点的分层讨论，确立了基于互信息的遥感图象非线性配准的实现思路，并用相关算法进行了实验。具体实施步骤简述如下：首先，以遥感图象非线性畸变特点为依据，建立分层配准思想；其次，通过对邻域图象的重心、主轴等数据的统计完成仿射变换的参数初始化；第三，以互信息变化情况为依据，采用融合了加权形心法的改进型单纯形法，实现对参数的优化迭代，从而完成对邻域图象的仿射变换；第四，从仿射变换过程中得到对应控制点集合与线性变换矩阵，在结合形变系数的基础上，解出非线性变换矩阵；最后，利用仿射变换矩阵和非线性参数变换矩阵构建非线性映射函数，实现非线性插值，即薄板样条插值过程，进而完成对遥感图象的非线性配准。配准的最终结果在几个客观评价系数——“相关系数”、“最小均方差”、“信噪比”——的计算下呈现出良好的效果，较好地完成本次对遥感图象非线性配准的研究目标。
彭骏驰[10]（2007）在《深度图象和光学图象的数据融合》文中认为单个传感器所获得的信息通常是不完整、不连续或不精确的，多传感器的信息融合有助于提高信息的完整性、连续性和准确性，因此相关问题成为目前的一个研究热点。本文提出的对激光雷达和摄像头各自所获得的信息进行融合的方法能利用从激光雷达和摄像头所获得的深度图象和光学图象，相互校正、融合，使目标的检测和识别过程变得相对简单，准确率提高。本文把激光雷达和摄像头数据的融合过程分为五个部分：数据的采集和预处理、场景特征的提取，摄像机和激光雷达的标定，摄像机器和激光雷达的配准、激光雷达和摄像头的数据融合。本文研究内容和取得的主要成果如下：1、目前国内外激光雷达和摄像头的配准方法大多存在某些限制条件，如激光雷达和摄像机的相对位姿固定，存在某些参考特征、路标等。本文提出了一种新的配准方法。该方法首先在激光雷达图象和摄像机图象中提取边缘信息，并得到其中的完整线段，然后利用两类图象中完整线段的距离定义了配准误差，通过搜索得到配准误差的最小值，从而达到配准的目的。2、通过摄像头和激光雷达所获得的周围环境信息，不可避免地包含有噪声的干扰，本文选取直线段作为场景特征。由于传统的哈夫变换提取直线的算法，受噪声干扰大，运算量也大，本文结合两点表决哈夫变换算法，提出了一种改进的快速哈夫变换算法，运算速度得以加快。3、开发了一个基于场景特征的激光雷达和摄像头的数据自动融合系统。该系统能在当激光雷达和摄像头发生相对移动的情况下，得到两者的相对位姿，并完成激光雷达图象和摄像头图象的配准工作。
二、基于边缘的图象配准改进算法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于边缘的图象配准改进算法（论文提纲范文）
（1）动态序列遥感图像超分辨率重建技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题的背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 动态序列遥感图像超分辨重建技术发展趋势 |
| 1.3 论文研究内容和创新点 |
| 1.4 论文的结构安排 |
| 第2章 动态序列遥感图像超分辨重建 |
| 2.1 动态序列遥感图像超分辨重建理论依据 |
| 2.1.1 动态遥感成像系统退化模型分析 |
| 2.1.2 动态序列遥感图像成像模型 |
| 2.1.3 动态序列遥感图像超分辨重建的理论依据 |
| 2.2 图像超分辨重建算法概述和分析 |
| 2.2.1 基于重建的图像超分辨方法 |
| 2.2.2 基于学习的图像超分辨方法 |
| 2.3 超分辨遥感图像质量评价标准 |
| 2.3.1 有参考图像质量评价 |
| 2.3.2 无参考图像质量评价 |
| 2.3.3 基于目标识别的RM估计方法 |
| 2.4 本章小结 |
| 第3章 超分辨重建限制因素及对LR图像的选择 |
| 3.1 引言 |
| 3.2 超分辨放大极限扰动理论 |
| 3.3 LR图像数量、质量和亚像素形变的选择 |
| 3.3.1 LR图像数量选择 |
| 3.3.2 LR图像质量选择 |
| 3.3.3 LR图像亚像素选择 |
| 3.4 本章小结 |
| 第4章 LR图像预处理 |
| 4.1 引言 |
| 4.2 图像自估计块匹配3D滤波算法 |
| 4.2.1 块匹配3D滤波算法 |
| 4.2.2 噪声模型和去噪策略 |
| 4.2.3 实验与结果分析 |
| 4.3 去噪顺序对超分辨结果的影响分析 |
| 4.3.1 去噪顺序问题的提出 |
| 4.3.2 对去噪顺序问题的分析 |
| 4.4 本章小结 |
| 第5章 动态序列遥感图像配准方法 |
| 5.1 引言 |
| 5.2 图像匹配 |
| 5.2.1 图像匹配和配准的定义 |
| 5.2.2 图像匹配算法 |
| 5.3 平均覆盖插值算法 |
| 5.4 多亮度图层匹配算法研究 |
| 5.4.1 在亮度差异大且不平均变化下的匹配算法研究现状 |
| 5.4.2 建立并匹配多亮度图层 |
| 5.4.3 特征点提取和描述 |
| 5.4.4 基于Hamming距离的特征点匹配 |
| 5.5 多亮度图层匹配算法实验与结果分析 |
| 5.5.1 实验数据 |
| 5.5.2 匹配评价标准 |
| 5.5.3 实验中参数选择 |
| 5.5.4 实验结果与分析 |
| 5.6 本章小结 |
| 第6章 基于动态序列遥感图像的并行超分辨重建方法 |
| 6.1 引言 |
| 6.2 序列图像MAP超分辨重建算法分析 |
| 6.2.1 MAP超分辨算法详述 |
| 6.2.2 分析MAP算法中各部分对结果的影响 |
| 6.3 基于面阵动态序列遥感图像的交叉验证并行超分辨方法 |
| 6.3.1 各向异性模糊估计 |
| 6.3.2 交叉验证并行超分辨重建方法 |
| 6.4 实验与结果分析 |
| 6.4.1 模拟图片实验结果 |
| 6.4.2 真实遥感图像实验结果 |
| 6.4.3 分辨率放大倍率估算实验结果 |
| 6.5 本章小结 |
| 第7章 总结与展望 |
| 7.1 全文总结 |
| 7.2 工作展望 |
| 参考文献 |
| 附录 英文缩写对照表 |
| 致谢 |
| 作者简介及在学期间发表的学术论文与研究成果 |
（2）图像拼接中的特征点配准与多分辨率融合方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 图像拼接技术研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 论文的主要研究内容 |
| 1.4 论文的组织结构 |
| 第2章 图像预处理及拼接相关技术 |
| 2.1 图像拼接预处理 |
| 2.1.1 图像几何校正 |
| 2.1.2 柱面投影 |
| 2.2 图像变换 |
| 2.2.1 图像变换矩阵 |
| 2.2.2 图像变换模型 |
| 2.3 特征检测算法 |
| 2.4 特征点匹配算法 |
| 2.5 图像融合技术 |
| 2.6 本章小节 |
| 第3章 改进特征提取的图像拼接算法 |
| 3.1 基于局部特征描述的特征提取算法 |
| 3.2 改进的多层次特征提取算法 |
| 3.2.1 轮廓特征加速处理 |
| 3.2.2 基于Hu不变矩特征的相似区域度量 |
| 3.2.3 SIFT特征匹配方法改进 |
| 3.3 改进的多层次特征提取算法实验分析 |
| 3.4 本章小结 |
| 第4章 改进的多分辨率图像融合算法 |
| 4.1 图像的多分辨率融合算法 |
| 4.1.1 基于小波变换的多分辨率融合算法 |
| 4.1.2 基于小波变换的图像融合规则 |
| 4.2 亮度均衡化与局部色彩映射 |
| 4.3 改进的自适应多分辨率融合算法 |
| 4.4 改进图像拼接算法实验结果分析 |
| 4.4.1 图像融合的客观评价指标 |
| 4.4.2 改进的全景拼接算法实验结果 |
| 4.5 本章小结 |
| 第5章 全景图像拼接系统设计与实现 |
| 5.1 拼接系统功能模块设计 |
| 5.2 拼接系统设计与实现 |
| 5.3 系统测试 |
| 5.4 本章小节 |
| 第6章 结论和未来工作展望 |
| 6.1 结论 |
| 6.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间从事的科研工作及取得的成果 |
（3）遥感图象频域和空域超分辨重建技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究的目的和意义 |
| 1.2 国内外研究概况 |
| 1.2.1 图象超分辨重建的机理与限制问题 |
| 1.2.2 基于重建的图象超分辨技术 |
| 1.2.3 基于学习的图象超分辨重建技术 |
| 1.3 主要研究内容和创新点 |
| 1.4 本文的结构安排 |
| 第2章 图象超分辨重建的理论基础 |
| 2.1 引言 |
| 2.2 图象成像模型 |
| 2.2.1 成像过程中的退化分析 |
| 2.2.2 成像模型 |
| 2.3 超分辨重建问题的理论依据 |
| 2.3.1 图象超分辨重建问题描述 |
| 2.3.2 图象超分辨重建的理论依据 |
| 2.4 图象质量的评价标准 |
| 2.5 本章小结 |
| 第3章 图象频域解混叠超分辨重建技术 |
| 3.1 引言 |
| 3.2 图象频域解混叠的理论基础 |
| 3.3 图象频域解混叠的数学模型 |
| 3.4 图象频域解混叠迭代计算模型 |
| 3.5 限制条件的突破技术 |
| 3.5.1 单帧超分辨算法及其应用 |
| 3.5.2 再采样函数及输入帧的挑选 |
| 3.6 图象频域解混叠超分辨重建算法 |
| 3.7 实验结果与分析 |
| 3.8 本章小结 |
| 第4章 PMAP图象超分辨重建技术 |
| 4.1 引言 |
| 4.2 PML与PMAP图象超分辨重建方法 |
| 4.2.1 遥感图象的概率统计模型 |
| 4.2.2 PML与PMAP方法的基本原理和比较 |
| 4.3 RGPMAP图象超分辨重建算法 |
| 4.3.1 GPMAP图象超分辨重建算法 |
| 4.3.2 正则化项的选取与参数设置 |
| 4.3.3 RGPMAP图象超分辨重建算法 |
| 4.4 实验结果与分析 |
| 4.5 本章小结 |
| 第5章 鲁棒性POCS图象超分辨重建技术 |
| 5.1 引言 |
| 5.2 POCS超分辨重建的基础理论 |
| 5.3 RPOCS超分辨重建算法 |
| 5.3.1 RPOCS算法模型 |
| 5.3.2 参数设置 |
| 5.3.3 计算流程 |
| 5.4 实验结果与分析 |
| 5.5 本章小结 |
| 第6章 RGPMAP/RPOCS融合图象超分辨重建 |
| 6.1 引言 |
| 6.2 MAP/POCS融合超分辨图象重建的理论基础 |
| 6.3 RGPMAP/RPOCS融合算法研究 |
| 6.3.1 两种融合方法的比较 |
| 6.3.2 迭代次数的确定 |
| 6.3.3 融合算法流程 |
| 6.4 实验结果与分析 |
| 6.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 致谢 |
| 个人简历 |
（4）中国图像工程:2009（论文提纲范文）
| 0 引 言 |
| 1 综述目的 |
| 1) 概括我国图像工程发展现状 |
| 2) 便利从事图像工程研究和图像技术应用的人员查阅有关文献 |
| 3) 提供期刊编者和文献作者有用的参考信息 |
| 2 刊物选取 |
| 3 文献选取和分类 |
| 4 文献分类统计结果和讨论 |
| 4.1 15年图像工程文献选取和分类概况比较 |
| 4.2 2009年各刊图像工程文献刊载情况 |
| 4.3 2009年各刊图像工程文献详细分类情况 |
| 5 前后3个5年的比较 |
| 6 结 论 |
（5）基于TerraSAR-X和CBERS影像融合的水体信息自动提取研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 中巴资源卫星数据应用现状 |
| 1.2.2 光学和SAR影像融合的发展现状 |
| 1.2.3 水体信息自动提取的国内外现状 |
| 1.3 本文的研究工作 |
| 1.4 本章小结 |
| 第2章 遥感影像融合的理论基础 |
| 2.1 多源遥感数据融合的定义 |
| 2.2 多源遥感数据融合的层次 |
| 2.2.1 像素级融合 |
| 2.2.2 特征级融合 |
| 2.2.3 决策级融合 |
| 2.3 影像融合的关键技术问题 |
| 2.3.1 数据配准 |
| 2.3.2 融合模型的建立与优化 |
| 2.3.3 融合方法的选择 |
| 2.4 影像融合的效果评价 |
| 2.4.1 融合影像的主观评价 |
| 2.4.2 融合影像的客观评价 |
| 2.5 本章小结 |
| 第3章 数据准备及预处理 |
| 3.1 实验数据 |
| 3.1.1 CBERS卫星介绍 |
| 3.1.2 TerraSAR-X卫星介绍 |
| 3.1.3 本文实验数据 |
| 3.2 图像融合前预处理 |
| 3.2.1 辐射量增强 |
| 3.2.2 几何纠正与配准 |
| 3.2.3 图像的裁剪 |
| 3.3 本章小结 |
| 第4章 基于像素级的影像融合研究 |
| 4.1 概述 |
| 4.2 代数运算方法 |
| 4.2.1 加权融合法 |
| 4.2.2 高通滤波法 |
| 4.2.3 Brovey变换法 |
| 4.3 基于空间变换的方法 |
| 4.3.1 HIS变换融合法 |
| 4.3.2 PCA变换融合法 |
| 4.4 基于塔式分解与重构的方法 |
| 4.4.1 小波变换融合法 |
| 4.4.2 小波包变换融合法 |
| 4.5 改进算法 |
| 4.6 试验结果与分析 |
| 4.7 本章小结 |
| 第5章 基于边缘增强的影像融合研究 |
| 5.1 经典的边缘增强及检测算子 |
| 5.1.1 Roberts算子 |
| 5.1.2 Prewitt算子 |
| 5.1.3 Sobel算子 |
| 5.1.4 Log算子 |
| 5.1.5 Canny算子 |
| 5.2 基于小波变换的图像边缘检测 |
| 5.3 基于边缘增强的小波变换融合 |
| 5.4 基于边缘增强算子的影像融合 |
| 5.5 试验结果与分析 |
| 5.6 本章小结 |
| 第6章 水体信息的自动提取 |
| 6.1 单波段法 |
| 6.2 多波段法 |
| 6.3 分类后提取法 |
| 6.3.1 最大似然法 |
| 6.3.2 支持向量机分类 |
| 6.4 试验结果与分析 |
| 6.5 本章小结 |
| 结论 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及科研成果 |
（6）中国图像工程:2008（论文提纲范文）
| 1 引 言 |
| 2 综述目的 |
| 3 刊物选取 |
| 4 文献选取和分类 |
| 5 文献分类统计结果和讨论 |
| 5.1 14年图像工程文献选取和分类概况比较 |
| 5.2 2008年各刊图像工程文献刊载情况 |
| 5.3 2008年各刊图像工程文献详细分类情况 |
| 6 结 论 |
（7）中国图像工程:2007（论文提纲范文）
| 1 引 言 |
| 2 综述目的 |
| 3 刊物选取 |
| 4 文献选取和分类 |
| 5 文献分类统计结果和讨论 |
| 5.1 近13年图像工程文献选取和分类概况比较 |
| 5.2 2007年各刊图像工程文献刊载情况 |
| 5.3 2007年各刊图像工程文献详细分类情况 |
| 6 结 论 |
（8）多信息融合图像边缘特征提取及图像配准研究与应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 图像科学与图像工程 |
| 1.2 多源信息融合与图像融合 |
| 1.3 图像边缘检测和图像配准技术概述 |
| 1.3.1 边缘检测和图像配准的关系及应用 |
| 1.3.2 主要研究难点 |
| 1.3.3 图像边缘检测的要求和分类 |
| 1.3.4 传统边缘检测方法 |
| 1.3.5 研究中的新边缘检测方法 |
| 1.3.6 图像配准技术的分类及一般性步骤 |
| 1.3.7 图像配准的数学模型 |
| 1.3.8 主要图像配准方法 |
| 1.4 本文研究思路及应用背景 |
| 1.5 本文主要内容和创新点 |
| 1.5.1 主要内容 |
| 1.5.2 主要创新点 |
| 第2章 基于改进鲁棒降维方法的学习融合边缘检测 |
| 2.1 引言 |
| 2.2 贝叶斯统计推理理论 |
| 2.3 边缘检测多图像信息选择 |
| 2.3.1 贝叶斯角度的边缘检测不确定性 |
| 2.3.2 多尺度绝对及相对梯度图像信息 |
| 2.4 改进的多维特征向量降维方法 |
| 2.4.1 传统 Fisher降维方法 |
| 2.4.2 改进鲁棒 Fisher降维方法 |
| 2.5 具体边缘检测方法设计 |
| 2.5.1 学习过程 |
| 2.5.2 推广过程 |
| 2.6 实验应用及分析 |
| 2.6.1 复杂场景边缘检测及性能评价 |
| 2.6.2 AGVS系统导引线检测 |
| 2.7 本章小结 |
| 第3章 基于改进DS合成方式的非学习融合边缘检测 |
| 3.1 引言 |
| 3.2 Dempster-Shafer证据理论 |
| 3.3 改进DS合成方式 |
| 3.3.1 传统相关证据合成方式 |
| 3.3.2 改进相关证据合成方式 |
| 3.4 DS证据理论在SAR图像边缘检测中的应用 |
| 3.4.1 SAR图像相干斑乘性噪声模型 |
| 3.4.2 多尺度ROA及梯度算子 |
| 3.4.3 ROA及梯度算子的检测阈值计算方法 |
| 3.4.4 ROA及梯度算子可信度函数构造 |
| 3.4.5 可信度函数合成及判决规则 |
| 3.5 实验应用及分析 |
| 3.5.1 SAR图像边缘检测 |
| 3.5.2 光学图像边缘检测 |
| 3.6 本章小结 |
| 第4章 基于边缘拟合的无验证快速图像配准 |
| 4.1 引言 |
| 4.2 传统曲线形状描绘子及其优缺点 |
| 4.3 边缘直线特征提取 |
| 4.3.1 可变精度的边缘直线拟合 |
| 4.3.2 边缘可信度分析 |
| 4.4 具体配准方法设计 |
| 4.4.1 相似变换参数求解 |
| 4.4.2 基于加权投票算法的配准过程 |
| 4.5 实验应用及分析 |
| 4.5.1 复杂场景及SAR图像配准应用 |
| 4.5.2 配准性能分析 |
| 4.6 本章小结 |
| 第5章 基于边缘角点及改进Hausdorff验证的图像配准 |
| 5.1 引言 |
| 5.2 Hausdorff距离及其改进型 |
| 5.3 边缘特征角点提取及筛选 |
| 5.3.1 边缘检测、边缘调整及边缘链接 |
| 5.3.2 改进边缘特征角点提取算法 |
| 5.4 具体配准方法设计 |
| 5.4.1 边缘及距离几何约束 |
| 5.4.2 “Local jet”角点相似度约束 |
| 5.4.3 基于形态学的Hausdorff假设验证及双阈值配准过程 |
| 5.5 实验应用及分析 |
| 5.5.1 AGVS路标识别应用 |
| 5.5.2 SAR图像及航拍图像配准应用 |
| 5.5.3 配准方法性能分析 |
| 5.6 本章小结 |
| 第6章 基于改进模板匹配的钢坯标号及AGVS工位号识别 |
| 6.1 引言 |
| 6.2 常规字符识别算法 |
| 6.3 在线钢坯标号识别方法 |
| 6.3.1 噪声背景下字符特征提取及其标准化 |
| 6.3.2 改进模板匹配方法及在钢坯标号识别中的应用 |
| 6.3.3 具体步骤 |
| 6.4 钢坯标号识别应用及分析 |
| 6.5 字符识别在AGVS中的应用 |
| 6.5.1 AGVS系统中的数字工位号 |
| 6.5.2 失真字符的提取及校正 |
| 6.5.3 字符识别 |
| 6.6 AGV数字字符识别应用及分析 |
| 6.7 本章小结 |
| 第7章 总结与展望 |
| 7.1 论文工作总结 |
| 7.2 未来工作展望 |
| 参考文献 |
| 攻读博士学位期间主要的研究成果 |
| 致谢 |
（9）基于互信息的遥感图象非线性配准研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 引言 |
| 1.2 对线性配准工作的回顾 |
| 1.3 非线性配准工作的情况 |
| 1.3.1 基于空间变换的配准方法 |
| 1.3.2 基于物理模型的配准方法 |
| 1.4 已实现的遥感图象线性配准工作 |
| 1.5、遥感图象非线性配准的研究思路 |
| 1.6、本文的组织方式 |
| 2 相关数学定义与算法过程 |
| 2.1 熵和互信息 |
| 2.1.1 熵 |
| 2.1.2 互信息 |
| 2.2 全局仿射变换 |
| 2.3 多参数优化算法 |
| 2.3.1 遗传算法 |
| 2.3.2 改进型单纯形法 |
| 2.4 薄板样条插值 |
| 2.5 本章小节 |
| 3 遥感图象非线性畸变特点分析 |
| 3.1 非线性畸变产生原因 |
| 3.2 对全局的、局部的和邻域的畸变特点分析 |
| 3.2.1 非线性畸变全局特点分析 |
| 3.2.2 非线性畸变局部特点分析 |
| 3.2.3 非线性畸变邻域特点分析 |
| 3.3、本章小结 |
| 4 算法的具体设计实现 |
| 4.1 确立分层配准思想 |
| 4.2 基于互信息的遥感图象配准具体算法实现 |
| 4.2.1 仿射变换的参数初始化 |
| 4.2.2 基于互信息的多参数优化过程 |
| 4.2.3 薄板样条插值过程 |
| 4.3 本章小结 |
| 4.3.1 算法实现过程总结 |
| 4.3.2 算法改进的总结 |
| 5 相关研究的试验结果及其评估 |
| 5.1 主要评估方法的确定 |
| 5.2 实验结果图及其评价参数 |
| 5.3 算法改进对实验的影响 |
| 5.4 本章小结 |
| 6、结束语 |
| 致谢 |
| 参考文献 |
（10）深度图象和光学图象的数据融合（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究现状 |
| 1.3 本文的工作 |
| 1.3.1 激光雷达和摄像头的自动数据融合 |
| 1.3.2 数据融合系统结构简图 |
| 1.4 系统平台 |
| 1.5 论文安排 |
| 第二章 数据采集及预处理 |
| 2.1 激光雷达介绍 |
| 2.1.1 LMS291性能简介 |
| 2.1.2 LMS291激光雷达数据采集及图象生成 |
| 2.2 光学视觉系统介绍 |
| 2.2.1 摄像机和图象采集卡简介 |
| 2.2.2 光学图象生成 |
| 2.3 图象的预处理 |
| 2.3.1 噪声处理 |
| 2.3.2 边缘检测 |
| 2.3.3 改进的拉普拉斯算子 |
| 第三章 基于快速哈夫变换的场景特征提取 |
| 3.1 场景特征的选取 |
| 3.2 哈夫变换的简介 |
| 3.3 两点表决哈夫变换 |
| 3.4 改进的两点表决哈夫变换 |
| 第四章 激光雷达和摄像机的数据融合 |
| 4.1 深度图象的坐标变换 |
| 4.1.1 激光雷达和摄像头的成像分析 |
| 4.1.2 激光雷达图象到光学图象平面的几何变换 |
| 4.2 摄像机的标定 |
| 4.2.1 标定的相关研究 |
| 4.2.2 摄像机的标定 |
| 4.3 摄像机和激光雷达的配准 |
| 4.3.1 配准的相关研究 |
| 4.3.2 完整线段的选择 |
| 4.3.3 无限制条件的激光雷达和摄像头的配准算法 |
| 4.4 求解激光雷达和摄像机的相对位姿 |
| 4.5 激光雷达和摄像机的数据融合 |
| 第五章 总结 |
| 参考文献 |
| 致谢 |
| 本文的相关研究成果 |
四、基于边缘的图象配准改进算法（论文参考文献）
- [1]动态序列遥感图像超分辨率重建技术研究[D]. 杨蕊. 中国科学院大学(中国科学院西安光学精密机械研究所), 2019(05)
- [2]图像拼接中的特征点配准与多分辨率融合方法研究[D]. 吴戈. 重庆邮电大学, 2018(01)
- [3]遥感图象频域和空域超分辨重建技术研究[D]. 杨学峰. 哈尔滨工业大学, 2011(08)
- [4]中国图像工程:2009[J]. 章毓晋. 中国图象图形学报, 2010(05)
- [5]基于TerraSAR-X和CBERS影像融合的水体信息自动提取研究[D]. 李晓铃. 西南交通大学, 2010(10)
- [6]中国图像工程:2008[J]. 章毓晋. 中国图象图形学报, 2009(05)
- [7]中国图像工程:2007[J]. 章毓晋. 中国图象图形学报, 2008(05)
- [8]多信息融合图像边缘特征提取及图像配准研究与应用[D]. 张浩. 浙江大学, 2008(09)
- [9]基于互信息的遥感图象非线性配准研究[D]. 章世平. 南京理工大学, 2007(01)
- [10]深度图象和光学图象的数据融合[D]. 彭骏驰. 中南大学, 2007(05)