红外与可见光图像配准

本科毕业设计论文

题目红外与可见光图像配准

专业名称自动化

学生姓名

指导教师

毕业时间2014.06

毕业 任务书

一、题目

红外与可见光图像配准

二、研究主要内容

选题来源于科研项目。红外与可见光图像由于相关性小，缺乏一致性特征，因此配准的难度较大。针对红外与可见光图像配准的研究，拟采用基于特征的图像配准算法。配准算法中核心的部分在于特征的提取和特征的匹配两个部分。特征提取拟采用Harris 角点或Susan 角点检测算法，这两种算法稳定性好，也适合实时性场合需要。特征匹配阶段根据图像物理特性选择合适的匹配测度及匹配算法。最终实现一种自动、快速、较高性能的配准方法。

三、主要技术指标

1、开发工具采用OpenCV ；

2、配准时间1秒左右，精度小于1个像素。

四、进度和要求

第1-2周：初步查阅与本次毕设有关的背景知识、论文以及书籍，并进行分析、

总结，理解所研究的问题。

第3-4周：学习掌握OpenCV 、图像配准的相关知识。

第5-6周：实现Harris 角点,ORB 或者BRIEF 法对图像特征进行提取。 第7-8周：确定特征匹配算法。

第9-10周：用OpenCV 实现算法的程序。

第11-12周：用OpenCV 实现算法的程序。

第13-14周：程序测试。

第15-16周：撰写毕业设计论文，准备论文答辩。

五、主要参考书及参考资料

[1] 田伟刚。基于点特征的多源遥感图像配准技术。西北工业大学硕士学位论

文，2008年

设计

论文

[2] 苑津莎，赵振兵，高强等。红外与可见光图像配准研究现状与展望。激光与

红外，2009，39(7)：693-699

[3] C. Harris，M. Stephens．A combined corner and edge detector．In：Proceedings

of the Fourth Alvey Vision Conference．Manchester：the University of Sheffield Printing Unit，1988，pp147~151

[4] S.M. Smith，J.M. Brady．SUSAN-A new approach to low level image

processing．Journal of Computer Vision，1997，23：pp45~78

[5] S. Ranade，A. Rosenfeld．Point pattern matching by relaxation．Pattern

Recognition，1980，12：pp269~275

[6] D. P. Huttenlocher，G. A. Klanderman，W. J. Rucklidge．Comparing images using

the Hausdorff distance．IEEE Transactions on Pattern Analysis and Machine Intelligence，1993，15(9)：pp850~863

[7] M. P. Dubussion，A. K. Jain．A modified algorithm using robust hausdorff distance

measures．Proc. of 12th Int. Conf. on Pattern Recognition，Jerusalem，Israel，1994：pp566~568

[8] D.G. Sim，O.K. Kwon，R.H. Park．Object matching algorithm using robust

Hausdorff distance measures．IEEE Trans. on Image Process，1999，8(2)：425~429

[9] 周成平，蒋煜，李玲玲等。基于改进角点特征的多传感器图像配准。华中科

技大学学报，2005，33(11)：pp1~4

学生学号 __________ 学生姓名

指导教师 __________ 系主任

本科毕业设计外文翻译

专业名称自动化

学生学号2010302197

学生姓名郑平

指导教师李晖晖

完成时间2014.05.25

本科毕业设计英文翻译

指导教师评阅意见

学生姓名：郑平班级：09011006 得分：

请指导教师用红笔在译文中直接进行批改，并就以下几方面填写评阅意见，给出综合得分（满分按100分计）。

1、专业术语、词汇翻译的准确性；

2、翻译材料是否与原文的内容一致；

3、翻译材料字数是否符合要求；

4、语句是否通顺，是否符合中文表达习惯。

中文译文：

在高分辨率遥感图像自动目标检测使用基于轮廓的空间模型Yu Li, Xian Sun, Hongqi Wang, Hao Sun, and Xiangjuan Li

摘要—在这篇文章中，我们提出了一种基于轮廓的空间模型，可以准确地检测出地理空间目标的高分辨率遥感图像。为了检测结构复杂的地理空间对象，每个图像被划分成使用多个分割的第一件作为目标候选区域。然后，自动识别目标种子区域是通过计算与使用动态编程的目标模板的轮廓信息的相似度来实现。最后，基于轮廓的相似性进一步更新，并结合空间关系找出缺少的部分。以这种方式，更精确的目标检测结果可以实现的。精度，鲁棒性，所提出的方法的有效性通过了实验结果进行了论证。

关键词：几何信息，图像分割，空间关系建模，目标检测。

一介绍

目标检测是在高分辨率遥感图像分析中最具挑战性的任务之一。随着遥感成像技术的发展,高空间分辨率可以为目标检测提供丰富的空间和上下文信息[1]。使用这些信息为检测准确地理空间目标和复杂的结构提供了机会，如飞机。

虽然近年来目标检测和分割等领域得到了广泛的研究，许多作者分别考虑这两个任务是常见的。目标检测已被使用来实现，例如，星座模型[2]和变形形状模型[3]。然而，通过这些方法在目标检测中结果不够精确。

一些研究目标检测与分割相结合的调查研究已经实现，如视觉类过滤器[4]和隐式形状模型[5]。由于缺乏空间和结构信息，有些方法只能得到有限的成功的应用程序数据。此外，很难找到一个很好的分区方法，该方法可以很好地用于在复杂场景中的所有物体，如高分辨率遥感图像。

多重分割收到显著的注意，因为在一个图像中的目标中一些分割的一些地区几乎是正确的。有意义和有趣的物体使用多个分割提取[6][7] 。现在的问题是