导读:本文包含了场景配准论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:场景,图像,特征,目标,动态,可见光,孔径。
场景配准论文文献综述
韦顺军,唐欣欣,张晓玲[1]（2019）在《基于DFT模型的大场景InSAR图像配准》一文中研究指出图像配准是实现干涉合成孔径雷达(InSAR)高精度相位提取及地形高程反演的关键,大场景图像的高效高精度配准成为近年高分宽幅InSAR成像应用研究的难点问题之一。由于大场景图像中不同区域偏移量及变化规律差异较大,传统最大相干系数配准方法需多分块及插值处理,面临计算量大且配准精度低等问题。针对此问题,本文提出一种基于DFT模型的大场景InSAR高效高精度图像配准算法。该方法利用最小均方差准则构建InSAR复图像配准的DFT模型,采用四叉树自适应分块及矩阵相乘DFT快速重采样配准方法,实现大场景InSAR图像各子块区域的高效高精度亚像素配准。仿真和实测数据验证本文算法的有效性,结果表明该算法不仅可实现大场景InSAR复图像亚像素级配准,还具有较高的运算效率,其运算效率相对于传统FFT配准方法通常可提升3倍以上。(本文来源于《遥感学报》期刊2019年05期）
杨佳晴[2]（2019）在《基于场景配准的图像特征提取算法研究》一文中研究指出随着图像处理技术的不断成熟,人类越来越依赖于这种直观的图像处理模式。图像的特征提取技术作为计算机视觉中尤为重要的一部分,被应用于遥感卫星、生物学和医学以及军事学等众多领域中。图像特征提取算法的计算效率以及在诸多外界因素干扰情况下的稳定性对图像配准等后续工作起着决定性的作用。场景图像复杂多变且信息量巨大,往往伴随着光照、视角、缩放旋转和噪声等变换的影响。因此,作为数字图像处理领域研究的一个技术难点,在不同场景中能快速准确的提取出稳定的特征用于图像配准,并且获得低错误率和高效率的结果有着理论的意义和实际的应用价值。本文主要研究图像的特征提取算法,分析不同特征检测的效率,获得鲁棒性高的特征并将其应用于场景图像配准进而分析算法性能,完成的研究内容和主要工作如下:(1)研究了在图像处理中提取图像特征的基本理论,图像特征主要分为全局特征和局部特征两大类。分别研究这两类的典型特征,并分析图像特征性能评价的基本准则,主要包含特征特性、特征检测数量、特征重复率和运行效率。(2)在图像特征理论研究基础上,进行图像配准的理论介绍,主要包括图像配准常用方法分类和基本要素。同时,深入研究了SIFT、SURF、FREAK和AKAZE的算法原理,并通过实验结合特征评价准则对比得到直观的结果,表明了各种特征提取算法的优缺点。(3)通过比较图像特征提取算法,提出了一种基于AKAZE和FREAK特征相结合的图像配准算法,将其应用于单个变化的场景图像配准,并且把该种算法和经典特征提取算法在抗噪能力、旋转不变性和尺度不变性方面作对比。针对视角变化较大且影响因素较多的图像,提出了一种基于AKAZE特征提取的算法,运用到图像配准中,通过与经典算法对比配准的正确率、精度和运行时间来展示算法效果。(4)根据编程环境和语言,完成了图像处理算法平台的搭建和特征检测效率分析模块大部分算法的代码实现与移植,建立并测试了性能评估系统。(本文来源于《电子科技大学》期刊2019-04-01）
李玮[3]（2019）在《室内场景图像特征点检测和点云配准算法研究》一文中研究指出随着计算机视觉领域的快速发展,场景的3D重建在计算机领域有着越来越广泛的应用,而3D重建的难点在于点云的配准,基于特征的配准方法是最常用的配准方法,其关键是提取点云的特征信息之后对其进行特征相似度的计算,以点云的相似度信息进行配准。针对传统的叁维重建算法获取点云过程复杂、运算速度慢、匹配精度低等缺点。本文采用Kinect深度传感器作为深度信息和彩色信息的采集设备,对叁维重建流程涉及的数据获取、预处理、特征点的提取和粗略匹配、点云精确匹配的过程进行了研究以及理论分析,采用了一个基于Kinect深度传感器的叁维重建方案。(1)采用了一种快速高精度的NCC图像匹配算法。通过构造图像小波金字塔结构,减少特征点搜索匹配时间,采用NCC图像匹配算法进行匹配,获得原始图像上的粗匹配点;再利用改进的松弛迭代算法去除误匹配点,引入“自适应部分赢者通吃”策略,提高迭代速度,获得更多一一对应的匹配点对。随后对FPFH特征提取算法中计算权重系数的形式进行修改,采用指数函数代替原倒数形式,将权重值规范在合理区间内,改进了原算法中权重系数溢出等问题。(2)采用了一种基于改进的ICP匹配算法,对相机的视椎体区域进行划分,通过欧几里得距离公式为各区域所存在的特征点赋予其相应的权重系数,将对应点的权重系数带入到均方差函数中求解,有效提高了连续多帧图像在点云配准后得到的叁维重建结果的质量;随后针对传统ICP算法消耗时间过高问题,采用BBF算法对ICP进行加速,能够减少配准时间,大幅度提高叁维点云的配准效率。实验数据表明,本文采用的叁维重建方案可以使用普通的个人计算机和Kinect对常见的客观对象数字化,本系统重建过程操作简单,所需要的成本低廉,不需要高性能配准的计算机。本文采用的算法相比于原始算法在效率、精度等方面都有了很大幅度的提升,证明本文算法的有效性。(本文来源于《东北林业大学》期刊2019-04-01）
赵凯,朱愿,王任栋[4]（2019）在《基于改进NDT算法的城市场景叁维点云配准》一文中研究指出对于存在较大初始变换误差的两帧点云,正态分布变换(NDT)配准算法通常会收敛到局部最小值。为提高收敛性能,提出一种新的区域生长聚类正态分布变换(RGC-NDT)算法,该算法在优化步骤中取代体积分割,消除体素边界处评分函数的不连续性。使用主成分分析法(PCA),针对点云中的每个点计算局部特征向量及曲率。基于这些特征向量的相似性,根据区域隶属判定规则,将种子点周围的相邻点聚合为簇类,然后为每个聚类计算正态分布变换,并将该区域内的点表示为分布-分布匹配的概率密度函数。实验表明:相比于传统NDT算法,该算法匹配准确度提高1.18倍,且匹配耗时仅为其1/3。(本文来源于《军事交通学院学报》期刊2019年03期）
许越,徐之海,冯华君,李奇,陈跃庭[5]（2019）在《双场景类型遥感图像的配准拼接优化》一文中研究指出为了提升包含2种场景类型的遥感图像的配准拼接质量,提出基于误差权重再分配的遥感图像配准拼接优化方法.使用尺度不变特征变换(SIFT)特征检测算子,提取2幅具有重迭区域的遥感图像的特征点,计算得到初始的单应性矩阵.针对遥感图像细节丰富,但在某些特定区域分布不均匀的特点,将图像按照网格分割成若干小子块,进行信息熵聚类.图像熵反映的是灰度分布的分散程度,较大的熵意味着更大的信息量和纹理细节.按照信息量分布,将图像分隔为2个大的图像区域,每一区域近似代表一种场景类型.以特征点匹配的残余误差为目标函数,对不同场景区域的特征点分配不同的优化权重,权重来源于各图像子块的信息熵,反映了图像各场景信息量的多少,从而改善拼接效果,使之符合人眼视觉要求.实验表明,采用该方法可以再分配特征点匹配残余误差,细节丰富区域的匹配残差降低14%,提升细节丰富区域的配准拼接质量,降低随机性,提高了配准过程的稳定度.(本文来源于《浙江大学学报(工学版)》期刊2019年01期）
王鹏[6]（2018）在《城市建筑物场景点云配准算法研究》一文中研究指出地面激光扫描(Terrestrial LiDAR Scanning,TLS)作为一种主动遥感技术,通过发射脉冲信号并接收目标物体表面返回的信号完成叁维测量,具有速度快、精度高、单次获取数据量大等特点,已经成为空间信息获取的重要手段,基于TLS技术的建筑物精细建模也成为近年来的研究热点。由于扫描视角和物体遮挡等限制,TLS需要多角度扫描才能完整覆盖城市建筑物场景,且获取到的多视点云都基于局部坐标系,需要通过点云配准技术将不同视角下的点云统一到同一坐标系下。国内外学者提出许多两视点云自动配准算法,但城市建筑物场景结构复杂,点云数据不仅含有大量噪声,同时包含对称或不完整结构,局部点云密度变化明显,TLS数据量非常庞大,如何提高城市建筑物场景下的两视点云自动配准精度和效率是目前亟待解决的问题。因此,本文主要研究城市建筑物场景下的两视点云自动配准,具体如下:(1)基于ISS-SHOT特征点的点云粗配准:目前,点云粗配准主要通过提取点云表面二维或叁维特征进行粗配准,二维或叁维特征的质量决定粗配准精度。本文将定向直方图标签(Signatures of Histograms of OrienTations,SHOT)叁维特征描述子应用到城市建筑物场景点云粗配准中,对两视点云提取的ISS关键点进行SHOT特征描述,得到一组更精确的ISS-SHOT特征点对,使用采样一致性初始配准算法估计初始转换参数。同时设计了一个点云预处理流程:点云降噪和下采样,保证原始点云几何结构不变,同时提高点云质量,降低点云数量。多组数据配准结果表明,新提出的粗配准算法的配准精度与传统粗配算法保持不变,平均配准效率提高59%。(2)基于拟牛顿优化的叁维正态分布变换精配准:传统叁维正态分布变换算法(3D Normal Distribution Transform,3D-NDT)相对于ICP等精配准算法有着较高的配准精度和效率,但在城市建筑物场景等点云数量庞大的配准中效率并不理想,通过分析3D-NDT算法精配准原理,利用拟牛顿算法对3D-NDT算法中的二阶求导过程进行优化,提高了精配准效率。多组数据配准结果表明,随着点云数量的增加,改进3D-NDT算法时间消耗曲线远低于传统3D-NDT算法,同时在保证配准精度的情况下,平均配准效率提高88%。(本文来源于《成都理工大学》期刊2018-06-01）
赵新灿,展鹏磊,吴飞,张大伟[7]（2018）在《基于领域知识的3维动态场景目标识别和配准》一文中研究指出为了增强遥操作系统的临场感,使操作者更好地融入远程工作环境,提出了基于领域知识的3维动态场景目标识别和配准算法.首先,通过离线解析和切分虚拟样机CAD(计算机辅助设计)模型构建包含多视角点云特征和装配约束的领域知识库.其次,通过动态采集场景点云并计算CVFH(clustered viewpoint feature histogram)和FPFH(fast point feature histogram)特征,利用领域知识库中多视角点云特征和点云CVFH特征进行比对实现目标识别,并由FPFH特征经过两步配准实现目标姿态确定.最后,利用装配约束知识库实现以遥操作机器人工作状态变化为驱动的指导信息的精确配准和实时推送.实验结果表明,该系统不但可以有效地指导远程机器人完成维修操作,还可以提高遥操作的精度和效率.(本文来源于《机器人》期刊2018年04期）
展鹏磊[8]（2018）在《基于领域知识的叁维动态场景目标识别和配准》一文中研究指出增强现实是计算机视觉、计算图形学等领域中的一个热点研究方向,增强现实系统通过将计算机生成的虚拟信息融合显示到真实环境中,可以增强用户对真实环境的感知与交互能力。实现真实环境中物体的识别与感知是增强现实技术需要解决的核心问题。基于二维图像的物体识别已经有了广泛的研究,但是对于物体位姿信息的求解存在着较大的局限性。随着叁维扫描技术的发展,对场景叁维点云数据的获取越来越快捷,基于叁维点云的物体识别与感知得到了快速发展,但是由于实际场景的复杂性和非结构化,对场景中叁维物体的识别与位姿信息的精确估计仍然面临着巨大的挑战。本文通过深度摄像机获取场景叁维点云数据,结合点云的全局和局部特征实现场景中叁维目标物体的识别与配准,并应用于工业拆装维修系统中实现增强指导信息的精确配准和多维展示。本文的主要研究工作如下:(1)提出了动态场景叁维点云中感兴趣目标的提取算法。首先利用直通滤波等点云预处理算法对Kinect采集的原始场景点云进行处理以减少点云数据量及噪声,然后利用基于随机采样一致性的分割算法去除场景中具有平面性质的点云,最后利用欧式聚类算法对剩余的点云进行聚类,实现场景中感兴趣目标物体点云的提取。(2)研究工业零部件的几何模型、约束模型、层次模型的表达和零部件拆装序列的生成方法,建立了包含约束、装配和几何模型等信息的领域知识库。针对工业零部件结构丰富、表面曲率变化大的特点,提出了改进的点云全局CVFH特征计算方法。使用虚拟深度相机采集零部件模型的多视角点云并结合FPFH特征和改进的CVFH特征构建了模型多视角特征数据库,同时计算多视角点云相对于模型的姿态信息。(3)改进了场景中感兴趣目标的识别与位姿的精确估计方法。首先根据感兴趣目标点云的CVFH特征利用K-D树最近邻搜索算法在模型多视角点云特征库中进行搜索得到识别结果。然后利用点云的局部FPFH特征,结合采样一致性配准算法和ICP配准算法,实现了感兴趣目标物体位姿信息的精确估计。最后,结合领域知识库,利用OSG图像库与PCL点云库实现了增强现实环境下拆装指导信息的精确配准与多维展示,实验结果表明了本文方法的有效性与精确性。(本文来源于《郑州大学》期刊2018-05-01）
周杏芳,刘修扬[9]（2018）在《铁路场景下的红外与可见光图像自动配准算法》一文中研究指出现有基于机器视觉的铁路异物侵限检测方法大都是利用单一可见光图像进行处理。针对其在夜间及恶劣天气条件下因图像视觉效果变差而导致异物准确报警率不高的问题,提出了铁路场景下的红外与可见光图像的自动配准算法。针对异源图像配准中误匹配率高的问题,提出了基于SURF特征点检测、提取和匹配的改进算法,先对初始同名点进行几何约束条件下的筛选,然后利用图像结构相似度理论进一步剔除外点,最后用RANSAC算法进行最终的精匹配。实验结果表明,该算法能实现图像的自动准确配准,处理后的图像全面体现了图像温度、色彩轮廓细节等信息,更利于后续的目标识别和异物准确报警。(本文来源于《电子测量技术》期刊2018年08期）
王任栋,徐友春,齐尧,韩栋斌,李华[10]（2018）在《一种鲁棒的城市复杂动态场景点云配准方法》一文中研究指出针对城市道路环境中面临的动态目标繁多、遮挡严重、以及GPS(全球定位系统)误差较大的问题,提出了一种无需检测动态目标且可以适应不同初始位置误差的快速、鲁棒的配准方法.首先,使用区域生长方法对去除地面的障碍物点云进行目标分割,并通过设定约束条件优化分割效果,生成点云的目标重心点集合:然后,提出了一种多层嵌套的RANSAC(随机抽样一致性)算法架构,迭代地更新配准结果,实现重心点集的粗配准并去除外点:最后,利用ICP(迭代最近点)进行点云的精确配准.与传统RANSAC方法的对比实验表明,该方法能够在复杂的动态场景和较大的初始位置误差下完成精确可靠的点云配准,且其配准成功率和配准速度明显高于传统方法.(本文来源于《机器人》期刊2018年03期）
场景配准论文开题报告
（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：
随着图像处理技术的不断成熟,人类越来越依赖于这种直观的图像处理模式。图像的特征提取技术作为计算机视觉中尤为重要的一部分,被应用于遥感卫星、生物学和医学以及军事学等众多领域中。图像特征提取算法的计算效率以及在诸多外界因素干扰情况下的稳定性对图像配准等后续工作起着决定性的作用。场景图像复杂多变且信息量巨大,往往伴随着光照、视角、缩放旋转和噪声等变换的影响。因此,作为数字图像处理领域研究的一个技术难点,在不同场景中能快速准确的提取出稳定的特征用于图像配准,并且获得低错误率和高效率的结果有着理论的意义和实际的应用价值。本文主要研究图像的特征提取算法,分析不同特征检测的效率,获得鲁棒性高的特征并将其应用于场景图像配准进而分析算法性能,完成的研究内容和主要工作如下:(1)研究了在图像处理中提取图像特征的基本理论,图像特征主要分为全局特征和局部特征两大类。分别研究这两类的典型特征,并分析图像特征性能评价的基本准则,主要包含特征特性、特征检测数量、特征重复率和运行效率。(2)在图像特征理论研究基础上,进行图像配准的理论介绍,主要包括图像配准常用方法分类和基本要素。同时,深入研究了SIFT、SURF、FREAK和AKAZE的算法原理,并通过实验结合特征评价准则对比得到直观的结果,表明了各种特征提取算法的优缺点。(3)通过比较图像特征提取算法,提出了一种基于AKAZE和FREAK特征相结合的图像配准算法,将其应用于单个变化的场景图像配准,并且把该种算法和经典特征提取算法在抗噪能力、旋转不变性和尺度不变性方面作对比。针对视角变化较大且影响因素较多的图像,提出了一种基于AKAZE特征提取的算法,运用到图像配准中,通过与经典算法对比配准的正确率、精度和运行时间来展示算法效果。(4)根据编程环境和语言,完成了图像处理算法平台的搭建和特征检测效率分析模块大部分算法的代码实现与移植,建立并测试了性能评估系统。
（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。
场景配准论文参考文献
[1].韦顺军,唐欣欣,张晓玲.基于DFT模型的大场景InSAR图像配准[J].遥感学报.2019
[2].杨佳晴.基于场景配准的图像特征提取算法研究[D].电子科技大学.2019
[3].李玮.室内场景图像特征点检测和点云配准算法研究[D].东北林业大学.2019
[4].赵凯,朱愿,王任栋.基于改进NDT算法的城市场景叁维点云配准[J].军事交通学院学报.2019
[5].许越,徐之海,冯华君,李奇,陈跃庭.双场景类型遥感图像的配准拼接优化[J].浙江大学学报(工学版).2019
[6].王鹏.城市建筑物场景点云配准算法研究[D].成都理工大学.2018
[7].赵新灿,展鹏磊,吴飞,张大伟.基于领域知识的3维动态场景目标识别和配准[J].机器人.2018
[8].展鹏磊.基于领域知识的叁维动态场景目标识别和配准[D].郑州大学.2018
[9].周杏芳,刘修扬.铁路场景下的红外与可见光图像自动配准算法[J].电子测量技术.2018
[10].王任栋,徐友春,齐尧,韩栋斌,李华.一种鲁棒的城市复杂动态场景点云配准方法[J].机器人.2018
论文知识图
