【文章內(nèi)容簡介】 . Leibe, A. Leonardis, and B. Schiele, “Combined object categorization and segmentation with an implicit shape model,” in Proc. ECCV, 2021, pp. 17–32. [6] H. Akcay and S. Aksoy, “Automatic detection of geospatial objects using multiple segmentations,” IEEE Geosci. Remote Sens., vol. 46, no. 7, pp. 2097–2111, Jul. 2021. [7] X. Sun, H. Wang, and K. Fu, “Automatic detection of geospatial objects using taxonomic semantics,” IEEE Geosci. Remote Sens. Lett., vol. 7, no. 1, pp. 23–27, Jan. 2021. [8] V. Ferrari, L. Fevier, F. Jurie, and C. Schmid, “Groups of adjacent contour segments for object detection,” IEEE Trans. Pattern Anal. Mach. Intell., vol. 30, no. 1, pp. 36–51, Jan. 2021. [9] J. Shotton, A. Blake, and R. Cipolla, “Multiscale categorical object recognition using contour fragments,” IEEE Trans. Pattern Anal. Mach. Intell., vol. 30, no. 7, pp. 1270–1281, Jul. 2021. [10] A. Opelt, A. Pinz, and A. Zisserman, “A boundaryfragmentmodel for object detection,” in Proc. ECCV, 2021, vol. 2, pp. 575–588. [11] D. M. Gavrila, “A Bayesian, exemplarbased approach to hierarchical shape matching,” IEEE Trans. Pattern Anal. Mach. Intell., vol. 29, no. 8, pp. 1408–1421, Aug. 2021. [12] X. Bai, Q. Li, L. J. Latecki,W. Liu, and Z. Tu, “Shape band: A deformable object detection approach,” in Proc. CVPR, 2021, pp. 1335–1342. [13] J. Shi and J. Malik, “Normalized cuts and image segmentation,” IEEE Trans. Pattern Anal. Mach. Intell., vol. 22, no. 8, pp. 888–905, Aug. 2021. [14] M. Yang, K. Kpalma, and J. Ronsin, “A survey of shape feature extraction techniques,” Pattern Recognit., pp. 43–90, Nov. 2021. [15] S. Belongie, J. Malik, and J. Puzicha, “Shape matching and object recognition using shape contexts,” IEEE Trans. Pattern Anal. Mach. Intell., vol. 24, no. 4, pp. 509–522, Apr. 2021. [16] A. Thayananthan, B. Stenger, P. H. S. Torr, and R. Cipolla, “Shape context and chamfer matching in cluttered scenes,” in Proc. CVPR, 2021, vol. 1, pp. I127–I133. [17] T. H. Cormen, C. E. Leiserson, R. L. Rivest, and C. Stein, Introduction to Algorithms, 2nd ed. Cambridge, MA: MIT Press, 2021. [18] S. Santini, Exploratory Image Databases: ContentBased Retrieval. New York: Academic Press, 2021. [19] S. Aksoy, K. Koperski, C. Tusk, G. Marchisio, and J. C. Tilton,“Learning Bayesian classifiers for scene classification with a visual grammar,” IEEE Geosci. Remote Sens., vol. 43, no. 3, pp. 581–589, Mar. 2021. [20] M. K. Hu, “Visual pattern recognition by moment invariants,” IEEE Trans. Inf. 本科畢業(yè)設(shè)計論文 13 Theory, vol. IT8, no. 2, pp. 179–187, Feb. 1962. 評閱意見： 指導(dǎo)教師（簽名）： 年 月 日 本科畢業(yè)設(shè)計論文 本科畢業(yè)設(shè)計論文 I 西北工業(yè)大學(xué)本科畢業(yè)設(shè)計（論 文）開題報告 專業(yè)： 自動化 班級： 09011006 學(xué)號 2021302197 姓名 鄭平 指導(dǎo)教師 李暉暉 報 告 題 目 紅外與可見光圖像配準 題目來源（劃 √ ） 科研 □ 生產(chǎn) □ 實驗室 □ 專題研究 □ 企業(yè)聯(lián)合 □ 論文類型（劃 √ ） 工程設(shè)計類 □ 實驗研究類 □ 軟件開發(fā)類 其 他 □ 報 告 日 期 2021 年 03 月 08 日 報告地點 一 選題目的與背景 隨著計算機技術(shù)和通信技術(shù)的飛速發(fā)展，以及信息技術(shù)和 計算機技術(shù)在生活、軍工等各個方面的廣泛使用，我們越來越離不開計算機的相關(guān)技術(shù)，控制技術(shù)也是越來越得到了廣泛認可和應(yīng)用。如今，在航空方面，計算機視覺技術(shù)也得到了廣泛使用。如今，在民航方面，計算機在飛行安全方面起到了至關(guān)重要的作用。紅外與可見光圖像配準是常見的多模態(tài)圖像配準，它廣泛應(yīng)用于軍事、遙感等領(lǐng)域，有必要對其進行更加深入的研究。國外從 20 世紀 60 年代便是開始進行了研究，而國內(nèi)卻是從 20 世紀 90 年代才開始涉足這個領(lǐng)域。紅外與可見光圖像配準是配準中比較常見的，由于紅外反映景物的輻射信息，而可見光反映的是景物的 反射信息，二者輸出圖像具有不同灰度特征，這些特征互為補充，可以融合在一起進行目標識別。 二 主要研究內(nèi)容和方案 （一）主要研究內(nèi)容 選題來源于科研項目。紅外與可見光圖像由于相關(guān)性小，缺乏一致性特征，因此配準的難度較大。針對紅外與可見光圖像配準的研究，擬采用基于特征的圖像配準算法。配準算法中核心的部分在于特征的提取和特征的匹配兩個部分。特征提取擬采用 Harris 角點或 Susan 角點檢測算法，這兩種算法穩(wěn)定性好，也適合實時性場合需要（同時也可以采用 ORB 或者 BRIEF 法）。特征匹配階段根據(jù)圖像物理 特性選擇合適的匹配測度及匹配算法。最終實現(xiàn)一種自動、快速、較高性能的配準方法。 （二）研究方案 （ 1）通過對圖像配準的了解和學(xué)習(xí)，初步了解紅外與可見光圖像配準的常用方法。 （ 2）通過對 ORB 等特征提取方法的學(xué)習(xí)，獲取可行且運行效率較高的算法對圖像進行特征提取。 （ 3）根據(jù)現(xiàn)有的一些理論方法，選擇適合我們的一些方法，構(gòu)成我們這個題目的解決方案。 （ 4）利用 OpenCV 進行程序的編寫，實現(xiàn)紅外與可見光圖像配準。 本科畢業(yè)設(shè)計論文 II 三 預(yù)期達到的目標 能夠?qū)⒓t外與可見光圖像配準在機場跑道（實際采用我們實驗室自己拍攝 的一組視頻進行處理）的應(yīng)用，希望能夠使得配準時間在 1 秒左右，精度能小于一個像素。 四 參考文獻 [1] 田偉剛。基于點特征的多源遙感圖像配準技術(shù)。西北工業(yè)大學(xué)碩士學(xué)位論文，2021 年 [2] 苑津莎，趙振兵，高強等。紅外與可見光圖像配準研究現(xiàn)狀與展望。激光與紅外， 2021， 39(7)： 693699 [3] C. Harris， M. Stephens． A bined corner and edge detector． In： Proceedings of the Fourth Alvey Vision Conference． Manchester： the University of Sheffield Printing Unit， 1988， pp147~151 [4] . Smith ， . Brady ． SUSANA 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] . Sim， . Kwon， . Park． Object matching algorithm using robust Hausdorff distance measures． IEEE Trans. on Image Process， 1999， 8(2)： 425~429 [9] 周成平，蔣煜，李玲玲等。基于改進角點特征的多傳感器圖像配準。華中科技大學(xué)學(xué)報， 2021， 33(11)： pp1~4 [10] BRIEF: Binary Robust Independent Elementary Features. Michael Calonder, Vincent Lepetit, and Pascal Fua 指導(dǎo)教師意見： 簽名： 年 月 日 本科畢業(yè)設(shè)計論文 III 開題評議小組成員： 開題評議小組意見：（包括對論文的選題、難度、進度、工作量 、論文形式意見）： 1. 論文選題 : □ 有理論意義；□ 有實用價值；□ 有理論意義與實用價值； □ 意義不大。 2. 論文的難度 : □ 偏高；□ 適當(dāng)；□ 偏低。 3. 論文的工作量 : □ 偏大；□ 適當(dāng)；□ 偏小。 4. 進度 : □ 可行；□ 不可行；