【正文】 一通道。實際上，該形狀提供了對象的某些類不是本機的外觀的詳細信息，因為在極端的光照條件下形狀是不變的。提出了先進的目標檢測的結(jié)果 優(yōu)于以外觀為基礎(chǔ)的方法 [8][10]。然而 ,所有這些方法隱式需要穩(wěn)定和連接邊緣在圖像底層表示 ,這通常打破 ,淹沒在大量的雜物在遙感圖像中。貢獻有三個方面。第二，線段的輪廓，而不是提取的邊緣，而是結(jié)合相似 度計算用于識別該有意義的目標區(qū)域。第三，在我們的模型中，空間關(guān)系的函數(shù)用來代表不同的圖像塊，可以幫助實現(xiàn)準確的檢測結(jié)果。該問題可以分解為三個階段。其結(jié)果是一組圖像塊。最后，每一個圖像的輪廓與目標模板的相似性是通過動態(tài)規(guī)劃計算和類似件被拾取作為目標種子的區(qū)域。這些階 段被示于圖 1，以下各節(jié)描述了該算法的細節(jié)。 第一步的目的是獲得圖像的足夠的候選區(qū)域，這獲得正確的目標種子區(qū)域的機會很高。規(guī)范化削減框架 [13]用于產(chǎn)生候選區(qū)域，因為它的目的是找到具有機會成為目標的大段全局分割以產(chǎn)生多個分割，我們改變分割算法的一個關(guān)鍵參數(shù)，段的數(shù)目。 ? 和 ? 是該段的系數(shù) （ ??? 是指單一分割和 ??? 表示的多個分割）。 本科畢業(yè)設(shè)計論文 3 圖 2 圖像及其 , ?? ?? 多個細分采樣 ， 所選擇的圖像塊用不同顏色顯示 。形狀描述符在翻譯、規(guī)模、旋轉(zhuǎn) ,和輕微的形狀變化 [14]中 將健壯且具有不變性特性。 SC 的想法最早由 Belongie 等 [15]提出。通過從輪廓進行采樣的一定邊緣點序列 }21,{ nipi ??、? 給定一定片段 P ， 在 ip 處， SC被定義為一個直方圖 H1的相對坐標的 1?n 個點。它需要 )( 2nO 時間去計算直方圖 N 個采樣點。 本科畢業(yè)設(shè)計論文 4 圖 3 例如以 12,5 ?? TS 的 SC 。最后一行顯示的 SC 。 形成對于每個描述符段輪廓后，我們的目標是搜索類似的片段作為目標種子區(qū)域。 Belongie 等人所用的框架組合 SC 和薄板樣條 [15]，并表明它對于形狀匹配的任務(wù)是非常有效的。我們的方 法包括通過假定輪廓點是有序的，并使用動態(tài)編程在輪廓采樣點相匹配的 SC 類似的約束。兩個點的相似度定義為他們描述符之間的距離。 )(KHp 和 )(KHq 分別是歸一化的形狀描述符的點p 和 q 。模板動態(tài)規(guī)劃之間的相似性，以及動態(tài)規(guī)劃表等于匹配成本矩陣區(qū)（ P ， Q ）。在實踐中，我們每個輪廓在使用 100點。 三 數(shù)值模擬分析空間關(guān)系 在圖像進行分割后，并在目標區(qū)域的種子確定后，在我們的方法中的下一步驟是空間關(guān)系的建模。根據(jù) 他們的相對位置，對應(yīng)類會員是用 c? 和 c∈ {Dis,Bor, Int, Sur}分離 ,接壤 ,交叉 ,分別和包圍。在視覺領(lǐng)域 [19]語法，對區(qū)域的空間關(guān)系被定義為關(guān)系類，和 c? 表示的程度的值 區(qū)域?qū)?jīng)典。一對地區(qū)，我們首先計算以下 : 1） 每個區(qū)域 i? 和 j? 領(lǐng)域 2） 兩個地區(qū)之間的公共區(qū)域 ij? 計算為共享像素的兩個地區(qū)之間的數(shù)字 3） 常見的面積與最小面積比 ),m in (/ jiijij ???? ? . ? ?nji ,1, ?? ,n 是區(qū)域的圖像中的數(shù)量。該功能和特定實例示于圖 5。然后，目標種子區(qū)域被確定與目標的參考模型相匹配的候選區(qū)域。 因為有缺乏空間上下文信息利用和背景干擾 ,種子區(qū)域塊通常不是整體目標和對象的某些部分，表示提取的目標缺失的部分是在第三部分圖像空間關(guān)系的描述。 在漏件的提取過程中，我們通過一個標準函數(shù)選擇缺少的部分 ??? ?? s （ 9） 其中 ? 是根據(jù)空間關(guān)系的重量， s 是形狀相似，而 ? 表示閾值。正值表示該塊是目標缺少的一部分。 假定 S 表示目標區(qū)域的種子和 R 表示的一組圖像塊。 1） 搜索步驟：修復(fù)閾值 ? ，和搜索圖像塊按照標準函數(shù) R。提取圖像 rtaeget，其反應(yīng)是積極的。 本科畢業(yè)設(shè)計論文 7 2） 更新步驟：修正屬于該對象的圖像塊，它們組合在一起形成新的種子區(qū)域 S=S∪ rtarget 和 R=R?rtarget，并更新閾值 。這個目標塊選擇過程可以被證明收斂到局部最大輪廓的相似性 . 五 結(jié)果及評價 由于缺乏對高分辨率遙感影像的目標檢測標準數(shù)據(jù)集，我們評估 QuickBird衛(wèi)星影像的飛機探測所提出的方法。這些圖像包含既具有良好的對比度和雜亂的圖像的圖像，以及部分遮擋目標圖像。 為了定量的評價，讓面積（區(qū)域）是一個區(qū)域的面積 。 我們評估采用該方法對飛機的輪廓匹配的性能。對于不同類型的飛行器的輪廓，該輪廓結(jié)果有較大的差異，以及匹配變得更具挑戰(zhàn)性。 圖 6 飛機的輪廓匹配 （ a） 相似輪廓的匹配 (b) 不同的輪廓之間的匹配。只有四分之一的配對都顯示為例證 圖 7表示出了如何檢測性能可以通過添加空間關(guān)系得到改善。缺少的部件，如機翼和尾部可以 使用 CBS 的模型來獲得。據(jù)觀察，我們的方法可以與旋轉(zhuǎn)的目標，通過復(fù)雜的背景包圍的目標，部分閉塞的目標，并且存在于圖像多目標處理。在第二和第四行是所檢測的結(jié)果 為了評估 CBS 模型的可擴展性，當多個分割的 參數(shù)有所不同，我們比較了該方法的檢測性能，當 α和 β的值會有所不同。結(jié)果歸納在表 I 中如可以看到的那樣， SC 顯著優(yōu)于矩不變量 [20]。 該檢測試驗是為了憑經(jīng)驗確定輪廓的采樣數(shù)的效果也重復(fù)進行不同的設(shè)置。同時，在原則上，密集的取樣應(yīng)給予更高的準確度，動態(tài)規(guī)劃的計算成本與輪廓的采樣數(shù)的平方成正比，因此更精細的采樣過于緩慢。 本科畢業(yè)設(shè)計論文 10 圖 9 檢測不同數(shù)量的采樣輪廓點時性能 一百點已被證明是足夠準確地代表了所有測試的輪廓，而較小的數(shù)目來執(zhí)行顯著惡化。 為了說明目標檢測空間關(guān)系對目標檢測的影響，我們還在有和不具有空間環(huán)境時測試了我們的方法。 本科畢業(yè)設(shè)計論文 11 圖 10 使用和不使用的空間環(huán)境檢測性能 六 總結(jié) 在這篇文章中，哥倫比亞廣播公司（ CBS）的模式已經(jīng)被提出來解決檢 測目前在地理空間目標中高分辨率遙感圖像準確性和自動性的問題。根據(jù)他們的相似的外形，種子區(qū)域被確定。我們用動態(tài)規(guī)劃效率來計算形狀的相似性，因為它利用輪廓點之間的訂購信息。 該方法的主要限制是它不能處理用極端的視點改變（盡管它有一定的魯棒性）。 CBS 的模式是一個捕捉目標的全球性特征的全球性的形狀模型。一種同時考慮全局和局部形狀特征改進的形狀模型應(yīng)該是我們今后的工作。如今，在航空方面，計算機視覺技術(shù)也得到了廣泛使用。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。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。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。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。 （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。 （ 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。 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?；邳c特征的多源遙感圖像配準技術(shù)。紅外與可見光圖像配準研究現(xiàn)狀與展望?；诟倪M角點特征的多傳感器圖像配準。 2. 論文的難度 : □ 偏高；□ 適當；□ 偏低。 4. 進度 : □ 可行；□ 不可行； 5. 學(xué)生開題報告中反映出的綜合能力和表達能力 : □ 好； □ 較好；一般；□ 較差。 （在相應(yīng)的方塊內(nèi)作記號“√”） 組長簽名： 評議結(jié)論 是否同意論文選題報告：□ 同意；□ 需重做 （在相應(yīng)的方塊內(nèi)作記號“√”） 評議小組組長簽名： 年 月 日 學(xué)院意見 教學(xué)副院長： 年 月 日 備注： 本科生畢業(yè)設(shè)計論文開題報告要求 1. 本科生選題報告內(nèi)容應(yīng)包括：選題目的與背景、主要研究內(nèi)容和方案、預(yù)期達到的目標。 3. 學(xué)生在規(guī)定的時間內(nèi)，寫出選題報告初稿，經(jīng)指導(dǎo)教師審閱同 意后，由各專業(yè)安排開題報告時間；開題學(xué)生自述 5 分鐘，提問 510 分鐘。 4. 開題報告必須按期完成；如有問題應(yīng)及時向所在專業(yè)或?qū)熖岢觥? 本科畢業(yè)設(shè)計論文 本科畢業(yè)設(shè)計論文 摘 要 在數(shù)字圖像處理領(lǐng)域，同源圖像之間的配準技術(shù)已經(jīng)得到了非常完善的發(fā)展，而作為非同源圖像的紅外與可將光圖像的配準技術(shù)還在一個高速發(fā)展的階段。圖像配準包括一下幾個重要部分：特征點尋找、特征點匹配、圖像配準。本文將針對紅外與可見光圖像這一類非同源圖像的配準問題進行方法研究，并在此基礎(chǔ)上完成紅外與可見光圖像的配準工作。 對圖像配準的基本理論及國內(nèi)外現(xiàn)有的一般方法進行了深入學(xué)習(xí)研究，總結(jié)對比其各自的特點，最后選擇并實現(xiàn)基于圖像特征匹配的配準方法。 對基于點特征提取的 ORB圖像方法進行了深入學(xué)習(xí)，并采用簡單的仿射變換來實現(xiàn)兩幅圖像位置關(guān)系的確定和配準。 仿真結(jié)果表明， 本文采用和實現(xiàn)的基于圖像特征的配準方法較好的找到了特征點，并實現(xiàn)了圖像配準。 本科畢業(yè)設(shè)計論文 II 本科畢業(yè)設(shè)計論文 III ABSTRACT In the field of digital image processing,homologous image registration techniques have been very well developed,but the nonhomologous image between infrared and optical registration techniques ate still in a highspeed development stage. In daily life,infrared image began to get more registration includes several important parts including a feature point search,feature point matching,image registration. In the present method of image registration,image feature extraction methods for homologous have the characteristics such as:a high speed, high registration accuracy and the algorithm are the method we paper will be studied for the registration problem between infrared and visible images and plete infrared and visible image registration work on this basis. The main work of this p