图像配准算法的研究及Matlab实现开题报告

1. 研究目的与意义（文献综述）

图像配准是八十年代以来发展迅速的图像处理技术之一，它是模式识别，自动导航，医学诊断，计算机视觉，遥感图像处理的重要组成部分。图像配准是图像处理应用方面的一个基础问题，用于将不同传感器、不同视角、不同时间或不同拍摄条件下获取的同一场景的两幅或者多幅图像进行对准、叠加，通过对图像的精确配准，将能更好的进行图像信息融合，目标定位，变化检测，高分辨率图像的重建等后续处理工作，可以认为它处理结果的好坏将直接影响后续工作的质量。

图像配准最早在美国七十年代从事的飞行器辅助导航系统、武器投射系统的

末制导以及寻的等应用研究中提出，并且得到军方的大力支持与赞助。经过长达

2. 研究的基本内容与方案

配准算法大体分为三类，分别为基于灰度信息法、基于变换域法，和基于特征法，基于特征法通过提取图像中容易提取的特征，再将两幅待配准图像中的特征进行匹配，去除未配对的特征，利用匹配特征坐标联立方程组，解出变换参数。基于图像特征的配准方法由于提取了图像本质的、抽象的高层次特征，所以大大降低了图像配准的特征量，另外，抽象的特征点特征相对统计的灰度特征降低了噪声的干扰，对亮度变化、图像伸缩和旋转等也有较好的适应性，基于图像特征的配准方式也得到了越来越广泛的应用，所以本次设计拟采用基于图像特征配准方法。

基于特征法图像配准系统主要由图像预处理、特征提取、特征匹配三个部分构成，对于图像配准问题而言，采用图像预处理技术可以使处理后图像更能突出配准所需要的图像信息，主要集中在图像增强和图像降噪两个部分；特征提取是依照特定图像特征的描述，如图像灰度、角点和轮廓等特征，搜索出图像中满足实验要求的检验特征的像素的过程，特征提取算法按照提取内容不同可以分为大轮廓特征提取和局部细节特征点特征提取；特征匹配即利用各种基于数学的量化方法对提取的特征点进行配对。ScaleInvariantFeatureTransform(SIFT,尺度不变特性变换)是一种关键点特征的提取方法，由于SIFT对图像的尺度变化、旋转光照的变化和图像变形都具有较好的适应性，且具有较高的匹配精度，改善了传统图像配准中的许多问题，因此，SIFT算法是图像特征提取和特征匹配的重要实现方法之一，本次设计也准备采用SIFT算法进行图像配准。下一步的工作就是仔细研究SIFT算法在MATLAB平台上编写程序利用MATLAB提供的图像处理工具箱IPT(ImageProcessingToolbox)进行图像配准。

3. 研究计划与安排

第1－3周：查阅相关文献资料，明确研究内容，了解研究所需相关知识与方案

要求。确定方案，完成开题报告。

第4－8周：深入学习图像配准算法相关知识。

4. 参考文献（12篇以上）

[1].赵明等.基于双向邻域过滤策略的图形匹配类遥感图像配准算法[j].红外与毫米波学报，2014，33（1）:78-83.

[2].goshtasbyaa.2dand3dimageregistration:formedical,remotesensingandindustrialapplications[m].newjersey，johnwileysonsinc2005.

[3].张德丰，杨文茵.matlab工程应用仿真[m].清华大学出版社，2012.