基于特征的光學與SAR遙感圖像配準

序
前言
第1章 緒論
1．1 研究背景及意義
1．2 遙感影像配準的國內(nèi)外研究現(xiàn)狀
1．2．1 基于灰度的配準方法
1．2．2 基于特征的配準方法
1．3 現(xiàn)有問題及發(fā)展趨勢
第2章 遙感圖像配準基本方法
2．1 圖像配準的原理
2．1．1 基本原理
2．1．2 常用的幾何變換模型
2．1．3 圖像配準方法的一般框架
2．2 典型的圖像配準方法
2．2．1 互信息法
2．2．2 交叉累積剩余熵法
2．2．3 尺度不變特征檢測與匹配算法（SIFT）
2．3 圖像配準評價準則
2．3．1 客觀評價準則
2．3．2 主觀評價標準
第3章 基于多尺度水平集的遙感圖像分割方法
3．1 水平集方法基本理論
3．2 基于多尺度CV模型的光學影像分割方法
3．2．1 基于單水平集CV模型的光學影像分割
3．2．2 基于多水平集模型的光學影像分割
3．3 基于統(tǒng)計模型的單水平集SAR影像分割方法
3．3．1 基于Gamma分布的多尺度單水平集分割模型
3．3．2 自適應的零水平集初始化方法
3．4 基于統(tǒng)計模型的非監(jiān)督多層水平集SAR影像分割方法
3．4．1 基于Gamma模型的多層水平集分割模型
3．4．2 自適應的多水平層策略
3．5 實驗結(jié)果及分析
3．5．1 單水平集SAR影像分割
3．5．2 多層水平集SAR影像分割
3．5．3 多尺度水平集模型的光學影像分割
第4章 顧及馬爾可夫隨機場的線特征提取方法
4．1 遙感圖像邊緣檢測研究現(xiàn)狀及問題
4．1．1 SAR影像邊緣特性
4．1．2 現(xiàn)有的邊緣檢測方法
4．1．3 閾值選擇方法研究
4．1．4 實驗與分析
4．2 基于貝葉斯決策和馬爾可夫隨機場的線特征優(yōu)化
4．2．1 馬爾可夫隨機場理論
4．2．2 線特征優(yōu)化的雙層馬爾可夫場模型
4．2．3 基于最小錯誤率的貝葉斯決策的線特征優(yōu)化
4．2．4 后驗能量最小化的優(yōu)化搜索算法
4．2．5 線檢測響應與方向的更新
4．2．6 實驗與分析
4．3 基于隨機Hou曲變換的直線目標提取
4．3．1 霍夫變換
4．3．2 隨機霍夫變換原理
4．3．3 利用直線方向信息的隨機霍夫變換
4．3．4 隨機霍夫變換在直線提取中的實驗與分析
第5章 逐步求精策略下的光學與SAR影像半自動配準方法
5．1 直線特征提取與匹配
5．1．1 直線段提取
5．1．2 直線交點生成
5．1．3 直線段匹配
5．2 基于HOPC-NCC相似測度的影像精配準
5．2．1 均勻分布的特征點提取
5．2．2 HOPC-NCC相似測度
5．3 實驗結(jié)果及分析
5．3．1 實驗數(shù)據(jù)
5．3．2 實驗結(jié)果與分析
第6章 光學與SAR影像分割與配準一體化方法
6．1 基于迭代反饋的水平集分割與SIFT配準方法
6．1．1 改進的SIFT算法
6．1．2 自適應參數(shù)調(diào)整與迭代策略
6．2 基于全局約束的三角網(wǎng)優(yōu)化配準方法
6．2．1 基于分割的配準方法存在的問題
6．2．2 三角網(wǎng)優(yōu)化配準方法
6．3 誤差剔除
6．4 實驗及分析
6．4．1 實驗數(shù)據(jù)
6．4．2 配準結(jié)果及與其他方法比較
6．4．3 精度分析
第7章 迭代反饋的光學與SAR影像多尺度線特征自動配準方法
7．1 自適應的參數(shù)調(diào)整與迭代策略
7．2 基于VSPM算法的光學與SAR影像配準
7．2．1 經(jīng)典的Shapiro和Brady譜圖匹配算法
7．2．2 結(jié)合Voronoi圖的譜圖匹配算法
7．3 基于KNN圖的誤差剔除
7．3．1 同名直線段判斷
7．3．2 基于KNN圖的差異點剔除
7．4 實驗與分析
7．4．1 實驗數(shù)據(jù)
7．4．2 配準結(jié)果及與其他方法的比較
第8章 基于視覺顯著特征的快速粗配準方法
8．1 基于TW-Itti視覺注意模型的顯著區(qū)域提取
8．1．1 經(jīng)典的Itti視覺注意模型
8．1．2 TW-Itti視覺注意模型
8．2 基于顯著區(qū)域特征的影像粗配準
8．2．1 顯著區(qū)域特征提取
8．2．2 基于形狀曲線的顯著區(qū)域特征配準
8．3 基于顯著結(jié)構(gòu)特征的影像粗配準
8．4 實驗結(jié)果與分析
8．4．1 實驗數(shù)據(jù)
8．4．2 顯著模型的比較
8．4．3 基于顯著區(qū)域特征影像粗配準
8．4．4 基于顯著結(jié)構(gòu)特征的影像粗配準
參考文獻