[交通运输]基于Harris和QGA的航空遥感图像配准张博.pptVIP

传感器技术、航空航天技术、光学技术以及通讯技术快速发展，遥感技术已经进入一个能够动态、快速、准确提供多种对地观测数据的新阶段； 遥感技术在环境监测、国土资源勘探、军事侦察以及考古等许多领域中发挥着越来越重要的作用，因而航空遥感图像的配准也就日显重要； 飞行高度以及摄像设备等各种因素的限制，在研究区域较大时，需要多幅遥感图像才能覆盖的情况，这需要将覆盖研究区域的那些数字图像进行拼接，便于进行统一的处理、解译、研究和分析工作。 本文采用模糊实时控制对旋转角度优化规则模糊化，及时、 自适应地调整旋转角的大小。选取的输入量如下： (3.9) 其中 、 为每代群体的最大、最小适应度值， 为每代群体 中的平均适应值。旋转角为输出量。本文采用单输入单输出的模 糊控制。解模糊化的过程选取重心法。 (4) 量子交叉操作 一方面进行种群内部整个信息交流，另一方面尽可能保留相 对较好基因块。交叉后代 的第 i 行第1对几率幅值为 (3.10) 第 i 行第2对几率幅值为 (3.11) 第 i 行最后一对几率幅值为 (3.12) 若 Nn 就直接向前循环。对于交叉后代的第 i 行第1对几率幅值 为 (3.13) 重复该操作，直到取得N 个交叉后代为止。 (5) 量子变异操作 以一定的概率 从种群中选取若干个体，并对选中的个体按 确定的概率确定一个或多个变异位，对选中的变异位的量子比特 执行量子非门操作。 对于每个评测、变异修复值，提取出角点匹配排列并且计算 它的互相关度。然后从其中最大的 三个相关度中选取3个染色体 再在其它染色体中任意选取一个，形成新的种群，并且得到一个 最优解。整个过程重复进行，直到达到终止条件，得到满意解。 本文主要结论： 通过对相邻时刻两幅图像划分粗细网格进行Harris角点提取 提取结果均匀分布，即保证了信息量丰富区域图像配准精度，又 保证了匮乏区域配准的精确度，同时大幅提高了配准的效率。 QGA运用于角点匹配的寻优过程，在小的种群的初始条件 下，达到比CGA性能更优的结果，仿真验证了本文算法的可行性 与有效性。 展望 通过改变量子比特编码形式减少存储量，提高更新速度； 如何在处理大幅图像时改进量子遗传算法。 Northeastern University Nov 12, 2008 航空遥感图像配准实验 图4.1 航空遥感图像 图 a 图 b 图a为参考图像,小为 像素素，图b 为待配准大小 像素。对两幅图像依据重叠 区域进行剪切，图 a 右下部分 像素；图b取左上部分 为 像素。分别对剪切图像进行粗细网格划分，运行并行角点提取算法。 图4.2 角点检测结果图 图 c 图 d 图4.3 QGA匹配过程适应度变化情况 图4.4 航空遥感图像的配准结果 Northeastern University Nov 12, 2008 结论与展望 Northeastern University Nov 12, 2008 衷心感谢我的导师井元伟教授 感谢参加答辩的各位专家与同学 基于Harris和QGA的航空 遥感图像配准 答 辩 人：张 博 指导教师：井元伟 教授 绪论 第二部分：章节名称 航空遥感图像配准实验 Northeastern University Nov 12, 2008 Harris角点自动提取并行算法 基于QGA的特征点匹配 结论与展望 Northeastern University Nov 12, 2008 绪论 课题的研究背景及意义 Northeastern University Nov 12, 2008 定义：对取自不同时间、不同传感器或不同视角的同一