基于深度学习的图像匹配及融合算法研究

发布时间：2024-03-17 18:25

　　图像匹配和融合是图像处理中的重要研究内容,它们通过综合多幅图像,可以获得信息更丰富的图像。深度学习在许多领域得到了广泛应用,并取得了极大成功,尤其是在图像处理领域。本文研究了基于深度学习的图像匹配和融合算法。文中对图像匹配和图像融合的理论基础,以及卷积神经网络和反卷积网络的理论基础做了介绍;针对特征点匹配的正确率较低的问题,对一种基于卷积神经网络的图像匹配算法进行了改进;提出了一种新的基于反卷积网络的图像融合算法。本文的主要内容如下:提出了一种改进的基于卷积神经网络的图像匹配算法。算法首先训练一个卷积神经网络,然后用它来获取图像特征点的特征描述符,最后应用特征描述符实现基于特征的图像匹配。算法在对卷积神经网络进行训练时,直接从需要匹配的图像中提取样本种子,并且采用了尺寸较小的样本种子。实验结果表明,本文改进后的基于卷积神经网络的图像匹配算法,相比于原方法,提升了图像特征点匹配的正确率,更利于图像的匹配。提出了一种基于反卷积网络的图像融合算法。算法首先训练一个反卷积网络,然后将待融合图像分别输入训练好的网络,推断得到它们的特征图,接着设计融合规则对特征图进行融合,得到融合后的特征图,最后...

【文章页数】：99 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
    1.1 课题研究背景和意义
    1.2 国内外研究现状
    1.3 本文主要工作内容及章节安排
第二章 图像匹配及图像融合理论基础
    2.1 基于特征的图像匹配方法
        2.1.1 基本流程
        2.1.2 图像特征提取
        2.1.3 图像特征匹配及关联
        2.1.4 变换模型参数求解
        2.1.5 图像插值与变换
        2.1.6 图像匹配方法的评价
    2.2 变换域图像融合方法
        2.2.1 概述
        2.2.2 基于多尺度变换的图像融合方法
        2.2.3 基于稀疏表示的图像融合方法
        2.2.4 图像融合规则
        2.2.5 图像融合方法的评价
    2.3 本章小结
第三章 卷积神经网络和反卷积网络理论基础
    3.1 卷积神经网络的理论基础
        3.1.1 卷积神经网络的结构
        3.1.2 卷积神经网络的训练
    3.2 反卷积网络的理论基础
        3.2.1 反卷积网络的模型结构
        3.2.2 反卷积网络的推断学习
    3.3 本章小结
第四章 基于卷积神经网络的图像匹配算法研究
    4.1 基于卷积神经网络的图像匹配算法流程
    4.2 改进的基于卷积神经网络的图像匹配算法
        4.2.1 概述
        4.2.2 特征提取
        4.2.3 样本获取
        4.2.4 网络结构与参数
        4.2.5 特征匹配与关联
    4.3 图像匹配实验及结果分析
    4.4 本章小结
第五章 基于反卷积网络的图像融合算法研究
    5.1 基于反卷积网络的图像融合算法流程
    5.2 反卷积网络的训练
    5.3 图像的分解与重构
    5.4 图像融合规则的选择
    5.5 图像融合实验及结果分析
        5.5.1 多聚焦图像融合实验
        5.5.2 医学图像融合实验
        5.5.3 遥感图像融合实验
    5.6 本章小结
第六章 总结与展望
    6.1 总结
    6.2 展望
参考文献
致谢
作者简介



本文编号：3931453