外文翻译译文一个基于视觉注意模型的由粗到精的影像配准.docVIP

一个基于视觉注意模型的由粗到精的影像配准 电子信息学校, 信息工程学院, 信息技术学院,北京科技机构，中国北京100081； 中国北方科技大学，中国北京100144； 北京联合大学，屮国北京100101 电子信息学校, 信息工程学院, 信息技术学院, 摘要 影像配准既是遥感的基础又是其重要部分。然而，让自动图像配准越来越精 确和大市场图像越来越快是一个挑战。作为围绕硏究这个问题的工作人员，我们 在这篇文章中提出了一个基于视觉注意模型的影像配准的观念，即利用基于特征 或基于区域的方法的优点来提高影像配准的精确度及其性能。此组合观念的关键 在于通过视觉注意计算原理达到全面充分运用主要的细节的目的，并通过和其他 传统方法在真实影像上的对比应用来检测它的有效性。结果表明这个方法可以在 多时点的遥感图像充分运用，并且极其精准、省吋。 关键词遥感影像配准，视觉注意，相似性度显，偏相关，由粗到精的过程 引言 影像配准是对同一场景但在不同时间、不同视角和不同传感器拍摄的两个 及其以上的的图像的重叠的过程。由于己匹准图像可以通过多数据图像提供补充 信息，因此在遥感图像分析方而被看做是非常重要的一步。而遥感图像分析又被 广泛的应用在多个领域，比如国家防御，变化监测，环境检测等等。在过去的几 年里，多角度、多时相、多触感器的影像配准的应用吸引了越来越多的研究人员 的注意。现在原型系统也可得到应用。但是由于其高精准性，好的适用性和噪声 鲁棒性在工艺现状演算法中仍是一个挑战。 影像配准方法大致可分为两类：基于特征和基于区域。基于特征的方法可以提取 匹配两对或以上的影像。因此有效的特征提取和精确地特征匹配方法在这个过程 中起到了重要的作用。基于区域的方法通过利用参考和漂浮图像之间的关联信息 进行配准这种方法被认为是样板匹配过程。基于区域的方法运用全球信息，被广 泛应用在医疗图像处理领域。虽然它耗费时间，但是它比基于特征的方法更加精 确。 相对于大范围的遥感图像配准，这种方法很难实时处理大量的图像数据。为 了获取可靠、具代表性的特点，多功能检测器需要全景分析。为了获取相似的特 质，还需要匹配然后追索匹配特质，在离群点移动中尤其需要有效相似的测量标 准。当全面的测量上述方法时，计算劳力是非常巨大的。在尺度不变特征转换的 大范围内用轮廓波转换的应用来减少计算是其解决办法。张运用了基于 KNN-TAR的离群点移动运算法则，提出了一个有前景的范例，即特征、点相匹 配的配准方法。典型的基于区域的方法的主要缺点是他们直接运用全景图片亮 度，这也增加了配准的所需要的计算时间。Pluim等提岀了用运算加速度来扩大 多角度解决概念。Ref描述了包含抽取统计相关联的地域和数据统计的增大以提 高预处理体制。这些方法都一定程度的有利于计算工作量的减少，提高配准的实 施速度。最近，在考虑到基于特征和基于地域方法的鲁棒性，调查员们试图把这 两种方法联合起来。龚等几位人员通过把SIFT和MI结合起来，提岀了由粗到 精的多感影像配准的方法，这种方法和预配准及微调过程都有一定的联系。然而, 除了它的高计算复杂性和决定点异常值的的移除，SIFT在全景上的直接应用在 计算时间上并未显示出提高。 在这篇文章中，我们受到视觉注意学习的启发，规划了这个大范围的遥感图 像配准，也就是由粗到简的方法，同时也提岀了在大方位的同源遥感图像上图像 配准模板。我们的方法需要两部，也就是显著地感兴趣区的预处理匹配和在对前 一步获取的粗处理参数的微调。相对于基于地域的方法，我们的这个方法可以鲁 棒的获取不同程度的差别，噪音，不同的照度，也能通过在典型的基于地域方法 中应用基于特征的方法加快数据的集合。这种方法就是从特征到地域，物镜到像 素，由粗到精的匹配过程。归类分配，剩下的文章详细的论述了这种方法。在第 2部分介绍了由粗到精的配准方法，在第3部分描述了算法式的展示。第4部分 是结论。 第二章提出的方法 给出参考图像R(x,y)和漂浮图像F(x,y),用配准來确定R (x,y)和F(x,y)适 合的对应关系。更准确的说，我们需要找出一份最佳的转换模板来来匹配转换的 漂浮图像，应对所有像素的从R (x,y)到最大的范围。由于感应器远离监测点， 在大范围的遥感图像配准屮运用仿射的转换模板是可行的。转换模型可以记为 TOC \o 1-5 \h \z scosd s sin 3 0 (1)T= - s sin d scosd 0 (1) Ar 1 Ft (x, y) =T{F(X,Y)} (2) 在变换矩形屮的参数变量有其特殊的几何意义。S,(l),Ax,Ay分别代表范围, 旋转角度，水平偏移和垂直偏移。我主要描述了提出的配准方法大主要步骤。这 些ROIs通过视觉注意模型从原始输入图像中提取岀来的。由于他们结构和几何 相