大家好，欢迎来到精品学习网，小编今天为大家带来研究生学位论文开题报告范文，希望大家喜欢!

一.选题依据

1.阐述该选题的研究意义，分析该研究课题国内外研究的概况和发展趋势。

(1)研究意义图像配准是指对不同条件下得到的包含有同一场景(或物体)的两幅或多幅图像进行匹配、建立它们之间的联系的过程，是数字图像处理中的一个基本问题。图像配准最早应用于提高导弹命中精度的研究中，随着图像技术的发展，八十年代以来，配准技术广泛应用于卫星遥感、模式识别、医学诊断、计算机视觉、图像超分辨率等领域。图像配准也是科研领域中的重要研究热点之一【1】。

(2)国内外研究的的概况当前图像配准方法的研究大致可以分成三大类：基于图像灰度的配准方法、基于图像特征的配准方法和基于变换域的图像配准【9】。灰度配准的基本思想是以统计的观点将图像看成是二维信号，采用统计相关的方法寻找信号间的相关匹配。利用两个信号的相关函数，评价它们的相似性以确定相同点。这是最早提出的图像配准方法。一般采用灰度差的平方和(sum of squared of different,SSD)作为图像之间重叠区域内相似性函数，能量差平方和越小说明这些初始匹配点越匹配。直接利用图像的灰度值进行匹配，计算空间变换参数，理论上理解容易，较易实现，但同时也存在计算量大、鲁棒性差、适用范围窄等缺点。基于特征的图像配准方法是指通过分别提取两个或多个图像的特征(点、线、面等特征)，对特征进行参数描述，然后运用所得到的参数来进行匹配的一种算法。基于特征的配准所处理的图像一般包含的特征有颜色特征、纹理特征、形状特征、空间位置特征等。

基于图像特征的配准方法大大减少了配准过程的计算量;同时，由于特征点的配准度量值对位置的变化比较敏感，可以大大提高配准的精确程度;而且，特征点的提取过程可以减少噪声的影响，对灰度变化，图像形变以及遮挡等都有较好的适应能力。所以基于图像特征的配准在实际中的应用越来越广泛。基于变换域的配准方法中最主要的变换域方式就是傅氏变换。图像的旋转、平移和比例变换都能在傅里叶变换频域中反映出来，而且使用频域方法的好处是对噪声干扰有一定的抵抗能力，同时傅里叶变换可以采用 FFT 的方法提高执行的速度。另外，傅里叶变换由于有成熟的快速算法和易于硬件实现的条件，成为是图像配准中常用的方法之一。这一方法受限于傅里叶变换的不变性质，只适用于在傅里叶变换中有相应定义形式(如旋转、平移等)的图像转换，一般应用于仿射转换的图像配准中，而对于图像转换形式较复杂的情况却无能为力。此时一般使用基于图像特征的方法来解决这类问题。在基于特征点的配准方法中，英属哥伦比亚大学的学者 David G. Lowe 于 2004 年提出的 SIFT 算法【2】得到了这个领域的研究人员的极大关注，到 2011 年 6 月，提出 SIFT 算法的这篇论文已被引用达四千五百多次。

SIFT 算法所提取的 SIFT 特征对旋转、尺度缩放、亮度变化能保持不变性，对仿射变换、视角变化和噪声也具有一定程度的稳定性，因而得到了广泛的研究和应用。同时，针对 SIFT 算法在适用范围、配准速度、配准精度等方面的不足，研究人员对其进行了大量的改进。其中，Yan Ke 于 2004 年在其文章中对 SIFT 特征描述子进行了降维操作，提出了 PCA-SIFT 算法;Mikolajczyk 和 Schmid 通过对比 SIFT，PCA-SIFT，Hessian-Laplace，Hessian-Affine 等数种特征描述子之后指出，SIFT 仍是当时最为有效的特征检测算子，并且于 2005 年提出改进算法 GLOH 算法【3】;Bay 在 2006 年对 SIFT 算法的运算速度进行研究，提出速度更快和鲁棒性更好的 SURF 算法【5】;J.M. Morel 和 G. Yu 于 2009 年提出的 ASIFT 算法【4】在 SIFT 算法的基础上进行改进，提取的特征实现了全仿射变换不变性，适用范围更广，特征点重复率更高，配准性能更好，得到了相关学者的广泛关注。

(3)发展趋势随着研究的深入和数字图像技术的发展，各种应用对图像配准的要求越来越高。进一步提高图像配准的速度、精度和适用范围是研究的热点和难点问题【8】。

2.国内外主要参考文献(列出作者、论文名称、期刊名称、出版年月)。

[1] Barbara Zitova, Jan Flusser. Image registration methods: a survey[J]. Image and Vis ion Computing.21 (2003)977-1000.

[2] D.G Lowe. Distinctive image features from scale-invariant key points[J]. International Journal of ComputerVis ion.60(2):91–110, 2004.

[3] K. Mikolajczyk and C. Schmid. A Performance Evaluation of Local Des criptors[J]. IEEE Transactions onPattern Analysis And Machine Intelligence,VOL.27,NO.10(2005)1615–1630.

[4] J.M. Morel and G. Yu. ASIFT: A New Framework for Fully Affine Invariant Image Comparison[J]. SIAMJournal on Imaging Sciences.2(2)(2009)438-469.

[5] Herbert Bay, Andreas Ess, http://www.51lunwen.com/yanjiusengkait/ Tinne Tuytelaars, Luc Van Gool. Speeded-Up Robust Features(SURF)[J]. ComputerVis ion and Image Understanding 110(2008) 346-359.

[6] W. Aguilar, Y. Frauel, F. Escolano, M. E. Martinez-Perez, A. Espinosa-Romero, and M. A. Lozano.A robustGraph Transformation Matching for non-rigid registration[J]. Image and Vis ion Computing,.vol. 27(2009)897-910.

[7] Luo Juan , Oubong Gwun.A Comparison of SIFT, PCA-SIFT and SURF[J]. International Journal of ImageProcessing. 2009, 3(4): 143-152.

[8] Szeliski R. I

小编为您准备的研究生学位论文开题报告范文，希望可以帮到您！

相关推荐：

关于网络教学的设计研究开题报告