论文部分内容阅读
图像配准在图像处理中具有重要的应用。近年来随着图像处理技术的发展图像配准得到了广泛的应用。图像配准主要分为两个分支，分别为基于灰度的图像配准和基于特征的图像配准。这两种配准技术在纵向追踪，医学中的疾病的诊断，图像的全景拼接，卫星图像的处理以及智能机器中都有很好的应用。图像配准旨在计算两幅图像或者多幅图像对应位置在空间坐标的一致性，图像配准还可以叫做空间正则化、图像对齐。图像配准模型的建立以及相应的最优化处理方式的多样性，使得研究人员对图像配准的研究的方法层出不穷。正是这样，使得配准技术的研究变得重要。图像配准的过程可以将其看作是机器学习中神经网络的学习过程。基于这样的想法，我们将极限学习机与著名的Demons算法结合实现图像配准的创新研究。主要研究成果如下： 提出一种基于极限学习机与Demons算法结合的新的图像配准方法。该方法在配准过程中由学习机获取配准信息实现对Demons算法的改进。 研究了遥感影像的配准方法，把极限学习机技术与配准方法结合提出一种应用于遥感图像配准的新方法。 所提出方法的优点在于图像配准过程不完全依赖于图像的梯度信息，从而很好的避开了点周围间的互相干扰。实验证明所提出算法有效可行。