| 姓名 |
謝皖青(Wan-Ching Hsieh)
查詢紙本館藏 |
畢業系所 |
通訊工程學系在職專班 |
| 論文名稱 |
運用SIFT特徵進行光學影像目標識別
(Using Scale Invariant Feature Transform for Target Identification in High Resolution Optical Image)
|
| 相關論文 | |
| 檔案 |
 [Endnote RIS 格式]
[Bibtex 格式]
 [相關文章]  [文章引用]  [完整記錄]  [館藏目錄]  至系統瀏覽論文 ( 永不開放)
|
| 摘要(中) |
隨著衛星影像解析度的提昇，使我們在衛星影像上可看到的資訊及物體愈來愈多也更加豐富，運用也更廣；世界各國及學術研究機構均積極研發，各國廠商也參與研究搶食這塊大餅，創造許多影像處理技術，但衛星影像拍攝後需要經過一些修正及加值處理，這樣影像產品才能運用的更廣。
衛星影像因拍攝時間、角度及衛星感測器的不同，導致影像會有尺度大小不一、旋轉角度不同及偏移等現象，如何識別影像中的物體，物體特徵萃取技術也顯的更重要了；本文主要運用SIFT特徵運算法來匹配不同感測器、偵照日期及角度之衛星影像，進一步達到影像自動匹配，結果顯示SIFT特徵可以有效解決不同時期、不同感測器衛星影像間之匹配問題。
|
| 摘要(英) |
With finer resolution of satellite imagery, people can extract abundant information and develop more applications from it. Nowadays, research institutes and commercial imagery companies all over the world work intensively to develop many image processing techniques. However, satellite imagery still requires correction and value-added processing for further utilization and applications.
Because of the difference for imagery collection time, angle and sensors, images at the same location still have different scale, rotation and translation. In such case, feature extraction is the key technique for target identification in different images. In the thesis, we try to use Scale Invariant Feature Transform（SIFT）to extract features and match them in images with different collection conditions. The result shows that SIFT is capable of extracting stable features, and many of them are matched even the images have different scale and distortion.
|
| 關鍵字(中) |
★ 尺度不變特徵轉換
★ 全色態
★ 多光譜
★ 高斯差異 |
關鍵字(英) |
★ SIFT
★ Pan
★ MS
★ DoG |
| 論文目次 |
摘 要 i
誌 謝 iii
目 錄 iv
圖目錄 vii
表目錄 ix
第一章 緒論 1
1-1研究動機 1
1-2研究目的與範圍 2
1-3研究步驟 4
1-4論文架構 5
第二章 衛星的文獻資料 6
2-1衛星介紹 6
2-1-1衛星種類 6
2-1-1-1地球同步衛星 6
2-1-1-2太陽同步衛星 6
2-1-1-3被動式衛星 7
2-1-1-4主動式衛星 7
2-2 IKONOS-2光學衛星介紹 8
2-2-1 IKONOS-2光學衛星影像產品等級 10
2-3 QuickBird光學衛星介紹 12
2-3-1 QuickBird光學衛星影像產品等級 14
第三章 影像匹配方法 16
3-1 影像匹配介紹 16
3-2摩拉維亞（Moravec）特徵萃取 17
3-3哈里斯角落（Harris Corner）特徵萃取 19
3-4 SIFT尺度不變的特徵轉換 21
3-4-1影像尺度空間建立 22
3-4-1-1 DoG 過濾器處理方法的定義 23
3-4-2影像特徵點選取 27
3-4-3刪除不明確的特徵點 28
3-4-3-1刪除對比較低的特徵點 28
3-4-3-2刪除邊緣的特徵點 29
3-4-4特徵點梯度方向計算 30
3-4-5特徵萃取 32
第四章 成果與驗證 33
4-1實驗資料 33
4-2實驗與成果及驗證 34
4-2-1同張影像尺度不同及旋轉後之影像匹配 34
4-2-1-1影像尺度空間建立 35
4-2-1-2影像特徵點萃取 41
4-2-1-3影像匹配結果 43
4-2-2不同感測器之影像匹配 44
4-2-2-1影像尺度空間建立 45
4-2-2-2影像特徵點萃取 51
4-2-2-3影像匹配結果 53
4-3實驗結果分析 54
第五章 結論 55
5-1 研究結果 55
5-2 未來研究方向 56
參考文獻 57
|
| 參考文獻 |
【1】曾忠一，「大氣衛星遙測學」，1998。
【2】潘國樑，「遙測學大綱」，2006。
【3】維基百科全書網站（http://zh.wikipedia.org）。
【4】國立中央大學太空及遙測研究中心（http://www.csrsr.ncu.edu.tw）。
【5】遙測資訊網(http://www.remotesensing.com.tw)
【6】美國Geoeye公司網站（http：//www.geoeye.com）。
【7】美國Digital Globe公司網站（http://www.digital. globe.com）。
【8】H.P.Moravec,Visual mapping by a robot rover,International Joint Conference on Artificicial Intelligence（1979）,598-600
【9】C. Harris and M. J. Stephens, A combined corner and
edge detector, In Alvey Vision Conference (1988), 147–152.
【10】Distinctive image features from scale-invariant keypoints, International Journal of Computer Vision 60(2004), no. 2, 91–110.
【11】 Demo software: Sift keypoint detector, Website, 2005,
http://www.cs.ubc.ca/˜lowe/keypoints/.
【12】D. G. Lowe, Object recognition from local scaleinvariant features,
In Inernational Conference on Computer Vision (1999), 1150–1157.
【13】T. Tuytelaars and L. Van Gool, Wide baseline stereo based on local, affinely invariant regions, British Machine Vision Conference (2000), 412–422.
【14】J. Matas, P. Bilek, and O. Chum, Rotational invariants for wide-baseline stereo, Research Report of CMP (2003), 1.
【15】H. Ling and D. Jacobs, Deformation invariant image Matching, IEEE International Conference on Computer Vision 2 (2005), 1466–1473.
【16】P. J. Burt and E. H. Adelson, The laplacian pyramid as a compact image code, IEEE Transactions on Communications COM-31 (1983), no. 4, 532–540.
|
| 指導教授 |
蔡木金、林嘉慶
(Mu-King Tsay、Jia-Chin Lin)
|
審核日期 |
2009-12-14 |
| 推文 |
 facebook  plurk  twitter  funp  google  live  udn  HD  myshare  reddit  netvibes  friend  youpush  delicious  baidu
|
| 網路書籤 |
 Google bookmarks  del.icio.us  hemidemi myshare
|
