1. 毕业设计(论文)的内容和要求
使用深度学习理论中的卷积神经网络技术,并结合图像相似性和B样条设计出无监督变形图像配准框架,实现端到端的卫星图像配准。
2. 实验内容和要求
(1)传统图像配准方法现存问题的客观分析和比较研究,从而引出深度学习的概念,详细介绍其发展历史,明确本论文的研究方向和待解决的问题;
(2)研究卷积神经网络及其相关的原理和训练方法,使用b样条解决可变形图像配准问题,然后通过无监督学习方式来训练网络,将深度学习与特征相似性相结合,构建一个可以应用于图像配准任务的深度学习框架;
(3)通过实验仿真验证结果,与基于相似度和几何变换的配准算法进行了效果比较,还讨论了相关参数的变化对配准效果的影响;
3. 参考文献
[1] 张超. 基于局部特征的图像配准算法及应用研究[d]. 北京: 北京理工大学, 2015.
[2] shan s, yan w, guo x, et al. unsupervised end-to-end learning for deformable medical image registration[j]. arxiv: computer vision and pattern recognition, 2017.
[3] zhang z,bloom.a hybrid image registration technology for digital camera image fusion[j].information fusion,2000(2):135-149.
4. 毕业设计(论文)计划
1、收集资料,确定选题,撰写初稿:2022年12月21日--2020年2月25日;
2、初稿交指导教师审阅,完成中期检查:2022年2月26日--2020年4月10日;
3、在指导教师指导下修改初稿:2022年4月11日--2020年5月4日;
课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。