仿射不变特征提取算法在遥感影像配准中的应用

提出了一种面向影像配准应用的仿射不变特征算法。首先选取图像中拉普拉斯算子和尺度空间微分算子同时取得最大值的点为特征点,使用仿射参数模板对特征点邻域进行重采样以补偿投影变换造成的形变。随后对采样区域求取尺度不变特征变换(SIFT)构造特征矢量。在此基础上,构造相似性判据匹配特征点,通过RANSAC(random sample consensus)算法迭代消除错配生成修正的特征点集,并精确估计变换参数。利用仿真数据,测试了所提算法在仿射变换、局部遮挡、灰度对比度变化、高斯噪声等影响因素下的性能,并用异时相卫星遥感影像验证该算法的实用价值。     

基于SIFT和NCC的多源遥感影像配准方法

针对多源遥感影像的配准,提出了一种结合SIFT算法和归一化互相关（NCC）匹配算法的配准方法。该方法采用SIFT算法提取特征点并进行匹配得到一定数量的特征点对后,利用SIFT特征点的尺度和方向信息对NCC进行改进,进一步从未能匹配的特征点中获取匹配点对,经粗差滤除后得到有效的匹配特征点对,随之进行影像配准。方法结合了SIFT算法和NCC算法的优点,解决了多源遥感影像因辐射差异和几何差异造成的难以正确配准的问题。实验结果表明,算法具有较强的鲁棒性,并取得了较好的配准精度。     

结合不同光学影像结构信息的SIFT特征配准法

由不同传感器摄取的遥感影像由于成像模式、拍摄角度和分辨率不同,给两者之间的配准造成了很大的困难。针对这个问题,提出了基于结构信息的SIFT特征配准法,首先提取具有角度和尺度不变性的SIFT特征点,对其进行归一化处理,降低了不同光学传感器遥感影像色调差异大的影响;然后通过对SIFT匹配点对结构信息的一致性检验,增强了算法的鲁棒性;最后结合最小二乘法实现自动配准。选取了角度和尺度偏差较大的SPOT-5（Pan）与ASTER影像、SPOT-5（XS/XI）和TM影像两组数据进行实验。实验结果证明该算法对配准影像在角度、尺度和色调上的偏差具有较强的鲁棒性,可以取得较高的配准精度。     

基于SIFT点特征和Canny边缘特征匹配的多源遥感影像配准研究

针对多源遥感影像的配准,提出了一种结合SIFT点特征和Canny边缘特征匹配的配准算法。该算法首先采用SIF7算法提取点特征并进行影像粗配准,在获得初始仿射变换参数后,采用Canny算法提取边缘特征,并采用成本函数法进行边缘点匹配,经粗差滤除后得到有效的匹配特征点对,随之进行影像精配准。该算法结合了SIFT、算法和Canny算法的优点,解决了多源遥感影像因辐射差异和几何差异造成的难以正确配准的问题。实验结果表明,算法具有较强的鲁棒性,并取得了较好的配准精度。     

基于SIFT和TPS算法的四旋翼无人机图像自动配准

针对四旋翼无人机图像姿态倾角大、图像变形明显等特点,采用尺度不变特征变换(SIFT)算法和薄板样条模型(TPS)对四旋翼无人机图像进行特征点匹配和配准实验研究,从拼接图像的目视效果和配准均方差方面比较分析了TPS模型与常用的仿射变换及多项式变换模型的图像配准效果。结果表明:在SIFT算法精确的同名点匹配下,TPS变换模型能够兼顾四旋翼无人机图像的整体刚性变形及局部的非刚性变形,无论是目视效果还是均方差定量分析,TPS变换的图像配准精度最高\,效果最好,能够满足四旋翼无人机图像的快速配准、拼接要求。     

尺度不变特征转换算法的多源SAR影像匹配

鉴于直接利用SIFT算法进行SAR影像间的匹配不能得到很好的效果,考虑SIFT算法在应对噪声以及对镜像影像进行匹配的局限性,提出了针对SAR影像之间匹配的SIFT算法预处理。首先利用影像与影像之间的空间信息进行匹配,之后利用SIFT算法进行局部特征点匹配,通过采用RANSAC进行错配点的去除,实现SAR影像的高精度配准。实验结果表明,该文提出的预处理以及错配点的去除为利用SIFT算法进行SAR影像的匹配提供了可能。     

尺度不变特征转换算法的多源SAR影像匹配

鉴于直接利用SIFT算法进行SAR影响间的匹配不能得到很好的效果,考虑SIFT算法在应对噪声以及对镜像影像进行匹配的局限性,提出了针对SAR影像之间匹配的SIFT算法预处理。首先利用影像与影像之间的空间信息进行匹配,之后利用SIFT算法进行局部特征点匹配,通过采用RANSAC进行错配点的去除,实现SAR影像的高精度配准。实验结果表明,该文提出的预处理以及错配点的去除给利用SIFT算法进行SAR影像的匹配提供了可能。     

融合SIFT特征的熵图估计医学图像非刚性配准

配准准确性是医学图像配准算法的一项重要指标,像素灰度是目前图像配准中广泛使用的特征,但是灰度特征来源单一,而且忽略空间信息,在一些情况下容易产生误配。针对这个问题,本文提出一种融合SIFT特征的熵图估计医学图像非刚性配准算法。该算法首先使用基于互信息的刚性配准算法对两幅待配准图像进行粗配;然后,在采样点上提取像素灰度和SIFT高维特征,并在此基础上构造k-最邻近图(kNNG);最后,使用k-最邻近图来估计α互信息(αMI)。实验结果表明:和传统的基于互信息和像素灰度的刚性配准算法,基于熵图估计和单一像素灰度特征的非刚性配准算法相比,本文提出的算法具有更高的配准准确性。     

利用混合特征的多视角遥感图像配准

目的 多视角遥感图像配准是遥感图像处理领域的一项关键技术,其目的是精确获取图像间被测区域发生的几何变换关系。由于航拍视角变化以及地物的空间分布和几何形状的复杂度,多视角遥感图像间会产生非刚性畸变问题,增加了图像配准的难度,为此本文提出一种利用遥感图像SIFT（scale-invariant feature transform）特征点阵的全局和局部几何结构特征进行多视角遥感图像配准的算法。方法 通过增加对SIFT点阵的几何结构特征描述以及利用SIFT点阵间全局与局部几何结构特征的互补关系,提升存在非刚性畸变的多视角遥感图像配准精度。 结果 实验使用谷歌地球的卫星影像数据以及无人机航拍遥感数据对本文算法进行了测试,并与3种同类算法（SIFT、SURF（speeded-up robust features）、CPD（coherent point drift））进行对比实验,本文算法在存在非刚性畸变的多视角遥感图像配准中能够有效地提升SIFT特征点阵的配准精度,从而获得更加准确的多视角遥感图像配准结果。结论 本文实现了一种结合SIFT特征点阵的全局和局部几何结构特征进行多视角遥感图像配准的算法,实验结果表明了该方法对存在非刚性畸变的多视角遥感图像能够有效地进行配准,可适用于同源多视角情况下的遥感图像配准问题。     

基于SIFT与互信息筛选优化的遥感影像配准

针对多源多尺度影像配准中存在误匹配率较高和配准精度较低的问题,提出了一种基于（Scale-Invariant Feature Transform SIFT）与互信息筛选优化的影像配准算法。首先,采用SIFT算法进行特征点提取,通过快速最近邻逼近搜索（Fast Approximate Nearest Neighbors Search Library,FLANN）算法完成待配准影像的粗匹配,其次,在初始匹配点周围建立4×4邻域,计算匹配点之间的互信息值,对互信息值较小的匹配点进行剔除,寻求筛选优化后的最优变换矩阵,最后输出与基准影像互信息值最大的配准后影像作为最佳配准结果。实验结果表明：该方法与SIFT算法相比可以有效地剔除误匹配点并提高了配准精度。该方法可以应用于多源多尺度遥感影像配准,能够有效地提高配准精度。     

Remote sensing image matching by integrating affine invariant feature extraction and RANSAC

A new technical framework for remote sensing image matching by integrating affine invariant feature extraction and RANSAC is presented. The novelty of this framework is an automatic optimization strategy for affine invariant feature matching based on RANSAC. An automatic way to determine the distance threshold of RANSAC is proposed, which is a key problem to implement this RANSAC-based automatic optimization. Since affine invariant feature matching technology has been successfully applied to remote sensing image matching, we design an experiment to compare the proposed framework (with optimization) with the standard affine invariant feature matching (without optimization). By using three pairs with different types of imagery, the experimental results indicate that the proposed framework can always get higher correctness of image matching in automatic way, compared to the standard affine invariant feature matching technology.     

Performance evaluation of scene registration and stereo matchingfor cartographic feature extraction

Three major areas in the development of competent 3-D scene interpretation system are discussed. First, the importance of accurate automatic scene registration and the difficulty in automated extraction and matching of scene reference points are described. Second, the authors describe two stereo matching algorithms, S1, which is an area-based matcher previously used in the SPAM system, and S2, which is a feature-based matching algorithm based on hierarchical waveform matching. Third, the authors introduce several performance evaluation metrics that made it possible to measure the quality of the overall scene recovery, the building disparity estimate, and the quality and sharpness of the building delineations. Such manually generated scene reference models are critical for understanding strengths and weaknesses of various matching algorithms and in the incremental development of improvements to existing algorithms. Experiments were performed on difficult examples of aerial imagery     

由航空影像自动重建大范围3维地形

目的 针对由航空影像自动生成大范围3维地形的立体模型配准问题,提出一种自动配准全部立体模型的方法,从而生成大范围3维地形。方法 首先由相邻影像构建独立的立体模型;然后根据特征匹配同名点在公共影像上的坐标对应关系,自动提取相邻模型的连接点;通过循环遍历搜索,自动配准全部立体模型,进而构建全航摄区的大范围3维地形。结果 采用两组数据进行实验,结果显示,两组数据全部3维模型的均方配准误差分别为5.20像素和2.63像素。本文方法生成的大范围地形的相对精度较高;对第2组数据的结果采用控制点进行绝对定向,并用检查点进行精度评估,结果显示全部检查点的均方平面和高程误差分别为0.326 m和0.502 m,生成的大范围地形达到了较高的绝对精度。结论 本文方法可自动化执行,仅需输入一系列有一定重叠的航空影像,即可自动生成按一定方式组织的大范围3维地形产品。该方法生成的大范围地形既可用于3维场景浏览,也可用于地形量测,但不适用于由激光扫描获取的点云数据的配准。     

Unsupervised classification of image texture

An automatic histogram-based algorithm for clustering statistical textural features of image incorporating estimation of the quality of the obtained distribution of feature vectors over clusters is presented. The algorithms is applied to classification of forest aerial imagery. Valeriya S. Sidorova. Born 1947. Graduated Novosibirsk State University in 1972. Researcher at Institute of Computational Mathematics and Mathematical Geophysics. Scientific interests: classification of remote sensing data, texture analysis, and 3D visualization. Author of 40 papers.     

Multipass hierarchical stereo matching for generation of digital terrain models from aerial images

This paper presents a new multi-pass hierarchical stereo-matching approach for generation of digital terrain models (DTMs) from two overlapping aerial images. Our method consists of multiple passes which compute stereo matches with a coarse-to-fine and sparse-to-dense paradigm. An image pyramid is generated and used in the hierarchical stereo matching. Within each pass, the DTM is refined by using the image pyramid from the coarse to the fine level. At the coarsest level of the first pass, a global stereo-matching technique, the intra-/inter-scanline matching method, is used to generate a good initial DTM for the subsequent stereo matching. Thereafter, hierarchical block matching is applied to image locations where features are detected to refine the DTM incrementally. In the first pass, only the feature points near salient edge segments are considered in block matching. In the second pass, all the feature points are considered, and the DTM obtained from the first pass is used as the initial condition for local searching. For the passes after the second pass, 3D interactive manual editing can be incorporated into the automatic DTM refinement process whenever necessary. Experimental results have shown that our method can successfully provide accurate DTM from aerial images. The success of our approach and system has also been demonstrated with a flight simulation software. Received: 4 November 1996 / Accepted: 20 October 1997     

基于视觉约束能量最小化的特征点匹配算法

为了解决海上目标航空遥感图像重复特征较多导致的匹配不一致问题,并简化匹配过程,文中提出了基于SIFT视觉约束能量最小化的匹配算法(CEM-SIFT)。该算法将约束能量最小化模型应用于特征点的匹配,通过构造有限脉冲响应线性滤波器,采用视觉信息计算其能量值,使得待匹配的点集经过滤波之后的平均输出能量在一定约束下达到最小值,最终实现含重复信息的特征精确匹配。采用10组航空遥感海冰图像对算法进行测试,结果表明,相对于采用SIFT欧氏距离(ED-SIFT),在匹配重复特征比较多、点集规模比较大的图像时,CEM-SIFT算法的匹配精度更高,能够达到100%。     

基于雷达–扫描器/惯性导航系统的微小型无人机室内组合导航

本文提出一种基于雷达–扫描器/惯性导航系统(radar-scanner/INS)的微小型无人机室内导航方法.为提高算法的实时性,采用基于扩展卡尔曼滤波(EKF)的DC同步定位与构图技术(SLAM)实现定位和构图;在更新状态值的扫描匹配过程中提出启发性逻辑来筛选激光雷达数据,以提高算法对无人机因姿态和高度变化而引起的轮廓地图波动的抗干扰性;在特征匹配的过程中选取合理的地图轮廓特征,并利用扫描匹配的结果和特征匹配的传递性提出了精度较高的引导配对,以提高特征配对在三维环境下的准确性;最后,将DC SLAM与惯性导航系统进行基于EKF的组合滤波,给出无人机的全状态估计.通过与GPS/INS组合导航对比以及室内飞行验证,本文提出的方法能够满足无人机飞行控制对导航实时性和精度的要求.     

电力巡线无人机航拍图像匹配算法研究

基于局部特征的图像匹配算法是电力巡线无人机航拍图像匹配算法中最为实用的一种方法。针对传统匹配算法构建尺度空间会致使图像边缘信息丢失或者效率较低等问题,提出一种基于高斯曲率尺度空间的航拍图像匹配算法。借助高斯曲率滤波器构建一阶尺度空间,利用FAST算法提取特征点并选择特征采样区域,再以对特征采样区域建立二阶尺度空间并提取二阶尺度空间层内LIOP描述符,随后二阶尺度空间两两层LIOP描述符做差值并二值化处理,累加二值化值得到ASV-LIOP描述符完成匹配。在航拍图像上,使用SIFT、ORB、KAZE、AKAZE、改进KAZE等算法与所提对比实验,实验表明,所提算法正确匹配率平均提高5%左右,匹配效率约降低50%,可应用对稳定性要求较高且实时性较低的场景。