基于Marr小波改进的SIFT算法的遥感影像配准

〖HTH〗通讯作者〖HTSS〗:[ZK（]金〓燕(1991-)，女，山东济宁人，硕士研究生，主要从事图形图像处理，图像与视觉信息计算方面的研究。E\|mail:jyan0529@163.com。[ZK）] 〖ZW)〗〖HT〗 〖AM〗〖HT5SS〗〖MM(〗〖ZZ(S〗〖HT5”〗〖SX(B〗第34卷〓第3期〖〗2019年6月〖SX)〗[KG0.2mm]〖KG7*3〗〖HT〗〖SX(B〗遥〓感〓技〓术〓与〓应〓用〖〗〖WT5，6〗REMOTE SENSING TECHNOLOGY AND APPLICATION〖SX)〗〓〓〓〓〖KG6*2〗〖WT5”BX〗〖SX(B〗Vol.34〓No.3〖〗Jun.2019〖WT〗〖SX)〗〖ZZ)〗〖MM)〗〖HT〗 〖HT2H〗〖JZ(〗〖WTHZ〗〖STHZ〗 基于Marr小波改进的SIFT算法的遥感影像配准 〖STBZ〗〖WTBZ〗〖HT4K〗 张海涛，金〓燕，刘万军 〖HT5K〗 (辽宁工程技术大学 软件学院，辽宁 葫芦岛〓125105) 〖JZ)〗〖ＨＴ５Ｈ〗〖GK2!2〗摘要〖HTK〗: [KG(0.1mm]针对遥感图像配准方法中错误匹配点对过多、配准效率低和其他性能，提出了一种基于小波的遥感图像配准方法。首先，利用尺度空间理论下的Marr小波对参考图像和待配准图像进行特征提取，然后利用欧氏距离对参考图像和待配准图像的特征点进行初配准，再根据随机采样一致法，对初配准结果进行精配准。为了验证方法的有效性，选择无人机实时航拍图像、不同时相变化遥感图像以及遥感不同高度的遥感图像。实验结果表明：该方法与SIFT(Scale Invariant Feature Transform)算法以及其他改进SIFT算法相比可以有效剔除错误匹配点对，提高了配准精度，同时提高配准效率两倍以上。该方法可以应用于不同遥感数据源，能够有效地提高配准精度，降低配准时间。[KG)] 〖ＨＴＨ〗关〓键〓词〖ＨＴ５Ｋ〗: 遥感图像配准;Marr小波;欧氏距离;随机采样一致法 〖ＨＴＨ〗中图分类号〖HTSS〗:TP79〓〓〖HTH〗文献标志码〖HTSS〗:A〓〓〖HTH〗文章编号〖HTSS〗:1004 0323(2019)03 0622 08 〖HK〗〖HT5SS〗     

基于Marr小波改进的SIFT算法的遥感影像配准

〖HTH〗通讯作者〖HTSS〗:[ZK（]金〓燕(1991-)，女，山东济宁人，硕士研究生，主要从事图形图像处理，图像与视觉信息计算方面的研究。E\|mail:jyan0529@163.com。[ZK）] 〖ZW)〗〖HT〗 〖AM〗〖HT5SS〗〖MM(〗〖ZZ(S〗〖HT5”〗〖SX(B〗第34卷〓第3期〖〗2019年6月〖SX)〗[KG0.2mm]〖KG7*3〗〖HT〗〖SX(B〗遥〓感〓技〓术〓与〓应〓用〖〗〖WT5，6〗REMOTE SENSING TECHNOLOGY AND APPLICATION〖SX)〗〓〓〓〓〖KG6*2〗〖WT5”BX〗〖SX(B〗Vol.34〓No.3〖〗Jun.2019〖WT〗〖SX)〗〖ZZ)〗〖MM)〗〖HT〗 〖HT2H〗〖JZ(〗〖WTHZ〗〖STHZ〗 基于Marr小波改进的SIFT算法的遥感影像配准 〖STBZ〗〖WTBZ〗〖HT4K〗 张海涛，金〓燕，刘万军 〖HT5K〗 (辽宁工程技术大学 软件学院，辽宁 葫芦岛〓125105) 〖JZ)〗〖ＨＴ５Ｈ〗〖GK2!2〗摘要〖HTK〗: [KG(0.1mm]针对遥感图像配准方法中错误匹配点对过多、配准效率低和其他性能，提出了一种基于小波的遥感图像配准方法。首先，利用尺度空间理论下的Marr小波对参考图像和待配准图像进行特征提取，然后利用欧氏距离对参考图像和待配准图像的特征点进行初配准，再根据随机采样一致法，对初配准结果进行精配准。为了验证方法的有效性，选择无人机实时航拍图像、不同时相变化遥感图像以及遥感不同高度的遥感图像。实验结果表明：该方法与SIFT(Scale Invariant Feature Transform)算法以及其他改进SIFT算法相比可以有效剔除错误匹配点对，提高了配准精度，同时提高配准效率两倍以上。该方法可以应用于不同遥感数据源，能够有效地提高配准精度，降低配准时间。[KG)] 〖ＨＴＨ〗关〓键〓词〖ＨＴ５Ｋ〗: 遥感图像配准;Marr小波;欧氏距离;随机采样一致法 〖ＨＴＨ〗中图分类号〖HTSS〗:TP79〓〓〖HTH〗文献标志码〖HTSS〗:A〓〓〖HTH〗文章编号〖HTSS〗:1004 0323(2019)03 0622 08 〖HK〗〖HT5SS〗     

一种基于SIFT特征的快速逐层遥感图像配准方法

当前SIFT特征分层配准方法中存在特征点匹配复杂度高以及不同时相地物变化导致特征点误匹配等问题,提出一种基于SIFT特征的“低分辨率配准\,高分辨率验证”快速逐层遥感图像配准方法。该方法针对同源同分辨率不同时相的遥感图像,通过在金字塔的低分辨率图层匹配特征点对并建立仿射变换模型,在金字塔的高分辨率图层评估并修正模型。实验表明：提出的方法在保证配准精度的前提下,有效提高了配准算法的效率。
     

高分辨率遥感图像配准控制点均匀化算法

针对多源遥感图像普遍具有数据量大、辐射差异大等特征,而现有的图像配准算法无法直接应用于遥感图像自动配准处理中的问题,综合考虑控制点的密度和分布,提出了一种高分辨率遥感图像自动配准算法。首先,将待配准图像和参考图像降采样到单机可以处理的大小,利用尺度不变特征变换(SIFT)算法建立降采样图像间的初始匹配;其次,将原始待配准图像按照网格分割为子图像,并利用初始匹配找到每幅子图像在参考图像上的对应子图像;再次,利用SIFT和极大稳定区域(MSER)特征点的空间互补性,在每一对子图像上提取大量特征点;最后,利用随机采样一致性(RANSAC)算法剔除误配后,采用基于最大团问题的贪心法进行控制点均匀化处理,进一步剔除冗余的控制点。与现有的基于SIFT特征和基于灰度的遥感图像配准算法相比,本算法在配准精度和控制点的分布均匀度等方面具有优越性。     

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。     

改进的SIFT特征点图像匹配方法研究

图像配准是遥感、计算机视觉、医学等许多领域中的一个基本问题,而图像特征点的提取和匹配是完成图像配准的基础。本文采用SIFT尺度不变特性变换算子进行图像匹配,通过改进该算法,提高算法的效率,通过仿真实验,证明改进的SIFT特征点匹配方法,可以提高特征点匹配的速率,降低匹配计算的耗时。     

基于二维Gabor小波变换的角点匹配算法

图像配准研究的核心问题在于提高配准的速度和精度,而图像配准的结果主要取决于特征的匹配精度。为了提高特征匹配精度,本文提出了一种基于二维Gabor小波变换的角点匹配算法。该算法首先采用改进的Harris角点检测方法提取角点,得到角点位置的坐标,利用多个二维Gabor小波模板对参考图像和待配准图像进行滤波,从滤波图像中提取角点坐标处的复Gabor小波系数,并以此作为角点的特征描述,然后引入两种相似性度量因子对角点进行匹配。通过对不同图像进行大量的实验,该算法在选择合适的参数,同时采用最长公共子序列度量因子的情况下,能成功提取较多的同名点对,并且能够取得较高的匹配率。     

SIFT算法优化及其在遥感影像配准中的应用

针对传统尺度不变特征转换(scale invariant feature transform,SIFT)方法在处理存在角度偏差的图像配准数据时得到的配准点对数量低以及配准精度不高的问题,提出一种基于多角度归一化互相关法优化的SIFT遥感图像配准方法。以相关性系数为标准确定图像最佳配准位置,进行角度校正;用SIFT算法进行特征提取和特征匹配,并结合随机抽样一致性算法(random sample consensus,RANSAC),剔除错误配准点,以提高配准精度。实验表明,该实验配准方法比单一的SIFT配准方法得到数量更多且精度更高的特征点对,结果显示SIFT配准点对数量平均提高24.5倍,RANSAC算法确定的正确配准点对平均调高86.8倍。     

基于特征的hausdorff距离图像配准

针对图像配准问题,提出了基于Harris及SIFT(Scale-invariant feature transform)特征的Hausdorff距离方法来实现图像配准。首先利用harris角点检测和SIFT特征提取参考图像和待配准图像的角点,通过两种方法获得的角点在融合之后获得更大的角点搜索范围,再利用相似一致性匹配原则剔除错误角点,进而通过改进的Hausdorff距离算法完成图像的配准操作。结果证明,改进算法比传统Hausdorff距离算法运行时间更短,算法时间降低约45%,具有较强的抗噪声能力和旋转鲁棒性,提高了图像配准的效率和精确性。     

应用边缘图像SIFT特征配准印鉴图像

为了准确配准印鉴图像,为高仿真印鉴的真伪识别做好准备,提出利用印鉴边缘图像SIFT（Scale Invariant Feature Transform）特征的相似性和空间关系相结合的配准方法。采用邻域搜索法提取待测印鉴与预留印鉴的二值边缘图像,在印鉴边缘图像中提取SIFT特征,并根据相似性匹配。利用印鉴边缘图像SIFT特征匹配点对的空间关系剔除错误匹配,提高配准效率。利用RANSAC方法估计两印鉴的变换模型。分别配准具有不同形状及印文内容的10组真印鉴图像和10组假印鉴图像。将所得结果与其他两种典型的配准方法作比较。以两印鉴配准后不重合边缘点之间的平均距离评价配准的准确性,以最大距离量化配准后出现的最大差异。实验结果表明,该方法可以准确配准待测印鉴与预留印鉴图像,对印鉴形状、笔画结构无任何限制,配准速度比直接利用印鉴二值图像SIFT特征的配准方法提高一倍。     

图像多尺度配准的小波域SURF算法

针对SURF描述子仅利用特征点的局部邻域信息而对于局部场景发生变化的图像容易产生误匹配的现象,提出了图像多尺度配准的小波域SURF算法。该方法对图像进行小波分解,利用低分辨率上得到的变换参数剔除高分辨率上的错误匹配,得到精确匹配点对,对图像进行配准。实验结果表明,该方法能有效地剔除误匹配点,提高图像配准的精度。     

基于局部显著特征的快速图像配准方法

针对SIFT算法在进行图像配准时存在提取特征点数目大、无法精确控制、运算速度慢、配准点精度不高的问题,提出一种基于局部显著特征的快速图像配准方法。该方法首先对原始图像和待配准图像进行降采样,对降采样图像分别提取SIFT特征点,并对特征点运用改进的K-means聚类算法进行聚类;然后利用聚类结果筛选聚类区域,在各聚类区域提取显著特征点进行粗匹配;最后利用显著特征点在原始图像中定位显著区域,对所得显著区域进行精配准。实验结果表明,该方法减少了图像匹配时间,控制了特征点数量,在保证匹配准确度的同时,有效地提高了特征匹配的效率。     

结合SIFT和Delaunay三角网的遥感图像配准算法

针对高分辨率遥感图像中提取的特征点数目过大且易存在误匹配点的问题,提出了一种粗配准和精配准相结合的高分辨率遥感图像配准算法.首先对图像降采样处理后,提取大尺度空间下的SIFT特征点,求得仿射变换模型完成图像粗配准;然后对图像进行分块,利用SIFT方法对每幅子块图像提取特征点,并找到对应子块图像之间的匹配点对;之后利用特征点构建Delaunay三角网,计算每对子块图像之间的三角形相似度,构成相似矩阵,从中挑选相似度大的三角形对以构成精确匹配点对;最后利用得到的精确匹配点对实现最终的图像配准.该算法能够减少提取的特征点数且剔除更多的错误匹配点,从而进一步提高精确匹配点率.实验结果表明了算法的有效性.     

基于异常区域感知的多时相高分辨率遥感图像配准

在对多时相高分辨遥感图像进行配准时,由于成像条件差异,图像间存在的地物变化与相对视差偏移两类典型异常区域会影响配准精度。针对上述配准中存在的问题,提出一种基于异常区域感知的多时相高分辨率遥感图像配准方法,包括粗匹配和精配准两个阶段。尺度不变特征变换（SIFT）算法考虑到尺度空间属性,不同尺度空间提取的特征点在图像中对应不同大小的斑块,高尺度空间提取的特征点对应图像中的大斑点,其对应地物相对稳定、不易发生变化。首先,利用SIFT算法提取高尺度空间特征点完成图像快速粗匹配;其次,利用灰度相关性度量对图像块进行相对偏移量统计分类以感知视差偏移区域,同时结合空间约束条件,确定低尺度空间特征点的有效提取区域以及匹配点搜索范围,完成图像精配准。实验结果表明,将该方法用于多时相高分辨遥感图像配准,可有效抑制异常区域对特征点提取的影响进而提高配准精度。     

密集结构改进双通道神经网络的遥感图像配准

针对部分传统算法对于遥感图像配准精度较低的问题,提出一种密集结构改进双通道卷积神经网络的遥感图像配准方法。对输入的图像采用密集结构改进的双通道卷积神经网络模型进行特征提取;用粒子群算法改进的随机一致性点漂移算法进行特征匹配得到仿射变换系数;使待配准图像能够根据该系数实现变换,达到配准目的。实验表明,改进算法比传统算法的配准精度平均提高了15%以上,对具有显著地貌差异的遥感图像对的配准精度可以有效地提高。     

基于SURF算法和SC-RANSAC算法的图像配准

提出了一种融合SURF算法和SC-RANSAC算法的图像配准方法。首先利用SURF算法提取待匹配图像的特征, 然后用最近邻方法找出匹配点, 最后运用SC-RANSAC算法剔除错误的匹配点, 实现图像的正确配准。实验结果表明, 该方法在保持较高的特征点正确匹配率的前提下, 配准速度高于SURF和RANSAC相结合的方法和SIFT和RANSAC相结合的方法。     

基于SIFT和改进的RANSAC图像配准算法

为解决RANSAC算法迭代次数过多导致图像配准精确率不高的问题,提出了一种改进的RANSAC图像配准算法。首先将参考图像和待配准图像进行NSCT变换分解成低频子带和高频子带。然后对高频子带运用矢量夹角算法和结构相似性（SSIM）来提取图像边缘特征点,对低频子带运用SIFT算法并设定合适的距离阈值来提取特征点。最后利用改进的RANSAC算法提高特征点匹配精度,选择出精匹配点对,实现图像配准。实验结果表明,该算法能有效地找到较多的匹配点对,准确地去除误匹配点对,明显地提高了配准精确度。     

基于SIFT与Contourlet变换的高分辨遥感图像配准

针对高分辨遥感图像特征量较多的情况,提出一种基于SIFT与Contourlet变换相结合的图像配准算法。首先将图像进行Contourlet变换分解成低频和高频子带,对高频子带通过设定合适的阈值来提取图像边缘特征点,对低频子带进行SIFT特征点提取。将两者提取到的特征点分别匹配后得到粗匹配点对,利用随机抽样一致性(RANSAC)选择出精匹配点对,实现图像配准。实验表明:在多源遥感图像配准过程中,与基于非采样Contourlet变换(NSCT)和基于SIFT特征提取相比,该算法能够更准确地提取到特征点,具有更高的运算效率以及匹配率。     

基于U-net分割与HEIV模型的遥感图像配准方法

在利用航拍遥感图像进行土地测量与变化检测时,需要对图像进行配准处理。为实现目标区域的高精度匹配,提出一种遥感图像配准方法。对图像进行U-net分割,以适用于小样本数据集的处理,针对不同区域特征的误差,将变量含异质噪声模型应用于配准参数估计,提高目标区域的配准精度。实验结果表明,与基于Harris角点的配准方法相比,该方法的全局平均配准精度提高41.39%,与基于SIFT特征点的配准方法相比,其感兴趣区域的平均配准精度提高16.67%。     

基于图像深度信息的尺度不变特征变换算法误匹配点对剔除

特征点匹配是基于特征点的图像配准技术中的一个重要环节。针对现有基于尺度不变特征变换(SIFT）图像配准技术特征点匹配不理想,也无法较客观、快速地筛选正确匹配点对的问题,提出结合图像深度信息进行特征点误匹配筛选剔除的方法。该算法首先根据模糊聚焦线索和机器学习算法估计出待配准图像的深度信息图,再提取SIFT特征点,并在特征点匹配环节利用随机抽样一致性(RANSAC)算法迭代循环,结合深度局部连续性的原理来进一步提高匹配精度。实验结果表明,该算法具有很好的误匹配点对剔除功能。