基于IDL语言与控制点影像数据库的图像自动配准技术研究

遥感影像自动配准是遥感影像处理与摄影测量领域一个重要问题。采用数据分析和图像化交互语言(IDL语言)与控制点影像数据库,利用相关系数方法实现控制点影像与原始影像的自动配准。验证表明,配准具有较高的精度和较强的实用性。     

SAR影像配准中控制点粗差剔除方法研究

复数影像配准是雷达干涉测量中的关键步骤之一,而配准中选取的控制点往往存在粗差,影响配准精度。分析了SAR影像配准时控制点粗差产生的原因,提出了方差因子检验和Baarda数据探测法剔除控制点粗差的方法,建立了基于可靠控制点计算影像纠正的几何变换模型。利用ENVISAT卫星ASAR图像对所提方法进行了验证,结果表明,影像配准的精度达到了0.1像素,粗差剔除后SAR影像配准精度有明显提高。     

控制点影像库构建与多源影像联合空三定位

针对大遥感时代多源异构导致影像几何精度难以保证的问题,提出通过空天多源异传感器影像自动匹配,在传统的普通地面控制点基础上,构建广义影像控制点和控制点库。同时,以通用传感器模型的精化参数为基础,采用空天影像联合几何处理方法,使用高定位精度的空天影像作为辅助参考影像,对原始空天影像实现多源异构遥感影像的几何纠正和配准,从而保证空天多源数据几何精度的可靠性和一致性。实验表明,该方法符合多源影像的高精度几何纠正和配准需要。该方法应用于控制点影像空间数据库构建与大范围影像定位网更新领域还需要进一步研究。     

多源遥感影像多项式配准精度影响因素分析

影响遥感影像配准精度的因素众多,基于多项式配准模型在遥感影像配准中的应用,针对地形起伏、控制点分布、多项式配准模型次数、配准影像的多源异质性等影响多源遥感影像配准精度的因素,采用TM、SPOT和SAR等多源遥感影像进行了广泛的多项式配准实验分析,总结得出了上述各因素对多源遥感影像多项式配准精度的影响规律,为多源遥感影像的多项式配准实践提供一定的指导。     

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。     

高分辨率影像配准误差对土地覆盖分类和变化检测的影响

近年来高分辨率影像技术发展迅速,土地专题信息的提取对高分辨率数据处理的质量提出了更高的要求,针对配准误差对影像处理和应用的影响研究,有助于专题信息提取过程中遥感数据处理质量控制指标的确定。选取北京市通州区不同时相的IKONOS影像作为实验数据进行模拟研究,在实验研究中通过产生具有不同配准误差的图像,从影像融合、土地覆盖分类和变化检测等角度,分析不同的配准误差对遥感应用的影响。结果表明:随着配准误差的增大,融合图像的可分辨性降低,配准误差增加到3个像元时,土地覆盖分类精度降低2~3%,土地覆盖变化检测中增加了5%的伪变化信息,虚检率增大。     

基于控制点配准算法的无人机遥感影像自动无缝拼接技术

传统无人机遥感影像自动无缝拼接技术无法精准匹配影像信息,导致无人机遥感影像拼接结果出现大量缝隙,拼接效果差。因此提出了基于控制点配准算法的无人机遥感影像自动无缝拼接技术。遵循无人机影像成像原理,获取无人机遥感影像,并将数据以图像格式文件形式存储。设置阈值,剔除最邻近域和次邻域比值大于阈值的控制点,对影像坐标平移和缩放数据标准化处理,彻底消除坐标变换对图像配准影响。构建相似变换矩阵,获取新的控制点集,使用直接线性变换算法预估变换矩阵,得到线性解。经过粗、细配准,确定不同图像重叠区域。搜索最佳拼接线,使用加权平均融合法消除拼接缝,由此设计拼接流程。由实验结果可知,该技术能够精准匹配影像信息,检测到影像最大分辨率为1000*800,具有良好拼接效果。     

基于Marr小波改进的SIFT算法的遥感影像配准

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。     

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。     

面向西部测图困难地区稀少控制下的TerraSAR-X影像快速正射纠正

针对TerraSAR-X新型雷达卫星影像,基于距离-多普勒(R-D)模型,提出了一种稀少控制下SAR影像正射纠正的方法,并详细阐述了整个处理过程。同时,选用西部横断山脉地区和陕西阎良地区的TerraSAR-X影像作为实验数据,充分利用其高精度的头文件参数信息及5个地面控制点和DEM,分别对其进行正射纠正,阎良地区的纠正精度约为5m,横断山脉地区的纠正精度约为11m,满足了1∶5万的测图精度要求,并对二者的实验结果进行了比较分析。另外,考虑到TerraSAR-X影像数据量大的问题,本文还阐述了运用影像分块处理结合双线性内插原理加快处理大幅SAR影像正射纠正处理的方法,实验表明该方法相对逐像点对SAR影像正射纠正处理,大大提高了处理速度,从而证明了该处理过程的高效性和实用性。     

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〗     

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。     

基于GPU的遥感图像配准并行程序设计与存储优化

遥感图像配准是遥感图像应用的一个重要处理步骤.随着遥感图像数据规模与遥感图像配准算法计算复杂度的增大,遥感图像配准面临着处理速度的挑战.最近几年,GPU计算能力得到极大提升,面向通用计算领域得到了快速发展.结合GPU面向通用计算领域的优势与遥感图像配准面临的处理速度问题,研究了GPU加速处理遥感图像配准的算法.选取计算量大计算精度高的基于互信息小波分解配准算法进行GPU并行设计,提出了GPU并行设计模型;同时选取GPU程序常用面向存储级的优化策略应用于遥感图像配准GPU程序,并利用CUDA(compute unified device architecture)编程语言在nVIDIA Tesla M2050GPU上进行了实验.实验结果表明,提出的并行设计模型与面向存储级的优化策略能够很好地适用于遥感图像配准领域,最大加速比达到了19.9倍.研究表明GPU通用计算技术在遥感图像处理领域具有广阔的应用前景.     

尺度不变特征变换法在SAR影像匹配中的应用

通过几组可代表合成孔径雷达(Synthetic aperture radar, SAR)影像配准主要实际应用情景的实验, 对尺度不变特征变换法(Scale invariant feature transformation, SIFT)在SAR图像配准中的应用能力进行了系统的评价. 发现SIFT方法可以实现同轨获取的多时相斜距影像之间、斜距与地距影像之间、地距影像与经过地理编码的斜距影像之间的精确配准. 为了利用SIFT实现整景遥感影像间的配准, 提出了分块处理的方法. 实验发现分块寻找特征点虽然可引起特征点总数的降低, 但特征点的重复出现率仍大于76\%, 可满足大影像间配准的需要. 同时也发现SIFT匹配过程过于耗时是阻碍其在遥感领域实际应用的技术瓶颈. 本文指出了解决该瓶颈的技术方向, 并对不变特征匹配法在遥感领域的应用进行了展望.     

Multi-Observed Block Adjustment for Satellite ImagesWithout Ground Control Points

In order to ensure the accuracy of target area’s ground information,it is necessary to do geometric correction for remote sensing images.Geometric correction has a great influence on the application of remote sensing images.Traditional geometric correction needs ground control points.However,it is difficult to obtain ground control points in some places,such as abroad,western China and desert.To improve positioning accuracy without ground control points,multi\|overlapping block adjustment model is built.Different from traditional method,error equations are built depending on multi\|projection in image space of a single object.In this way,error equations can converge to more accurate solutions.By adjusting the rational polynomial coefficients of each image,the positioning errors in different directions are compensated to a certain extent.Thus the positioning accuracy of remote sensing images is improved.First,block adjustment model and error compensation model are built with RPC coefficients.Then,conjugate gradient algorithm is used to solve the error equations iteratively.Finally the RPC coefficients are adjusted to improve the accuracy of positioning without ground control points.The ZY\|3 data test shows that multi\|overlapping block adjustment model increase the plane positioning accuracy of remote sensing images from 19.8m to 12.9m and the method can effectively improve the absolute positioning accuracy of remote sensing images.     

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SIFT特征和广义紧互对原型对距离的遥感图像配准方法

主要讨论SIFT(Scale Invariant Feature Transform)及其在遥感图像配准中的应用。首先介绍了基于特征点的遥感图像配准的一般框架;针对基于特征点的遥感图像配准中的两个基本问题-鲁棒的特征点提取和特征点匹配,提出了基于SIFT特征点和广义紧互对原型对距离的遥感图像配准新方法,并通过“广义紧互对原型对”的概念,为不同的特征点匹配方法建立了联系。与已有的相关工作相比,该方法可以得到更多的匹配点对和正确的匹配点对。数值试验证明了该方法的有效性和鲁棒性。     

基于点特征的多源遥感影像高精度自动配准方法

提出了一种基于点特征的多源遥感影像高精度自动配准方法。该方法采用了由粗到精的配准策略。首先利用SIFT算子和一次多项式实现影像的粗配准,粗配准后的影像和参考影像将处于同一尺度（像素采样间隔）和参考坐标系下。其次在粗配准后的影像上提取分布均匀的特征点,根据前一步得到的影像间的坐标关系,在参考影像上确定一个较小的搜索范围,使用相关系数匹配出同名点,同时用Baarda数据探测法剔除粗差。最后根据同名点构建三角网对影像进行精配准。实验结果表明:该方法能够实现多源遥感影像的高精度配准。