多源遥感影像自动配准技术的研究进展

综合利用多种不同遥感卫星获取的数据,可以较为全面地反映观测对象的几何和物理特性,有利于后续影像融合、影像分类等操作的进行,但是不同传感器设计各异,使多源影像自动配准难度重重。为此本文首先对自动配准的流程进行简要介绍,进而对国内外多源遥感影像的自动配准技术进行了分析和评述,最后总结了多源遥感影像自动配准技术面临的主要问题,并展望了其未来的发展方向。     

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。     

基于多进制小波的多源遥感影像融合

首先介绍了遥感影像融合的一般理论和方法，然后在讨论多进制小波理论和影像特征的基础上，提出了一种基于特征的多进制小波变换的影像融合算法，该算法根据待融合影像分辨率之比来确定采用几进制小波，将待融合的高分辨率影像进行多进制小波变换，然后把高分辨影像经小波变换后获得的低频成分和低分辨率影像依据一定的关系进行相互转换，以形成新的高分辨影像的低频成分，经过多进制小波逆变换获得到融合后的影像，最大限度地利用了待融合影像的信息，防止了影像信息的丢失，通过对具体影像的清晰度和空间分辨率，融合后的影像最大限度地保留了待融合影像的光谱信息，同时提高了待融合影像的清晰度和空间分辨率，给出了SPOT全色影像与SPOT多光谱影像，SPOT全色影像与TM影像的融合结果，并与其他方法进行了比较，从而证明了本方法的优越性和自适应能力。     

基于机载LiDAR和高分辨率遥感影像的城市道路网提取

利用单个数据源的数学形态学道路提取方法不能充分利用道路的特征,提取的道路信息不完整。针对这一缺陷,并考虑到机载LiDAR数据可以提供高程信息,提出了将机载LiDAR数据和高分辨率遥感影像数据结合起来的城市道路网的提取方法。以徐州市的机载LiDAR数据和高分辨率遥感影像数据作为实验数据,首先将两者进行精确配准,然后利用伪道路信息去除的方法分别将植被信息和建筑物信息等去除,得到基本的道路轮廓,再利用形态细化算法提取道路的中心线,最后,在ArcGIS和Matlab编程环境下实现了改进的道路修剪算法(IRT),利用该算法进行道路修剪,得到了平滑和连贯的城市道路网。经过精度评价可以看出:利用该方法可以较好地避免建筑物阴影、低矮植被群等对道路提取的影响,道路的识别精度达到84%以上。     

多特征融合的高分辨率遥感影像建筑物分级提取

目的 针对高分辨率遥感影像普遍存在的同谱异物和同物异谱问题,提出一种综合利用光谱、形状、空间上下文和纹理特征的建筑物分级提取方法。方法 该方法基于单幅高分辨率遥感影像,首先利用多尺度多方向梯度算子构造的建筑物指数和形状特征提取部分分割完整的矩形建筑物目标;然后由多方向线性结构元素和形态学膨胀运算确定投票矩阵,从而获取光照方向,并利用光照方向和阴影特征对已提取建筑物进行筛选,剔除非建筑物对象,完成建筑物初提取;最后借助初提取建筑物对象的纹理特征向量建立概率模型,取得像素级建筑物提取结果,将该结果与影像分割相结合实现建筑物提取。结果 选取两幅高分辨率遥感影像进行实验,在建筑物初提取实验中,将本文方法与邻域总变分法和Sobel算子进行对比,实验结果表明,本文方法适用性强,为后提取提供的建筑物样本可靠性更高。在建筑物提取实验中,采用查准率、查全率和F₁分数3个指标进行定量分析,与形态学建筑物指数结合形态学阴影指数算法、邻域总变分结合混合高斯模型和贝叶斯判决算法相比,各项精度指标均得到显著提升,其中查准率提高了2.90个百分点,查全率提高了12.49个百分点,F₁分数则提升了8.84。结论 本文提出的建筑物分级提取方法具备一定抗干扰能力,且提取准确性高,适用性强。     

基于局部加权拟合算法的无人机遥感影像多尺度检测技术

目前提出的无人机遥感影像多尺度检测技术平均图像灰度较差,导致检测结果清晰度较低;为了解决上述问题,基于局部加权拟合算法研究了一种新的无人机遥感影像多尺度检测技术,选用最小二乘法进行多次循环计算,确定周围区域重复率,通过抽稀处理提高数据精度;根据高斯金字塔得到n阶的影像序列,利用高斯金字塔和差分尺度划分完成遥感影像的特征提取;引入加权拟合算法,构建有效影像数据集,确定影像网络模型,从而完成合并,实现影像数据的检测;实验结果表明,基于局部加权拟合算法的无人机遥感影像多尺度检测技术能够有效提高平均图像清晰度,增强检测结果的清晰度。     

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。     

基于河流特征的DEM与遥感影像配准

针对DEM数据地物特征不明显,控制点不易选取,从而造成与影像配准困难的情况,提出根据DEM生成河流信息,利用河流交叉点及河流拐点作为控制点,然后再与遥感影像进行配准的方法。该方法首先根据DEM确定河流流向,根据河流流向计算每个栅格的汇流累积量,而后根据汇流累积量提取河流信息,最后根据生成的河流信息提取关键特征点,从而实现DEM与遥感影像的配准。通过对北京密云地区ETM影像与DEM数据进行配准试验,证明了该方法的可行性。     

高分辨率遥感影像上道路中心线的半自动提取

提出一种半自动的基于活动窗口线段特征匹配来提取高分辨率遥感影像上道路中心线的方法.通过用户在道路中心线上输入起始点,采用定义活动模板窗、阈值分割、线段特征匹配和改进的SSDA,实现了道路中心线的自动跟踪.另外,该方法还允许在跟踪过程中加入少量人工干预来处理某些匹配失败的情况,提高了实用性.对0.61m分辨率QuickBird影像和1m分辨率IKONOS影像进行道路提取的实验表明:该方法能够快速、准确地提取出主要道路的中心线,对噪声的干扰具有良好的鲁棒性.     

遥感图像自动道路提取方法综述

自动道路提取是遥感图像识别的重要研究领域. 实现自动化、智能化、可靠准确的图像道路提取对地理信息技术发展具有重要的应用价值和意义. 道路的物理属性和功能形成了道路的辐射特征、几何特征、拓扑特征和背景特征. 以该四类特征为线索, 介绍了自动道路提取的典型方法, 侧重于分析四类特征在道路提取中作用和应用方式. 简要介绍了自动道路提取的评估方法和准则, 列举了主流的道路提取软件和遥感图像片源, 展望了该领域的发展方向.     

基于图像二分法的封闭轮廓提取方法

论文研究了封闭目标轮廓提取问题。改进了基于最小作用曲面与鞍点的封闭轮廓曲线提取方法,提出了一种基于最小作用曲面及图像二分法的封闭轮廓提取方法,用一条直线将图像分成两幅小图像,以一种简单的方式解决了封闭轮廓曲线检测问题,避免了复杂的鞍点检测过程,从理论上分析了基于最小作用曲面及图像二分法的封闭轮廓曲线提取方法的算法复杂性,证明了该方法的运行时间比基于最小作用曲面与鞍点的封闭轮廓曲线提取方法短。     

基于航拍图像的电力线自动提取

提出了一种用于从航拍图像中自动提取电力线的方法。该方法首先对图像进行预处理,然后选用Robert算子、Sobel算子、Prewitt算子、Canny算子对预处理后的图像进行边缘检测,并对各种边缘检测的结果进行对比分析,得出canny算子检测到的边缘效果最为理想,最后采用链码跟踪法提取出电力线。实验结果证明该方法可以准确提取一定背景条件下的电力线,可以为电力线的后续处理提供重要的数据。     

面向对象的高分辨率遥感影像道路自动提取实验

传统的遥感影像道路提取,主要是利用数理统计与人工解译相结合的方法。这种方法不仅精度相对较低,效率差,而且依赖参与解译的人,在很大程度上不具备重复性。本文采用面向对象的分类技术,充分利用高分辨率遥感影像中丰富的空间结构信息和地理特征信息,针对实验区中的不同道路类型,在不同尺度下自动提取出道路信息。同时,本实验还提供了一种提取道路的普遍性规则集,提高了道路提取的自动化水平。通过实验表明:该方法提取速度快、精度高。     

血管内超声图像序列的边缘自动检测方法

针对具有强背景噪声及伪影干扰的血管内超声图像,提出一种自动提取血管壁内外膜边缘的新方法.利用图像序列的空间和时间相关性对噪声进行抑制,在GVF-Snake模型中引入调节因子和自适应法向外力,扩大边缘的捕捉范围,以提高活动轮廓对噪声的鲁棒性和提高图像提取精度,同时利用三次B样条增强边缘平滑性,加快收敛速度.实验结果表明,该方法的检测准确性较高,运行时间较短.     

LCV模型在医学图像分割中的应用

针对C-V模型不能充分利用图像局部区域灰度变化信息从而导致难以准确分割灰度不均物体等缺陷,提出一种基于局部区域的C-V(LCV)模型。利用计算局部窗函数内的加权灰度均值来取代全局均值,并加入约束水平集函数为符号距离函数的能量项,从而避免水平集函数的重新初始化。对医学图像的分割结果证明LCV模型在分割灰度不均物体方面优于C-V模型,其分割效率高于LBF模型。     

一种新的活动轮廓图像分割模型

基于区域的局部二值拟合模型在处理灰度不均匀图像方面有较大优势,但其只考虑原始图像灰度的平均统计信息,对于包含大量噪声的图像通常很难获得理想的效果。为克服上述缺陷,提出一种基于原始图像和差分图像统计信息的分割模型。该模型在原始图像灰度统计信息的基础上,加入差分图像信息,分别对原始图像和差分图像构造以高斯函数为核函数的能量方程,并运用梯度下降法求解,驱使活动轮廓向目标边缘演化。实验结果表明,与传统活动轮廓模型相比,该模型能正确提取含有噪声和信噪比低的图像,同时对初始轮廓曲线有更高的鲁棒性。     

基于红外云图的台风中心智能定位方法

台风中心附近的云墙是同心圆状云带且其灰度值范围较固定,针对该特点,利用红外云图对台风中心进行智能定位,提出由云图预处理、Snake活动轮廓模型提取台风云墙轮廓点、最小二乘法拟合圆组成的3步定位方法。实验结果表明,该方法定位速度快、精度高,能满足气象业务的实时性要求。     

扫描电子显微镜图像中粉煤灰珠状颗粒区域的自动提取

针对扫描电子显微镜图像中粉煤灰区域的提取问题,该文提出了基于区域生长的珠状颗粒区域提取方法。该方法自动选取种子区域,在边界约束下按灰度相似度生长,生长区域结合形状特征提取目标。提取结果比对人工提取区域,提取误差用提取面积的错分率和漏分率之和表示。实验的最小提取误差是6.8%,平均提取误差是8%,自动提取60张SEM图像的时间小于10分钟。提取时间和误差均可达到估算粉煤灰含量的要求。     

Color Image Segmentation for Objects of Interest with Modified Geodesic Active Contour Method

In this paper, we propose a novel variational method for color image segmentation using modified geodesic active contour method. Our goal is to detect Object(s) of Interest (OOI) from a given color image, regardless of other objects. The main novelty of our method is that we modify the stopping function in the functional of usual geodesic active contour method so that the new stopping function is coupled by a discrimination function of OOI. By minimizing the functional, the OOI is segmented. Firstly, we study the pixel properties of the OOI by sample pixels visually chosen from OOI. From these sample pixels, by the principal component analysis and interval estimation, the discrimination function of whether a pixel is in the OOI is obtained probabilistically. Then we propose the energy functional for the segmentation of OOI with new stopping function. Unlike usual stopping functions defined by the image gradient, our improved stopping function depends on not only the image gradient but also the discrimination function derived from the color information of OOI. As a result, better than usual active contour methods which detect all objects in the image, our modified active contour method can detect OOI but without unwanted objects. Experiments are conducted in both synthetic and natural images. The result shows that our algorithm is very efficient for detecting OOI even the background is complicated. Ling Pi received her PhD from the Department of Mathematics, East China Normal University in 2006. She is currently a lecturer in the Department of Mathematics, Shanghai Jiao Tong University. Her work involves the application of geometric and analytic methods to problems in image processing. Jinsong Fan received his MSc degree in mathematics from East China Normal University, Shanghai, China in 1996. Currently, he is a lecturer in the School of Mathematics and Information Science at Wenzhou University. His research interests include image processing and pattern recognition. Chaomin Shen received the MSc degree in Mathematics from the National University of Singapore (NUS) in 1998. He worked in the Centre for Remote Imaging, Sensing and Processing (CRISP), NUS as an associate scientist during 1998 to 2004. Currently he is a lecturer in Joint Laboratory for Imaging Science & Technology and Department of Computer Science, East China Normal University. His research interests include remote sensing applications and variational methods in image processing.