基于归一化SIFT算法的不同光学影像配准

由不同传感器摄取的遥感影像因成像模式、拍摄角度和分辨率不同,给两者之间的配准造成困难。针对该问题,提出归一化SIFT算法,通过对SIFT描述子归一化的处理,降低不同光学影像色调差异大的影响,并通过与最小二乘法和双线性内插法的结合,完成自动配准。选取角度和尺度偏差较大的SPOT与ASTER影像、ASTER与TM影像2组数据进行实验。结果证明,该算法鲁棒性强,配准精度高。     

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。     

多尺度、多角度异源遥感影像配准方法研究

针对具有显著尺度和角度差异的异源遥感影像配准中存在的问题,引入具有角度不变性和同一尺度的空间辅助圆,克服角度和尺度偏差;选取对异源影像的光谱差异具有高鲁棒性的归一化互信息测度,基于空间辅助圆提取统计特征进行区域配准。该方法还将同名特征点的搜索范围限制在辅助圆内,在保证算法搜索效率的同时提高了配准的精度。选取具有较大尺度和角度偏差的异源遥感影像进行实验,通过与基于空间辅助面的配准方法相比较,证明基于空间辅助圆的归一化互信息配准方法对角度和光谱偏差具有较高的鲁棒性,配准模型的精度小于一个像素。     

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。     

基于虚拟搜索窗口的光学和SAR影像配准

光学和SAR影像的成像机理及像元表现形式互不相同,给两者的精配准造成很大困难。针对上述问题,提出基于虚拟搜索窗口的区域配准法,根据配准影像的空间特征,构建虚拟搜索窗口,将空间特征和灰度统计特征结合用于光学和SAR影像的自动配准,在保证算法搜索效率的同时提高配准精度。选取具有较大尺度和角度偏差的RADARSAT-2与ASTER影像进行实验,结果证明该算法对光学和SAR影像之间的角度和尺度偏差具有较强的鲁棒性,配准精度小于一个像素。     

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。     

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.     

具有SIFT描述的多尺度角点图像配准

角点含有丰富的图像结构信息,在图像配准中是广泛应用的图像特征。Harris算法是经典的角点提取算法,Harris角点对图像旋转具有不变性,但对尺度变化敏感,在有尺度变化的图像配准中,应用受限。仿照SIFT特征点提取过程,提出了一种多尺度角点提取方法,提取的多尺度角点对图像旋转和尺度变化有很好的适用性。并用SIFT描述子描述,用光学及SAR图像进行了配准实验。结果表明,与SIFT、Harris算法相比,本文方法在保证配准精度的基础上,配准时间减少40%以上,特征点在配准过程中的利用率提高一倍多。     

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。     

航空遥感图像拼接算法及其精度评价

针对航空遥感成像范围小、视差角大的特点,提出一种航空遥感图像拼接算法。通过估算图像相对方位矩阵,使用透视变换实现图像校正,解决大视差角下的畸变问题。利用SIFT算法和基于概率密度的错误匹配点剔除方法,实现高精度图像配准,并通过小波变换完成图像融合工作。实验结果表明,在不同地表情况下,该算法的拼接性能均优于传统SIFT算法。     

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。     

遥感图像恢复与遥感器MTF 在轨检测技术

遥感成像过程受到大气和成像系统中的光学、探测器和电子学子系统等的影响, 引起成像退化作用, 造成图像模糊, 降低了图像中信息的提取能力。图像恢复技术可以改善图像的质量, 提高图像信息提取能力。依据图像恢复技术的要求, 高精度成像系统调制传递函数(MTF) 是高质量图像恢复的基本条件。针对不同遥感器之间、同一遥感器不同时期存在的成像性能变化, 所引起成像系统MTF 变化的实际情况, 介绍了成像过程中系统MTF 在轨运检测方法。着重于介绍刃边法, 对刃边法的原理、刃边法检测对地物景观的要求等进行了详细分析, 对这一方法中有关图像景物的行扫描采样、扫描行的配准以及对所获得的边扩散函数的拟合等关键技术进行了详细介绍, 这些技术是保证较高精度获取遥感图像MTF 的基础。文章在介绍基于成像系统MTF 图像恢复技术后, 通过实验检验了方法的可行性, 结果表明以MTF 在轨检测为基础的图像恢复技术, 可以明显地提高遥感图像质量。     

卫星遥感及图像处理平台发展

航天科技是国家综合国力和科技实力的重要体现,而卫星遥感则是航天科技转化为生产力最直接、最现实的途径之一。遥感数据获取与分发、数据处理与信息提取是卫星遥感应用的两个基本步骤。随着国家民用空间基础设施规划中的遥感卫星体系稳步推进,以及商业卫星遥感的蓬勃发展,我国的卫星遥感数据获取能力呈现质量齐升之势。但同时,作为卫星遥感应用的基础设施和关键工具,遥感图像处理系统平台逐渐成为制约自主卫星数据应用和空间信息业务发展的重要因素之一。本文围绕卫星遥感对地观测主题,从卫星遥感数据获取能力、卫星遥感数据处理系统平台两方面,对国内外现状进行综述,在此基础上分析了卫星遥感的发展趋势。     

遥感技术在毒草识别中的研究进展

毒草的滋生蔓延严重破坏草地生境,制约草地畜牧业的发展。遥感技术作为牧场管理的一种重要的技术手段,其传感器自身的空间分辨率和光谱分辨率的高低是决定毒草识别成功与否的关键。于毒草独特的物候特征出现时获取影像数据能帮助提高分类识别的精度。回顾了3种遥感技术在毒草识别中的研究进展。航空摄影成本高、数据处理复杂,难于得到推广 ;多光谱卫星遥感大多空间分辨率低,仅在识别大面积滋生、密度较大的毒草方面展现出了一定的潜力 ;高光谱遥感的出现改善了对植被分类识别的精度,是未来毒草识别的主要依据。由于高光谱数据的冗余性和复杂性,数据处理技术和分类方法的选择也是影响毒草识别精度的重要因素。     

光学遥感图像信噪比评估方法研究进展

遥感图像数据的信噪比是评价遥感传感器获取数据质量的一项重要指标,图像数据的信噪比能够在很大程度上反映遥感仪器的信噪比性能。介绍了通过遥感图像分析评估传感器信噪比的常用方法,以及这些方法的优缺点。并从原理上对各种方法进行了方法间的性能对比分析,包括方法的自动化程度、运算速度、鲁棒性、适用面、准确程度和对图像计算区域的要求等。此外,提出有必要对各种算法进行在实际应用中的比较分析,从而能够针对不同遥感器和不同类型的遥感图像选择最好的评估方法,达到合理、准确地应用这些方法的目的。     

黑河综合遥感联合试验中机载WiDAS数据的预处理方法

机载红外广角双模式成像仪(Wide-angle Infrared Dual-mode line/area Array Scanner\|WiDAS)是黑河综合遥感联合试验中的主要机载传感器之一,它通过可见光到热红外波段的广角成像,获取地表二向反射和热辐射方向性信息,介绍了WiDAS数据的预处理关键算法及关键参数。WiDAS传感器的可见近红外波段与中红外、热红外波段在探测器性能、空间分辨率和目标辐射特性方面都有显著差异,因此它们的预处理具有不同的算法。可见近红外波段的CCD相机用积分球定标,用简单的多项式形变函数进行波段间配准,用6S模型和实测气溶胶光学厚度进行大气校正。中红外、热红外波段的红外相机则用面元黑体定标,波段配准中采用了复合的形变函数和较为复杂的配准算法,大气校正采用MODTRAN模型和实测大气廓线。还介绍了从WiDAS标准预处理产品中提取目标的多角度观测的方法,这些信息为使用WiDAS数据产品开展定量遥感研究和应用提供参考。     

The Short Wave Aerostat-Mounted Imager (SWAMI): A novel platform for acquiring remotely sensed data from a tethered balloon

We describe a new remote sensing system called the Short Wave Aerostat-Mounted Imager (SWAMI). The SWAMI is designed to acquire co-located video imagery and hyperspectral data to study basic remote sensing questions and to link landscape level trace gas fluxes with spatially and temporally appropriate spectral observations. The SWAMI can fly at altitudes up to 2 km above ground level to bridge the spatial gap between radiometric measurements collected near the surface and those acquired by other aircraft or satellites. The SWAMI platform consists of a dual channel hyperspectral spectroradiometer, video camera, GPS, thermal infrared sensor, and several meteorological and control sensors. All SWAMI functions (e.g. data acquisition and sensor pointing) can be controlled from the ground via wireless transmission. Sample data from the sampling platform are presented, along with several potential scientific applications of SWAMI data.     

Fast algorithms for estimating aerosol optical depth and correcting Thematic Mapper imagery

Remotely sensed images collected by satellites are usually contaminated by the effects of atmospheric particles through the absorption and scattering of radiation from the earth's surface. The objective of atmospheric correction is to retrieve the surface reflectance from remotely sensed imagery by removing the atmospheric effects, which is usually performed in two steps. First, the optical characteristics of the atmosphere are estimated and then the remotely sensed imagery is corrected by inversion procedures that derive the surface reflectance. In this paper we introduce an efficient algorithm to estimate the optical characteristics of the Thematic Mapper imagery and to remove the atmospheric effects from it. Our algorithm introduces a set of techniques to significantly improve the quality of the retrieved images. We pay particular attention to the computational efficiency of the algorithm, thereby allowing us to correct large TM images quickly. We also provide a parallel implementation of our algorithm and show its portability and scalability on three parallel machines.