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。     

一种遥感影像的自动配准方法

图像配准技术是图像融合、图像镶嵌以及影像三维重建的基础．提出了一种基于SUSAN(Smallest Univalue Segment Assimilating Nucleus)算子的图像配准方法．利用SUSAN算子提取两幅图像的角点，通过粗匹配和细匹配两个步骤得到匹配角点对．根据这些角点对对图像配准．试验表明该方法能有效的实现影像自动配准．     

一种遥感图象自动配准方法

遥感图象的配准是多项重要的图象处理工作(如图象融合、图象比较、图象计算等)的前提。该文提出了一种简单可靠的遥感图象自动配准方法,该方法利用待配准图象之间的灰度相关性,首先采用改进的有利算子(兴趣算子)自动地在基准图象上搜寻特征点,然后进行特征点匹配,在待配准图象上搜寻特征点的同名点,并按相关性的大小从中筛选出有效的控制点,构成不规则三角网(TIN),最后对三角网中的每一个三角形进行多项式拟合和插值变换。与传统的人工输入控制点方法相比,该文提出的方法具有更高的精确度,而且节省了人力和时间,实验证明具有一定的实用性。     

一种新型遥感图像配准方法

提出了一种新型全自动稳健的遥感图像配准算法。首先,在图像二维平面空间和尺度空间中同时检测局部极值作为特征点,并在特征点邻域提取局部不变特征描述子一尺度不变特征变换（SIFT）。然后,利用距离测度进行SIFT特征匹配得到初步的匹配集合。最后,运用稳健的随机采样一致性（RANSAC）算法将匹配点集划分为内点和外点,在内点域上精确地估计出图像变换模型。实验利用仿真数据测试了SIFT特征的可重复性和可匹配性,利用卫星图像验证了该自动配准算法的有效性和稳健性。     

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。     

影像匹配误匹配点的剔除算法

景像匹配过程的复杂性不可避免地会产生误匹配点。基于巡航导弹机动性能的规律，巡航导弹飞越一个匹配区得到的各个匹配点的似合曲线具有一定的变化规律。据此，提出了影像匹配误匹配点剔除的3种算法：⑴基于匹配点拟合曲线曲率较小的算法；⑵基于匹配点拟合曲线为直线的算法；⑶利用惯性导航短时间测量距离的精确性剔除误匹配点的方法。采用试飞试验数据对这3种算法进行仿真验证的结果表明，这3种算法在相应条件下，均能有效地剔除误匹配点，并能满足影像匹配实时怀的要求。     

基于分层多模板匹配的影像自动配准方法研究

提出一种基于分层多模板匹配的高空间分辨率影像的自动配准方法,并根据不同季相遥感影像的特点提出稳定性模板自动选取的方法和流程,详细描述了基于梯度能量的模板选取方法,以及如何筛选容易受到噪声、动态目标干扰的模板区域,如基于植被覆盖度的方法筛选可能受到植被季相变化的模板。同时,还运用了小波多尺度图像分解和自适应匹配的方法来减小模板匹配中数据计算量和搜索空间。通过模板匹配的精度和最小二乘法对匹配后的模板进行筛选,建立图像之间的影射关系,从而实现遥感影像的自动配准。     

一种运动捕获系统中误匹配点的剔除算法*

在特征点的提取阶段通过利用先验知识的迭代法得到二值化阈值,然后依据轮廓特征排除非特征点。对于特征点的匹配,首先根据极线约束得到初始候选点对,再通过松弛匹配算法和三角测量法剔出误匹配,得到最终的匹配点对;最后利用以上匹配算法给出了一种简便的多摄像机间特征点匹配的策略。实验结果表明算法匹配正确率高。     

一种鲁棒的匹配点检测算法

控制点的快速有效检测与匹配是遥感图像应用中的一项关键技术。通过对现有的特征点检测算法的分析与比较,提出了一种控制点的检测与匹配算法。仿真结果表明,该算法不仅可以实现控制点的自动检测与匹配,而且速度快、精度高。     

基于结构特征的遥感影像匹配

影像数据的获取受到传感器、大气、光照等多种因素影响,影像数据本身即存在成像的不确定性,且用于匹配的影像数据间常存在较大的尺度、旋转差异,因此利用传统的基于区域灰度的匹配方法很难实现遥感影像的自动匹配.针对遥感影像数据的复杂性,结合不变矩的优良性质,提出一种基于地物结构特征的影像自动匹配方法.首先基于RANSAC(random sample consensus)算法提取影像直线特征,并进一步根据地物构造特征,在直线特征的基础上,设计并实现结构特征提取方法;然后利用结构特征的不变矩及空间相似性测度自动检测最优匹配特征对,实现影像的初始匹配;最后采用松弛匹配等方法,并对松弛匹配结果进行优化,实现影像全局匹配.为了验证算法性能,采用仿真数据和实地遥感影像进行测试,实验结果表明,本文方法不受旋转、缩放等因素影响,能实现遥感影像的自动快速匹配.     

多时相遥感影像的深度卷积匹配算法研究

针对传统人工设计的特征描述符在面对几何差异和辐射差异较大、地物变化明显的多时相遥感影像时,容易造成大量误匹配问题,提出一种适用于遥感影像的双筛选双约束的卷积神经网络匹配算法,通过CNN提取影像深层语义特征图,在特征图中筛选同时满足优先最大原则和精确极值原则的关键点,并在对应位置提取512维描述符。在特征匹配阶段,通过由粗到精的反向匹配约束和RANSAC约束相结合的策略,保证了误匹配点有效剔除的同时保留一定数量的正确匹配点对,提高了匹配的精度。实验结果表明：该方法的匹配数量适中,正确匹配率较实验选取的其他算法相比有所提高,影像配准误差减小2个像素左右,匹配运行时间提升明显,匹配效果良好并且具有一定的适应性和鲁棒性。     

遥感图像边缘特征提取与融合方法研究

针对单一传感器的局限性,通过多传感器融合技术,最大限度地获取对目标场景的边缘信息描述。由于光学图像和SAR图像成像机理不同,即便配准精确的图像提取出来的边缘也会出现不重合的情况。首先采用离散域Canny算法提取光学图像边缘特征,用ratio算法提取SAR图像边缘特征,通过不变矩算法对两幅边缘特征图中的边缘进行匹配融合,得到了比单一图像边缘特征图更完整更清晰的边缘特征图,获取了更多的目标场景的信息描述。     

一种改进的快速特征点信息匹配算法

特征点匹配在图像检索、模式识别等技术中起着重要的作用。已有的匹配算法如SIFT（DoG）,Harris以及SUSAN算法,虽然可以提取高质量的特征点,但是这些算法本身计算量比较大,难以将其运用于实时性要求比较高的应用中。提出一种改进的快速特征点匹配算法,采用Guoshen Yu和Jean-Michel Morel提出的全仿射方法,对局部特征点进行仿射变换并模拟摄像机成像原理,根据摄像机成像的仿射关系提取特征点并使用随机蕨类算法训练分类器,使用RANSAC去除坏点,实现对特征点的快速准确匹配。实验结果表明该方法提高了图像的匹配点数,同时降低了匹配时间。     

针对重复模式图像的成对特征点匹配

目的 含有重复模式的图像会对局部特征描述符产生歧义,因此基于局部特征的匹配算法在此类图像的匹配过程中极易产生误匹配.同时,通过研究现有的引入全局特征描述符的匹配算法,发现全局特征同样依赖于计算局部信息所得到的特征点主方向,所以此类方法在含有重复模式的图像中也不容易得到令人满意的匹配效果.为了解决这一问题,提出一种基于成对特征点的图像匹配算法.方法 该方法利用成对特征点的方向向量作为特征点对的主方向,为特征描述提供了正确的方向信息,同时引入DAISY描述符与改进后的全局上下文(globalcontext)特征描述符,提高了匹配能力.结果 分别在模拟图像与实际图像上面进行了对比匹配实验,本文算法平均的匹配正确率能达到88％以上,比其他经典的匹配算法提高了26％以上.结论 实验结果表明,本文算法克服了现有算法在特征描述与主方向分配上的缺陷,进一步提升了匹配正确率,能够有效地解决重复模式图像的匹配问题.     

基于直线特征的图像配准算法

为实现高效率、高精度的图像配准,提出了一种利用图像边缘直线特征的图像配准算法。首先利用LoG算子提取参考图像和待配准图像的边缘信息,利用Hough变换提取图像边缘信息中的主要直线;然后以直线特征定义了参考图像和待配准图像的相似性度量,以此度量估计旋转角度,找出直线组的对应关系;最后在这些直线组中选取配准控制直线,计算配准参数,对图像配准。经过实验,验证了该算法的有效性。     

一种基于深度学习的遥感图像目标检测算法

遥感图像分析在国土资源管理、海洋监测等领域有着极为广阔的应用前景。深度学习技术已在图像处理领域取得突破性进展,然而,遥感图像固有的尺寸大、目标小而密集等特点,使得将面向普通图像的深度学习方法用于遥感目标检测普遍存在定位不准确、小目标检测难、大图检测精度差等问题。针对上述难题, 提出了一种新型遥感图像目标检测算法DFS。与传统机器学习方法相比,DFS 设计了新的维度聚类模块、定制损失函数和滑动窗口分割检测机制。其中,维度聚类模块通过设计聚类机制优化定制先验框,提高定位精度;定制损失函数提高对船只等小目标的检测精度;滑动窗口分割检测解决大图检测精度低的问题。在经典遥感数据集上开展的实验对比表明,与YOLOv2相比,DFS算法的mAP提高了256%,小目标检测效率及大图检测效能大幅提高。     

图像空间与手术空间点配准算法

手术导航系统中手术空间与图像空间点配准方法,普遍使用无约束最小二乘法求出三维刚体变换矩阵,由于测量误差,求出的矩阵存在着缩放、错切和反射等形变,不是严格的三维刚体变换矩阵。提出有约束最小二乘法,约束条件为正交矩阵,使用迭代法使变换矩阵正交化,从而逼近最优变换矩阵,从理论上解决了点配准算法的工程实现。