基于循环生成对抗策略的遥感图像匹配算法北大核心CSCD

针对异源遥感影像成像模式、时相、分辨率等不同导致的图像匹配困难问题,提出了一种基于循环生成对抗策略的遥感图像匹配算法。构建了跨数据域图像特征迁移的循环生成对抗网络(generative adversarial network,GAN),设计SmoothL损失函数对网络进行优化,提高遥感图像特征提取精度,并基于图像特征迁移结果,建立三元组距离排序损失函数(trioplet margin ranking loss,TMRL)降低遥感图像的误匹配点数,实现异源遥感图像的准确匹配。实验结果表明,本文方法将异源遥感图像匹配平均准确率提升了33.51%,与CMM-Net(cross modlity matching net)方法相比,具有更好的遥感图像匹配效果。此外,本文方法不需要目标域图像的标注信息,匹配时间缩短了0.073s,能快速准确实现异源遥感图像匹配。     

一种基于Zemike矩和稳态遗传算法的遥感图像匹配方法

该文提出了一种基于稳态遗传算法和Zernike矩的遥感图像匹配方法。将稳态遗传算法快速而有效的全局寻优特点应用于遥感图像的匹配定位。考虑到旋转畸变,采用遥感图像的Zernike矩作为相似性量度,实现遥感图像的匹配。实验结果表明,该算法可以克服图像的旋转畸变,在保证一定的匹配精度下,具有较高的匹配效率。     

液晶显示器的摄像头性能检测软件系统设计

图像匹配技术已经越来越广泛地应用于各个领域,以开发液晶显示器的摄像头性能检测系统为研究背景,为了提高软件系统的图像检测功能,首先,简单地介绍了常用的图像匹配算法,然后,选取了两种图像匹配算法:基于相似度比较的图像灰度匹配算法和基于内容检索的颜色特征匹配方法,最后,实现了这两种算法以提高软件系统的准确度,从而可以实时在线判断液晶显示器摄像头品质的好坏,大大提高了产品的品质.     

景象匹配技术发展概述

文章根据图像匹配算法的三大分类:基于区域的图像匹配技术、基于特征的图像匹配技术、基于解释的图像匹配技术,介绍了景象匹配国内和国外发展的现状和面临的问题.提出了在充分分析现有景象匹配算法适应性和相关性的基础上,形成能够适应不同影像、不同影像特征的景象匹配算法组合;利用不同影像特征或获取的匹配信息知识,自动推理和选择景象匹配算法或算法组合,提高景象匹配算法的适应性和可靠性,提高复杂条件下景象匹配系统性能.     

基于残差伪孪生卷积互相关网络的异源遥感图像匹配算法

合成孔径雷达（SAR）成像和可见光成像是遥感卫星的常用成像方式。由于两者在成像信息上具有高度互补性,SAR和可见光的图像数据融合已成为了遥感的一个重要研究领域。异源数据匹配算法的性能直接影响获取地面控制点的精度,匹配算法分为二阶段法和一阶段法,现有的二阶段法难以适应地形复杂的遥感图像,且在速度上无法满足实际的工程需求,而速度满足要求的一阶段法在精度上仍有所欠缺。为解决这个问题,提出了一个可端到端的高精度的基于残差伪孪生卷积互相关网络的异源遥感图像匹配算法。所提算法通过构建基于残差层的伪孪生网络,对提取的SAR和可见光图像的特征进行卷积互相关操作从而实现异源遥感图像匹配。实验结果表明,该算法在保持较高的速度下,较大提升了SAR与可见光图像的匹配精度,为深度学习方法在大规模异源遥感图像匹配任务中的工程应用奠定了基础。     

基于特征点的快速匹配算法

为了实现快速、高精度的图像匹配,将基于灰度的图像匹配技术与基于特征的图像匹配技术相结合.定义了一种灰度值特征.并提出一种基于图像灰度值特征点的快速匹配搜索算法.该算法利用得出的灰度值特征点作为搜索依据,改变了传统匹配方法遍历性质的搜索策略.由于特征点的选取对噪声和灰度值的线性变化具有一定的"免疫性".因此对灰度值不均匀的图像匹配问题同样适用.该算法在大大提高匹配速度的同时兼顾了匹配精度,实现了高效率、高精度的图像匹配.通过实验,证实了该算法的快速性和准确性.     

一种高精度的图像匹配算法

为了解决光谱恢复对图像匹配高精度的问题,提出了一种高精度图像匹配算法——利用光流确定图像的运动场对图像进行匹配。该算法克服了传统的基于灰度匹配方法受图像插值精度影响的缺陷以及运算速度和精度的局限性。与基于MAD块匹配算法和归一化相关系数块匹配算法进行比较,该算法实现了图像序列高精度匹配,而且硬件实现简单,计算复杂度较低。     

一种改进的RANSAC图像匹配算法

图像匹配（Image registration）是将不同时间、不同成像设备在不同条件下（气候、光照、方位等）获取的两幅或多幅图像进行匹配的过程。图像匹配是图像分析和处理的基本问题,在计算机视觉、模式识别、医学图像处理、遥感融合、影像分析等领域都有重要应用。采用最广泛的是基于特征点的图像匹配算法,其中用得最多的是采用SIFT（scale invariant feature transform）算子来描述一幅图像的特征,进而采用RANSAC算法来剔除误匹配点。然而传统RANSAC算法在图像不同尺度上去掉误匹配点的精度不高。因此,本文提出一种改进RANSAC算法的图像匹配算法,可以大大提高特征点的寻找和匹配精度,得到较好的匹配结果。     

基于梯度图像的改进SSDA方法

介绍梯度图像匹配相关的基本原理，针对传统匹配相关算法的不足，提出了基于梯度图像的匹配相关的设计思想，并给出了获得梯度图像的方法。为了提高图像匹配相关的定位精度和实时性，在序贯相似性检测(SSDA)算法的基础上，提出了一种基于梯度图像的改进的序贯相似性检测方法。实验结果表明，该方法具有较高的定位精度和实时性。     

基于匹配跟踪置信度的自适应对应像素距离图像匹配跟踪算法

本文结合最小绝对差度量(MAD)和(Hausdroff)距离度量两者的基本思想的优点,提出了一种新的对应像素距离相似性度量方法和自适应模板图像匹配跟踪算法,设计了帧间和帧内匹配跟踪置信度,提出了基于匹配跟踪置信度的自适应对应像素距离图像匹配跟踪算法.并对基于匹配跟踪置信度的自适应对应像素距离图像匹配跟踪算法的匹配跟踪性能进行分析,实验结果表明:该算法具有较强的抗噪、抗畸变能力和匹配跟踪稳定性,具有较高的匹配精度和匹配概率.     

采用各向异性尺度空间的遥感图像配准

基于多特征点的遥感图像配准方法应用在油田遥感图像上时,很难为其找到足够多的正确对应关系且花费时间也较长.为此,提出了基于各向异性尺度空间的遥感图像配准方法.该算法首先使用自适应的侧窗滤波技术构建各向异性尺度空间,然后采用改进的邻域分块思想进行特征描述,最后使用增强的匹配点过滤增加特征点匹配的数量.实验结果表明,所提方法不仅保证了配准精度在90％以上,而且在速度上比原算法提高了10％以上.     

基于集群和GPU的高光谱遥感影像并行处理

以高光谱遥感影像数据处理中的主成分分析（PCA）和最小噪声分离（MNF）以及光谱相关系数填图（SCM）算法的并行化为目标,分别在集群环境下基于MPI设计并实现了协方差矩阵并行算法,以及基于GPU设计并实现了SCM并行算法,并在高光谱遥感影像数据处理中得到应用和验证。实验结果表明,高光谱遥感影像数据处理高性能计算对于提高和改善其时间性能具有显著效果,是高光谱遥感工程化应用快速处理重要的技术手段。     

基于海岸线区域两类不同轴遥感设备之间匹配应用

以高光谱分辨率的空间外差光谱仪为例,针对其获取地表目标干涉数据的特点,提出一种利用高空间分辨率遥感图像中海岸线区域的大面积均匀地貌且地表反射率有突变的特征来对空间外差光谱仪进行指向配准的方法,实现了不同轴成像遥感设备与非成像遥感设备之间的匹配应用.利用空间外差光谱仪在多个对地观测点的结果干涉数据和相同经纬度区域的高空间分辨率图像数据进行地基测试实验,将配准校正值结果与其标称值进行对比,误差范围在-3%~5%.结果表明,该方法可为星载不同轴成像遥感设备与非成像遥感设备之间匹配应用提供参考依据.     

光学卫星遥感图像舰船目标检测综述

遥感图像的目标检测是把海量遥感数据转化为应用成果的重要一环,而光学遥感图像中舰船目标的检测更是遥感图像处理分析的研究热点,具有重要的应用价值.本文的主要目的是研究光学遥感图像中舰船目标检测的各种方法,对目前采用的检测方法做出系统性总结.重点介绍了基于灰度信息统计特征、视觉显著性、模板匹配和分类学习的四种传统舰船目标检测方法和深度学习方法在舰船目标检测中的应用,并分析了各种方法的优缺点和适用性,同时对舰船目标检测的未来发展进行了展望.     

一种基于距离变换和遗传算法的遥感图像区配算法

该文提出了一种基于距离变换和遗传算法的遥感图像匹配算法。先对参考图像和目标图像进行直方图处理,以克服不同光照条件下带来的匹配误差,在此基础上对参考图像和目标图像进行距离变换。最后利用遗传算法对距离变换后的图像进行匹配操作。实验结果表明,该算法不仅能满足一定的匹配精度,而且具有较高的匹配效率。     

改进图像配准算法在无人机遥感图像拼接中的应用

针对传统图像拼接方法的不足, 提出一种基于改进SIFT算法的图像拼接方法, 并将其应用于无人机遥感图像拼接算法中。首先, 采用Harris算子角点检测遥感图像的特征点, 然后用改进的SIFT算法进行特征点的描述, 通过对高维数据进行降维处理, 减小运算量; 匹配完成后, 采用随机抽样一致性(RANSAC)算法消除误匹配; 最后采用渐入渐出加权平均融合法进行图像融合。实验结果表明: 采用所提出算法能有效剔除遥感图像之间的误匹配, 减小时间复杂度, 更好地消除拼接缝隙。     

改进图像配准算法在无人机遥感图像拼接中的应用

针对传统图像拼接方法的不足,提出一种基于改进SIFT算法的图像拼接方法,并将其应用于无人机遥感图像拼接算法中。首先,采用Harris算子角点检测遥感图像的特征点,然后用改进的SIFT算法进行特征点的描述,通过对高维数据进行降维处理,减小运算量;匹配完成后,采用随机抽样一致性(RANSAC)算法消除误匹配;最后采用渐入渐出加权平均融合法进行图像融合。实验结果表明:采用所提出算法能有效剔除遥感图像之间的误匹配,减小时间复杂度,更好地消除拼接缝隙。     

基于椭圆傅里叶描述子的遥感图像配准算法

传统的基于点特征的图像配准算法在遥感图像配 准时提取的特征点数量大、分布密,易产生误匹配,导致特 征匹配的效率和精度低。为此,本文利用椭圆傅里叶描述子(EFD)能较好保留 形状信息的特点,提出了一种基于EFD的 图像配准算法,根据匹配的边界对预估变换参数,给出特征搜索范围,从而有效地提 高特征搜索的效率。实 验结果表明,所提出算法能有效抑制误匹配的产生,提升特征匹配的效率,尤其是对于纹理 丰富的大尺寸图像,提 升效果更加明显,验证了本文算法对遥感图像配准的适用性。     

基于列相关的热红外高光谱遥感图像非均匀性校正

由于探测单元之间响应不一致、电子增益和偏置发生变化、焦平面污染和损伤等因素,推扫式热红外成像光谱仪获取的图像常常表现为图像列之间不均匀,条带噪声严重,影响了热红外高光谱遥感图像的后续处理和应用。结合推扫式成像光谱仪非均匀性的来源和成因,以相邻地物的相关性为理论基础,提出了适用于热红外高光谱遥感图像的非均匀性校正方法。该方法的步骤是,首先逐波段对原始热红外高光谱遥感图像进行标准矩匹配校正,得到标准矩匹配校正图像;然后,以标准矩匹配校正图像为基础,选择相邻两列像元中相同的地物像元;最后,用两列中相同的地物像元,通过线性回归得到后一列的校正系数,并对其进行校正,顺次遍历一个波段的所有列,完成一个波段图像的非均匀性校正。按照此过程,遍历一幅热红外高光谱遥感图像的所有波段,完成一幅热红外高光谱遥感图像的非均匀性校正。将该方法应用于推扫式热红外光谱成像仪实际获取图像的非均匀性校正中。结果表明,相比矩匹配方法,在保证非均匀性校正效果的情况下,本文方法的各列均值和标准差更符合实际情况。