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．     

基于局部特征的遥感图像快速自动配准

针对图像处理领域中遥感图像的配准问题,提出一种基于图像局部特征的快速、自动配准方法。该方法选取具有良好尺度、旋转不变性以及精确特征点定位能力的SIFT局部特征,使用其特征向量间的欧氏距离作为相似性度量进行特征点匹配,并依据仿射变换误差准则去除奇异匹配特征点对,采用仿射变换的几何模型,实现了遥感图像的快速自动配准。实验结果表明,方法是高效、精确以及稳定的。     

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特征遥感影像自动配准与拼接

将SIFT特征用于遥感及航拍影像的配准和拼接,并针对RANSAC算法在SIFT特征匹配中效率低、同时还需要估计内点噪声均方差作为误差数据的门限等不足,采用一种基于投影的M估计算法,利用最优化准则和输入数据的内在联系绕开鲁棒估计对噪声均方差的依赖性。实验结果表明,对航空和航天遥感影像SIFT特征在一定程度的视点变化、光照变化、分辨率不同等情形下,该方法具有稳定、快速、可靠等特点。M估计则有效地解决了对于不同输入数据的门限选择,真正实现了无人工干预的自动配准。     

一种空域和频域相结合的遥感图像亚像素配准方法

扩展相位相关配准方法只适用于图像间相对运动小于图像尺寸的50%甚至30%的情况,其配准精度随着图像间运动增大而降低且易受边缘效应和混叠效应的影响.针对这种情况,本文做了如下改进:在使用相位相关法之前使用空间域方法粗配准,根据粗配准结果提取重叠区域形成两幅新图像,再对两幅新图像使用扩展相位相关进行精配准,解决了原方法只适用于图像间相对运动较小且精度随相对运动增大而降低的问题;为减弱边缘效应对配准精度的影响,通过实验评价了不同加窗方法,并给与了最优的建议;为减弱混叠效应对配准精度的影响,通过实验讨论了理想低通滤镜的截止频率的取值方法.实验证明这种方法不仅拓展了相位相关的使用范围而且在很大程度上提高了配准的精度.     

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VoxelMorph的可见光和红外遥感影像配准

由于可见光和红外的成像机理、成像波段不同,获取的遥感影像之间存在复杂的非线性辐射畸变,传统的配准方法难以实现两者的高精度配准。本文提出一种基于VoxelMorph的可见光和红外遥感影像配准方法,利用卷积神经网络对可见光和红外异源图像进行分步的精细化形变场计算,从而实现快速高精度配准。将可见光图像作为参考图像,利用U-Net网络计算待配准红外图像和参考（可见光）图像的形变场,实现全局对齐的仿射变换,然后通过空间转换网络进一步实现更高自由度变形。采用WHU-OPT-SAR数据集的实验结果表明,与基于尺度不变特征变换（SIFT）算法的传统配准方法相比,本文提出的基于VoxelMorph配准方法可以获得更好的配准效果,验证了基于VoxelMorph的配准方法在多源遥感影像领域的有效性。     

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。     

基于相移的三维扫描数据自动配准方法研究

在三维扫描过程中,常因受到设备自身因素与点云丢失的限制而难以一次性完成数据采集。为准确实现物体三维模型重构,提出基于相移的三维扫描数据自动配准方法。首先设置旋转台,利用非接触式结构光方法获得转动轴的有关信息,从而采集目标点云数据。在此基础上,结合任意一点与其周围点曲率信息建立曲率图,对全部顶点做曲率运算,将数据划分为连续子块,计算每个子块中平均值和方差,从而提取关键特征点。然后获取两幅具有部分重叠关系图像的相对位移,采用交叉功率谱的傅里叶变换完成位移估计,再通过构造与组合点对、粗略与精确配准去除噪声点,实现三维扫描数据自动配准。仿真实验表明,该方法能够在确保配准精度的同时提高配准方法的运行效率,可靠性和实用性较强。     

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。     

基于SIFT和改进的RANSAC图像配准算法

为解决RANSAC算法迭代次数过多导致图像配准精确率不高的问题,提出了一种改进的RANSAC图像配准算法。首先将参考图像和待配准图像进行NSCT变换分解成低频子带和高频子带。然后对高频子带运用矢量夹角算法和结构相似性（SSIM）来提取图像边缘特征点,对低频子带运用SIFT算法并设定合适的距离阈值来提取特征点。最后利用改进的RANSAC算法提高特征点匹配精度,选择出精匹配点对,实现图像配准。实验结果表明,该算法能有效地找到较多的匹配点对,准确地去除误匹配点对,明显地提高了配准精确度。     

基于SIFT特征的异源遥感影像匹配方法研究

由于不同传感器、多时相、多分辨率、多波段的遥感图像的光谱特征、空间特征、纹理特征等存在较大差异,为影像匹配带来了困难。针对异源遥感影像成像机理的不同特点,从影像特征角度,引入尺度不变特征变换(Scale-Invariant-Feature-Transform,SIFT)方法,实现光学影像、SAR影像和多光谱影像间的匹配;针对SIFT单向匹配算法的不足,引入匹配约束,采用双向匹配策略对其优化,提高了匹配的可靠性。实验表明,该算法具有稳定、可靠、快速等特点,适用于存在光谱特征、空间特征、纹理特征等差异的异源遥感影像的高精度匹配。     

改进多尺度特征提取的图像配准算法研究

利用Harris-Laplace算法对一幅图像进行多尺度特征点检测时,图像的局部结构在一定的尺度范围内被多次检测到,从而产生冗余点。冗余点不但增加了后续配准的计算量,同时由于这些表示同一局部结构的冗余点在位置和尺度上的差异降低特征匹配精度导致误匹配。通过对表示局部结构的特征点进行选择,提出了Harris-Laplace的改进算法。利用改进Harris-Laplace算法结合SIFT描述子,通过设定最小距离与次最小距离的阈值实现了图像的自动匹配,与原来算法作了大量的对比实验。实验结果表明,该算法不仅具有更好的旋转、光照和尺度不变性还具有获得稳定数量的匹配点的特性。同时,由于该算法相对于原算法在特征检测阶段减少了大量的冗余点,所以提高了图像配准的速度并降低了误匹配。     

多时相MODIS数据融合效果的分析与评价

MODIS是美国新一代地球观测卫星EOS计划中重要的传感器之一,其主要目标是实现对大气和地球环境变化的长期观测和研究,因此,充分挖掘并利用MODIS数据信息十分必要。采用IHS变换法、IHS_FFT法及IHS_WT法等多种方法对MODIS多时相数据进行融合比较,并从反映图像亮度、空间细节和光谱信息的三类统计参数给出客观评价分析结果。结果表明,IHS_WT方法的融合效果较优,特别是采用双正交小波基（bior6.8）,而IHS和IHS_FFT法存在一定得光谱扭曲现象。     

一种新的基于NSCT域的遥感图像增强算法

针对图像增强处理中产生的伪Gibbs现象、清晰度差等问题,利用下采样轮廓波变换（NSCT）的平移不变性特点,来抑制伪Gibbs现象,同时把模糊对比度和空间频率相结合来处理NSCT系数,提高了增强后图像的清晰度。实验结果证实,该算法使得增强后图像的质量明显优于常用的增强算法,具有一定实践价值。     

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。     

结合不同光学影像结构信息的SIFT特征配准法

由不同传感器摄取的遥感影像由于成像模式、拍摄角度和分辨率不同,给两者之间的配准造成了很大的困难。针对这个问题,提出了基于结构信息的SIFT特征配准法,首先提取具有角度和尺度不变性的SIFT特征点,对其进行归一化处理,降低了不同光学传感器遥感影像色调差异大的影响;然后通过对SIFT匹配点对结构信息的一致性检验,增强了算法的鲁棒性;最后结合最小二乘法实现自动配准。选取了角度和尺度偏差较大的SPOT-5（Pan）与ASTER影像、SPOT-5（XS/XI）和TM影像两组数据进行实验。实验结果证明该算法对配准影像在角度、尺度和色调上的偏差具有较强的鲁棒性,可以取得较高的配准精度。