基于相位一致特征的CBERS-02B遥感图像自动配准

以CBERS-02B卫星HR高分辨率和CCD多光谱遥感图像数据为基础,针对基于特征的自动配准方法中的特征检测与特征匹配两个关键步骤,通过引入性能优良的相位一致特征检测方法和特征相似与空间关系相结合的特征匹配策略,实现了一种基于相位一致特征的遥感图像高精度自动配准方法。实验结果表明,该方法对遥感图像亮度和对比度具有不变性,能稳定可靠提取HR高分辨率和CCD多光谱遥感图像显著的点特征,精确匹配相位一致特征点,实现了CBERS-02B卫星不同谱段,不同传感器和不同时相遥感图像间高精度自动配准,所进行实验的自动配准精度均到达了优于0.3 像元的系统配准精度。因此,该自动配准方法适合应用于有高配准精度要求的遥感图像间自动配准。     

多源遥感图像配准技术综述

从成像光谱特性、成像分辨率和成像模式等方面对可见光、红外、高光谱和合成孔径雷达传感器的成像特点进行分析,根据一致性特征描述方法对多源遥感图像配准算法进行分类,指出多源遥感图像具有成像特性变化大、相关度小、匹配特征的空间分布不均匀等特点,其配准技术的关键在于提取不变的图像特征以及得到有效的匹配特征。     

大幅面多光谱遥感图像快速自动配准

针对大幅面多光谱遥感图像的配准需求,提出一种基于特征点的快速全自动配准方法。由于多光谱遥感图像的尺寸较大,计算量大,因此提出特征网格理论,即根据图像灰度值、信息熵值及特征分布均匀性准则,在二级规则网格中选取特征网格参与后续运算,以减小计算量。同时,该理论为SIFT(Scale Invariant Feature Transform)特征点提取算法的并行运行及特征点初匹配方法的改进提供了条件,提高了算法的效率及配准精度。利用本算法对CBERS-02B拍摄的遥感图像进行了实验。结果表明,该方法能够达到亚像素级配准精度,且计算速度快,能够满足大幅面遥感图像处理的要求。     

基于U-net分割与HEIV模型的遥感图像配准方法

在利用航拍遥感图像进行土地测量与变化检测时,需要对图像进行配准处理。为实现目标区域的高精度匹配,提出一种遥感图像配准方法。对图像进行U-net分割,以适用于小样本数据集的处理,针对不同区域特征的误差,将变量含异质噪声模型应用于配准参数估计,提高目标区域的配准精度。实验结果表明,与基于Harris角点的配准方法相比,该方法的全局平均配准精度提高41.39%,与基于SIFT特征点的配准方法相比,其感兴趣区域的平均配准精度提高16.67%。     

基于残差密集网络的多源遥感图像自动配准

文章设计了基于残差密集网络的多源遥感图像自动配准方法。通过计算遥感图像的像素值,完成对遥感图像的采集与转换,利用残差密集网络采集遥感图像的局部特征,并结合遥感图像的全局特征,实现遥感图像的特征匹配,从而计算出遥感图像的阈值,实现多源遥感图像的自动配准。在仿真实验,与以往的多源遥感图像自动配准方法相比,基于残差密集网络的多源遥感图像自动配准方法图像配准的结构相似性为0.967,具有更高的配准精度。     

基于特征点的多光谱遥感图像配准

提出一种基于特征点的多光谱遥感图像配准算法。首先在图像上建立二级规则网格,根据信息嫡值及特征分布均匀性准则选取特征网格;然后利用Forstner算子在特征网格中提取特征点,针对多光谱图像的特点,利用基于相关性原理的粗匹配和改进的基于空间距离约束的精匹配确立特征点的对应关系;最后通过仿射变换得到配准后的图像,并用均方根误差评价配准效果。实验结果表明,该方法计算速度快,且能够达到亚像素级配准精度。     

密集结构改进双通道神经网络的遥感图像配准

针对部分传统算法对于遥感图像配准精度较低的问题,提出一种密集结构改进双通道卷积神经网络的遥感图像配准方法。对输入的图像采用密集结构改进的双通道卷积神经网络模型进行特征提取;用粒子群算法改进的随机一致性点漂移算法进行特征匹配得到仿射变换系数;使待配准图像能够根据该系数实现变换,达到配准目的。实验表明,改进算法比传统算法的配准精度平均提高了15%以上,对具有显著地貌差异的遥感图像对的配准精度可以有效地提高。     

基于小面元方法的光学遥感图像快速匹配算法

针对光学遥感图像的配准，提出了一种快速有效的图像配准方法：首先分割出参考图像和待配准图像中的高亮度小面元，根据小面元自身的几何特征，获得小面元间的模糊匹配，然后进一步利用RANSAC方法确立小面元间的精确对应关系；提取匹配小面元的中心作为控制点对，解出仿射变换的参数，从而实现图像的自动配准。利用实际的光学遥感图像进行试验，获得了很好的实验结果。     

静止卫星图像配准中海陆边界模板的生成方法

在使用地标进行遥感图像导航与配准时,以海陆边界为特征进行匹配操作是一种常用的方法,尤其适合昼夜图像灰度值变化剧烈的红外通道遥感图像。将海陆边界模板图像作为匹配标准,其精确性对于导航与配准的精度具有决定性的作用。针对静止卫星图像配准过程的特点,对海陆边界模板的生成方法进行研究,提出一种静止卫星图像配准中海陆边界模板的生成方法,将生成过程分为目标网格生成、全球海岸线数据库选取及查找算法3个部分,通过不断挖掘数据特点给出3种查找算法,并对各算法的精度和效率进行分析。实验结果表明,该方法生成的海陆边界模板与主流工具的生成结果有90%以上的匹配度,且算法效率较高,具有良好的应用价值。     

基于互信息和随机优化的超光谱遥感图像配准

精确的谱间配准是从超光谱遥感图像中获取光谱信息的基本前提之一。而谱间配准的主要困难在于宽的成像光谱范围使波长间隔远的图像缺乏相似性, 超光谱图像本身海量的数据也限制了配准算法的复杂性。提出了一种结合互信息和随机优化技术的多分辨率配准方法。该方法采用互信息作为相似性测度, 能很好的适应超光谱图像光谱特征的变化; 二阶同步试探随机逼近(2SPSA )算法的应用, 解决了互信息的多变量优化问题; 通过一种具有平移和旋转不变性的小波分解实现算法的多分辨率形式, 能明显加快算法的收敛速度并保证搜索结果的全局最优性。实验结果表明该算法适用于配准波长范围很宽的超光谱图像, 并能达到子像素的配准精度。     

利用风格迁移和特征点的多模态图像配准算法

由于多模态遥感图像在光谱成份上存在巨大的差异,传统图像配准算法在该类图像的配准中正确率非常低.针对这一难题,提出了一种利用风格迁移和特征点的图像配准算法.首先,利用卷积神经网络对基准图像的风格特征以及待配准图像的内容特征进行抽取并重新组合,得到一幅与基准图像差异性较小的生成图像;其次,通过图像分割的方法分离出待配准图像...     

基于分窗口相关的遥感图象配准方法

多源遥感数据的融合和综合应用必须实行严格的配准,若将通过选取控制点的传统方法,用于成象特性差异较大的图象间配准就存在较大的误差,为解决该问题,研究发展了一种基于分窗口相关的图象配准方法,即采用移动窗灰度相关的方法对图象上的每一点进行搜索,来寻找最大相关位置,以达到精确配准的目的。通过将该方法应用于不同时相的TM图象、SAR图象、不同成象方式和不同分辨率的AVIRIS图象和航片间配准的实验表明,该方法能够有效地实现复杂图象间的精确配准,配准误差已达到子象素级水平。     

基于最小生成树的图像融合算法

研究遥感图像融合精度问题。图像融合存在含有冗余和互补信息,造成清晰度降低。针对传统的图像配准算法精度较低,为了提高遥感图像融合的准确度,提出了一种最小生成树遥感图像配准算法,将最小生成树算法应用到图像融合的优化过程中,算法首先提取均匀子采样点集,并在此基础上构造最小生成树,然后使用最小生成树来估计熵,对遥感图像进行配准,最后将图像间的边缘梯度信息融入到融合框架中。算法有效地克服了传统图像融合算法的缺点,仿真结果表明,改进算法有效地提高了图像融合的精确度,并为遥感图像融合提出了有效依据。     

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.     

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。     

Wavelet-based image registration technique for high-resolution remote sensing images

Image registration is the process of geometrically aligning one image to another image of the same scene taken from different viewpoints at different times or by different sensors. It is an important image processing procedure in remote sensing and has been studied by remote sensing image processing professionals for several decades. Nevertheless, it is still difficult to find an accurate, robust, and automatic image registration method, and most existing image registration methods are designed for a particular application. High-resolution remote sensing images have made it more convenient for professionals to study the Earth; however, they also create new challenges when traditional processing methods are used. In terms of image registration, a number of problems exist in the registration of high-resolution images: (1) the increased relief displacements, introduced by increasing the spatial resolution and lowering the altitude of the sensors, cause obvious geometric distortion in local areas where elevation variation exists; (2) precisely locating control points in high-resolution images is not as simple as in moderate-resolution images; (3) a large number of control points are required for a precise registration, which is a tedious and time-consuming process; and (4) high data volume often affects the processing speed in the image registration. Thus, the demand for an image registration approach that can reduce the above problems is growing. This study proposes a new image registration technique, which is based on the combination of feature-based matching (FBM) and area-based matching (ABM). A wavelet-based feature extraction technique and a normalized cross-correlation matching and relaxation-based image matching techniques are employed in this new method. Two pairs of data sets, one pair of IKONOS panchromatic images from different times and the other pair of images consisting of an IKONOS panchromatic image and a QuickBird multispectral image, are used to evaluate the proposed image registration algorithm. The experimental results show that the proposed algorithm can select sufficient control points semi-automatically to reduce the local distortions caused by local height variation, resulting in improved image registration results.     

基于FAST和DAISY的遥感图像配准算法

图像配准是计算机视觉中诸多问题的基础,基于图像特征的配准方法仍然是该领域的研究热门。为了提高算法的效率,拥有更好的实用性,本文提出了一种基于FAST-DAISY的遥感图像配准方法。首先运用FAST算法提取特征点,提出分配主方向的方法,利用DAISY算法建立描述符,得到特征点集后,使用RANSAC(随机抽样一致性)算法剔除误匹配点对,最终估计仿射变换参数,利用二次线性插值法得到配准后的遥感图像。实验结果表明,本文算法对于平移、旋转、灰度差异、地物差异、位置差异、小尺度差异和噪声干扰的遥感图像有较好的配准效果,匹配时间通常介于SIFT算法和SURF-DAISY算法之间。综上所述,该算法在实用性上有较大优势。     

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。     

Phase correlation pixel‐to‐pixel image co‐registration based on optical flow and median shift propagation

With singular value decomposition (SVD) and robust 2‐dimensional fitting phase correlation algorithms, it is possible to achieve pixel‐to‐pixel image co‐registration at sub‐pixel accuracy via local feature matching. However, the method often fails in featureless and low correlation areas making it not robust for co‐registration of images with considerable spectral differences and large featureless ground objects. A median shift propagation (MSP) technique is proposed to eliminate the problem, in a phase correlation and Normalized Cross‐Correlation (NCC) combined approach. The experiment results using images from different sensor platforms and spectral bands indicate that the new method is very robust to featureless and low correlation areas and can achieve very accurate pixel‐to‐pixel image co‐registration with good tolerance of spectral and spatial differences between images. The method will significantly improve change detection in various remote sensing applications.