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。     

结合SIFT变换与Otsu匹配的彩色眼底图像拼接方法

针对多幅单模彩色眼底图像的拼接问题,提出一种基于尺度不变特征变换（Scale Invariant Feature Transform,SIFT）与最大类间方差（Otsu）匹配的拼接方法。为克服光照不均对特征提取造成的影响,采用SIFT变换提取眼底图像特征点;利用Otsu剔除误匹配点,提高特征点的匹配精度;在此基础上,计算匹配点对之间的仿射变换矩阵,进行图像空间变换实现图像配准,并对配准图像进行融合。结果表明,提出的方法可实现对多幅单模彩色眼底图像的高精度自动拼接,具有很强的鲁棒性。     

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。     

遥感图像拼接系统

提出和实现了一种图像配准方法,利用OpenCV库开发了一个低空遥感图像拼接系统. 将SIFT作为图像拼接特征向量,实现了图像局部尺度空间中极值点的计算和SIFT特征点的提取. 使用特征向量的欧氏距离实现特征点的粗匹配,结合随机抽样一致RANSAC算法对匹配点进行优化,并精确估算出投影变换矩阵,实现两幅图像的拼接. 最后实现对重合区域的图像融合. 实验结果表明本文方法较好的解决了遥感图像中常出现的图像的平移、缩放、旋转等变换下的配准问题,达到较好的拼接效果.     

结合变形函数和幂函数权重的图像拼接

针对图像拼接算法存在效率低下、特征点错误匹配、重影和拼接缝等问题，提出一种基于尺度不变特征变换、薄板样条函数和幂函数的图像拼接方法。该方法通过对输入图像进行采样匹配，计算输入图像间的点映射关系和重合区域，使用点映射关系对重合区域内的特征点进行定向配准，利用特征点集合计算出图像的局部扭曲模型，使用图像插值方法对图像进行变形映射；采用幂函数权重模型对变形图像中的像素进行平滑过渡，完成图像拼接。实验结果表明，在拼接相同图像的情况下，所提方法与传统的尺度不变特征变换算法相比，特征点配准效率提高了约59.78%，而且得到了更多的特征点对；与经典的图像拼接算法相比，该方法解决了图像的重影和拼接缝的问题，同时提高了图像的质量评估指标的得分。     

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。     

柱面全景图像自动拼接算法

提出了一种基于特征点匹配的柱面全景图像拼接算法。首先将360°环绕拍摄的序列图像投影到柱面坐标系下;然后提取各图像的SIFT（Scale Invariant Feature Transform,尺度不变特征变换）特征点,通过特征点匹配完成两幅图像的配准;再根据配准结果计算出图像间的变换参数;最后采用加权平均的融合方法对两幅图像进行无缝拼接。实验表明,算法可以有效、快速地自动生成柱面全景图像。     

基于特征块与小波变换的图像拼接算法

为了改进现有的基于灰度的图像拼接方法速度过慢的缺点,综合考虑了图像拼接过程中速度与精度两个因素,提出了一种基于小波变换和特征块的图像拼接算法.该算法对图像进行小波变换,在高频信号上利用简单边缘阈值法提取特征块,在低频信号上进行配准,并根据低频图像配准位移完成原始图像的配准.最后将实验结果与传统的基于灰度的图像拼接方法进行比较,结果表明了该算法在保证图像拼接精度的同时,大大提高了图像拼接速度.     

使用线约束运动最小二乘法的视差图像拼接

目的 图像配准是影响拼接质量的关键因素。已有的视差图象拼接方法没有解决匹配特征点对间的错误配准问题,容易引起不自然的拼接痕迹。针对这一问题,提出了使用线约束运动最小二乘法的配准算法,减少图像的配准误差,提高拼接质量。方法 首先,计算目标图像和参考图像的SIFT（scale-invariant feature transform）特征点,应用RANSAC（random sample consensus）方法建立特征点的匹配关系,由此计算目标到参考图像的最佳单应变换。然后,使用线约束运动最小二乘法分别配准两组图像：1）第1组是目标图像和参考图像;2）第2组是经单应变换后的目标图像和参考图像。第1组用逐点仿射变换进行配准,而第2组配准使用了单应变换加上逐点仿射变换。最后,在重叠区域,利用最大流最小割算法寻找最优拼接缝,沿着拼接缝评估两组配准的质量,选取最优的那组进行融合拼接。结果 自拍图库和公开数据集上的大量测试结果表明,本文算法的配准精度超过95%,透视扭曲比例小于17%。与近期拼接方法相比,本文配准算法精度提高3%,拼接结果中透视扭曲现象减少73%。结论 运动最小二乘法可以准确地配准特征点,但可能会扭曲图像中的结构对象。而线约束项则尽量保持结构,阻止扭曲。因此,线约束运动最小二乘法兼顾了图像结构的完整性和匹配特征点的对准精度,基于此配准模型的拼接方法能够有效减少重影和鬼影等人工痕迹,拼接结果真实自然。     

特征点聚类高精度视差图像拼接

目的 针对不同视点下具有视差的待拼接图像中,特征点筛选存在漏检率高和配准精度低的问题,提出了一种基于特征点平面相似性聚类的图像拼接算法。方法 根据相同平面特征点符合同一变换的特点,计算特征点间的相似性度量,利用凝聚层次聚类把特征点划分为不同平面,筛选误匹配点。将图像划分为相等大小的网格,利用特征点与网格平面信息计算每个特征点的权重,通过带权重线性变换计算网格的局部单应变换矩阵。最后利用多频率融合方法融合配准图像。结果 在20个不同场景图像数据上进行特征点筛选比较实验,随机抽样一致性（random sample consensus, RANSAC）算法的平均误筛选个数为30,平均误匹配个数为8,而本文方法的平均误筛选个数为3,平均误匹配个数为2。对20个不同场景的多视角图像,本文方法与AutoStitch（automatic stitching）、APAP（as projective as possible）和AANAP（adaptive as-natural-as-possible）等3种算法进行了图像拼接比较实验,本文算法相比性能第2的算法,峰值信噪比（peak signal to noise ratio,PSNR）平均提高了8.7%,结构相似性（structural similarity,SSIM）平均提高了9.6%。结论 由本文提出的基于特征点平面相似性聚类的图像拼接算法处理后的图像保留了更多的特征点,因此提高了配准精度,能够取得更好的拼接效果。     

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SIFT的遥感图像配准方法

针对多传感器遥感图像配准问题,改进了一种基于SIFT的图像自动配准方法.首先提取图像中适应尺度变化的局部不变特征点,提出了利用最近邻特征点距离与次近邻特征点距离之比的互对应约束得到初始匹配点对,然后利用RANSAC(Random Sample Concensus)算法删除误匹配特征点对.试验结果表明:该方法能够实现多传感器遥感图像和不同分辨率图像的自动配准.     

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。     

基于SIFT特征的眼底图像自动拼接

针对眼底图像对比度低、不同视场的图像间存在几何畸变等特点,提出一种基于SIFT特征的眼底图像自动拼接算法。该算法分别提取待拼接眼底图像的SIFT特征点,并用向量进行描述,确定两幅图像特征点的匹配关系,使用MLESAC算法去除误匹配点对,提出对特征点对提纯的距离-斜率相似测度方法,计算匹配点之间的透视变换矩阵,最后进行图像配准和拼接。对实际眼底照相机获取的多幅图像拼接结果表明,该算法具有很好的鲁棒性和稳健性,可以实现眼底图像的高精度自动拼接。     

基于特征整合的卷积神经网络草地分类算法

为提高遥感影像草地分类的精度,分析了卷积神经网络中提取图像特征的特点,提出了一种基于特征整合深度神经网络的遥感影像特征提取算法。首先,将遥感影像数据进行PCA白化处理,降低数据之间的相关性,加快神经网络学习的速率;其次,将从卷积神经网络中提取到的浅层特征和深层特征进行双线性整合,使得整合后的新特征更加完善和优化;最后,对遥感数据进行训练,由于新特征中有效信息的增加,使得特征表达能力得到提高,达到提高草地分类准确率的目的。实验结果表明:该算法能够有效地提高草地分类的准确率,分类精度达到94.65%,相较于卷积神经网络、BP神经网络和基于SVM的分类算法分别提高了4.3%、10.39%和15.33%。     

基于特征点匹配的全景图像拼接技术研究

提出了一种基于特征点匹配的全景图像拼接算法,首先提取各图像中的SIFT特征,通过特征点匹配完成两幅图像的配准;再根据图像配准结果计算出图像间的变换矩阵;最后采用渐入渐出加权平均的融合方法对两幅图像进行无缝拼接。实验表明,该算法具有匹配精度高、鲁棒性强等特点,可以快速而自动地生成全景图像。