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。     

基于边缘特征的多源高分辨率影像配准

针对多源高分辨率影像之间较大的非线性辐射差异和局部几何变形造成较差配准精度的问题,提出一种基于边缘特征的多源高分辨率影像配准方法。该方法首先通过各向异性扩散滤波构造输入影像的非线性尺度空间,在此基础上计算每一尺度的扩展相位一致性最大矩以获取丰富的边缘特征,并利用基于分块策略的FAST检测器提取稳定的特征点;其次利用多尺度多方向LogGabor滤波生成主方向索引图（Main Orientated Index Map,MOIM）,并结合高斯加权构建一种稳健的特征描述子;最后采用巴氏距离和快速采样一致（Fast Sample Consensus,FSC）方法获取同名点。选择多组多源高分辨率影像进行实验,结果表明：该方法能够有效克服多源高分辨率影像间非线性辐射差异和局部几何变形,配准效果好于其他相关方法,并且平均配准精度优于1个像素。     

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。     

基于SIFT与互信息筛选优化的遥感影像配准

针对多源多尺度影像配准中存在误匹配率较高和配准精度较低的问题,提出了一种基于（Scale-Invariant Feature Transform SIFT）与互信息筛选优化的影像配准算法。首先,采用SIFT算法进行特征点提取,通过快速最近邻逼近搜索（Fast Approximate Nearest Neighbors Search Library,FLANN）算法完成待配准影像的粗匹配,其次,在初始匹配点周围建立4×4邻域,计算匹配点之间的互信息值,对互信息值较小的匹配点进行剔除,寻求筛选优化后的最优变换矩阵,最后输出与基准影像互信息值最大的配准后影像作为最佳配准结果。实验结果表明：该方法与SIFT算法相比可以有效地剔除误匹配点并提高了配准精度。该方法可以应用于多源多尺度遥感影像配准,能够有效地提高配准精度。     

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。     

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图像特征匹配的多视角深度图配准算法

为有效地解决多视角深度图配准问题,提出一种新的配准算法.首先给出一种深度图数据图像化方法,根据深度图包含的像素信息和网格顶点处的曲率值创建特征图像;然后通过对特征图像进行SIFT特征检测与匹配来获得特征点与匹配关系,从而得到原始深度图上的特征点与匹配关系;最后采用投票和预配准方法去除误匹配,实现递增式多视角深度图配准.模拟噪声实验和多个实际测量深度图的配准实验结果验证了该算法的鲁棒性和有效性.     

基于改进Canny特征点的SIFT算法

在分析了传统SIFT算法的基础上,提出了一种基于改进Canny特征点的SIFT算法。该方法先用SIFT算法检测出候选关键点,再利用Canny边缘检测算法检测出图像的边缘点,通过比较生成的候选关键点和边缘点的坐标是否相等,从而判断是否去除候选关键点。实验结果表明,与传统SIFT算法比较,该方法可以有效地去除DOG算子生成的边缘响应点,进一步提高SIFT特征点的抗噪声能力,增强SIFT算法的稳定性。     

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。     

基于SIFT特征和对极几何约束的图像配准算法

基于SIFT（尺度不变特征变换）特征匹配思想,提出了一种应用对极几何约束的图像特征配准算法。首先对图像提取SIFT特征点,然后通过欧氏距离估算对SIFT特征描述子进行初始匹配得到预匹配点集;采用基于单应矩阵的抽样算法计算初始基础矩阵,通过RANSAC算法计算精确的基础矩阵和匹配点集,进而实现图像配准。实验表明,该算法可以获得更准确的匹配点,得到精度较高的图像配准效果。     

基于改进SIFT算法的山谷地形影像匹配

针对山谷地形的低空影像中地貌单一且特征不易提取的问题,本文对SIFT算法改进,融合Harris特征提取算法优势,得到一种可用于山谷地形下低空无人机影像特征提取与匹配的算法。算法首先利用Harris算法和SIFT算法分别提取特征点,对两种算法提取的特征点进行合并,然后运用SIFT算法对合并后的特征点进行描述,再利用特征点特征向量的欧氏距离进行粗匹配,最后利用RANSAC算法进行精匹配来提高匹配精度。为了验证该算法的有效性,选用一组山地影像数据进行实验并与SIFT算法进行比较,结果表明:算法有效地提升了山谷地形影像上特征点匹配精度。     

基于Canny算法的改进型图像边缘检测算法

Canny算子是基于最优化算法的边缘检测算子,它具有很好的信噪比和检测精度,但是它使用的高斯滤波方法会造成图像的平滑和边缘的模糊,并且对脉冲噪声很敏感。探讨对Canny边缘提取算子的改进方法,提出了将改进的开关中值滤波算法应用于Canny算法的思想,使之提取出的边缘更加完整,并且有很好的噪声抑制效果。     

一种基于结构特征边缘的多传感器图像配准方法

图像配准是多传感器图像融合等处理的前提. 本文以包含人造目标的合成孔径雷达(Synthetic aperture radar, SAR)图像和可见光图像为处理对象, 提出了一种基于结构特征边缘的多传感器图像配准方法. 该方法提取人造目标在两类图像中表现的共性特征---结构特征边缘, 并基于边缘匹配构造虚拟角点, 采用基于特征一致的粗配准方法和基于虚拟角点的精配准方法, 对待配准图像实现由粗到精的自动配准. 实验结果表明, 本文方法能够取得较高的配准精度.     

基于改进SIFT算法的无人机遥感图像匹配

将SIFT算法中高斯二阶微分模板与图像函数的卷积运算转化为箱式滤波器对积分图像的加减运算,引入SURF算子,减小特征点检测算子的特征向量维数,降低SIFT算法的计算复杂度,缩短图像匹配时间,从而解决了无人机遥感图像匹配对实时性要求较高的问题。仿真结果表明,改进的SIFT算法在保持原算法鲁棒性和匹配率的前提下,提高了运算速度。     

基于Mexican hat函数的图像特征提取和配准算法

使用Mexican hat函数作为特征检测算子,对图像进行局部区域提取和特征点提取,在此基础上,提出了一种结合局部区域和特征点的图像配准算法。使用Mexican hat检测算子和零交汇点检测的方法获得局部区域特征并进行初步匹配,然后使用基于不同尺度空间的Mexican hat检测算子进行特征点提取。将特征点按照局部区域进行分组,再对每一组内的特征点进行匹配操作。最后使用基于分组的随机采样一致性检验进行变换矩阵求解。算法使用Mexican hat特征检测算子进行两种图像特征的提取,对两种特征分别进行匹配,完成图像配准操作。实验结果表明,给出的Mexican hat特征检测算子在配准精度上不亚于当前主流检测方法,配准算法具有复现率高和运算速度快的优点。     

基于SIFT的图像匹配算法

直接用SIFT算法对较模糊图像进行关键点提取时,提取的关键点个数较少且进行下一步匹配时错误匹配较多。提出一种基于SIFT特征的匹配算法,首先利用拉普拉斯算子对图像进行锐化处理,使其边缘得到突出,然后利用SIFT算法进行关键点提取,最后利用双向匹配算法进行图像匹配。实验结果表明,利用本文算法进行匹配比直接用SIFT算法进行匹配时的匹配点数更多,匹配效果更好。     

SIFT算法在图像配准中的应用

图像配准有很多种算法,在众多算法中尺度不变特征变换(SIFT)算法具有良好的尺度,光照,空间旋转不变性,被广泛的运用于图像配准的应用中。本文对SIFT算法的基本步骤做了简单的阐述,并且在运用在图像配准的应用上。实验结果表明该算法具有较强的配准能力,是一种较好的配准算法。     

基于改进Canny算子的图像边缘检测算法

医学领域中的红细胞图像要求检测出细胞面积、圆度及个数等特征。针对该检测需求,提出一种基于改进Canny算子的图像边缘检测算法,采用迭代算法计算最佳高低双阈值,以数学形态法细化检测出的图像。实验结果表明,该算法可减少干扰边缘和噪声的影响,能突显医学细胞图像的检测特征。     

基于归一化SIFT算法的不同光学影像配准

由不同传感器摄取的遥感影像因成像模式、拍摄角度和分辨率不同,给两者之间的配准造成困难。针对该问题,提出归一化SIFT算法,通过对SIFT描述子归一化的处理,降低不同光学影像色调差异大的影响,并通过与最小二乘法和双线性内插法的结合,完成自动配准。选取角度和尺度偏差较大的SPOT与ASTER影像、ASTER与TM影像2组数据进行实验。结果证明,该算法鲁棒性强,配准精度高。