基于频域相位相关的自适应光学图像配准算法

自适应光学图像观测过程中,望远镜的机械抖动会使得各帧图像之间产生位移。直接对这些图像进行多帧复原,复原结果不佳。针对这一问题,结合自适应光学图像的特性,通过理论推导,提出了基于频域相位相关的自适应光学图像配准算法。算法通过计算配准图像间频域互功率谱并利用二维脉冲的位置解决自适应光学图像之间的配准问题。最后,利用仿真图像以及真实自适应光学图像进行验证,证明了算法的有效性,配准后的多帧复原图像质量有大幅提升。     

基于SURF描述子的遥感影像配准

针对多源遥感影像的配准问题,提出一种基于SURF描述子的匹配算法,该算法具有稳健及高精度特性,采用SURF匹配算法得到同名点,利用一次多项式、Forstner算子和最小二乘原理由粗及精地剔除残差较大的同名点,利用提取的密集同名点构建三角网,对影像进行分块精确纠正。实验结果表明,该算法能够实现多源遥感影像的高精度配准。     

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。     

多尺度、多角度异源遥感影像配准方法研究

针对具有显著尺度和角度差异的异源遥感影像配准中存在的问题,引入具有角度不变性和同一尺度的空间辅助圆,克服角度和尺度偏差;选取对异源影像的光谱差异具有高鲁棒性的归一化互信息测度,基于空间辅助圆提取统计特征进行区域配准。该方法还将同名特征点的搜索范围限制在辅助圆内,在保证算法搜索效率的同时提高了配准的精度。选取具有较大尺度和角度偏差的异源遥感影像进行实验,通过与基于空间辅助面的配准方法相比较,证明基于空间辅助圆的归一化互信息配准方法对角度和光谱偏差具有较高的鲁棒性,配准模型的精度小于一个像素。     

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。     

SAR图像的改进相位相关配准方法

基于相位相关的图像配准方法以其运算量小、抗干扰性强等优点得到广泛关注,但它只能解决具有平移运动的图像配准问题,为此,文章提出一种改进的相位相关配准方法,分析了其配准原理,给出流程图,并将其应用于存在缩放、旋转和平移变换的SAR图像配准中。仿真结果表明,该算法能够较为准确地估计出待配准图像相对于基准图像的平移参数、缩放尺度和旋转角度。     

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。     

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。     

基于频域的遥感图像互信息配准方法

针对直接利用互信息进行图像配准存在的误差和插值假象问题,结合图像的频谱特性提出了基于频域的互信息计算方法,引入退火的思想改进了梯度上升法,利用它迭代搜索互信息最大值,使用相关长度估算最佳参数域,使得参数初始化更接近于最大值。实验结果表明,该方法对于多谱段遥感图像,较之传统方法具有明显的收敛性和稳定性。     

基于多模型表示的高分辨率遥感图像配准方法

传统的配准方法假定两幅图像之间的几何变形可以用一个统一的变换模型来描述,高分辨率遥感图像配准,尤其当图像的分辨率达到米级和亚米级时,地物高程因素产生的像点位移不容忽略,导致这些区域的变形与平坦区域不一致,难以找到一个统一的变换模型来描述整幅图像的变形。针对高分辨率图像配准中存在的实际问题,提出了一种基于多模型表示的配准方法。在初配准阶段,完成图像中大部分平坦区域的校正,建立整体模型;在精配准阶段,完成局部高程区域的校正,建立局部模型。实验结果表明：该方法是准确有效的。     

基于尺度相关性的自适应图像增强新算法

针对图像增强算法通常会放大原图像中噪声分量的问题,结合小波变换中相关系数理论,提出了一种基于小波变换的图像增强新算法,利用二进小波变换中各尺度上小波系数间的相关性,有效改善了增强过程中噪声放大问题。实验表明,该方法无论是增强效果还是抗噪性能都明显优于传统的图像增强算法。     

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。     

一种新型遥感图像配准方法

提出了一种新型全自动稳健的遥感图像配准算法。首先,在图像二维平面空间和尺度空间中同时检测局部极值作为特征点,并在特征点邻域提取局部不变特征描述子一尺度不变特征变换（SIFT）。然后,利用距离测度进行SIFT特征匹配得到初步的匹配集合。最后,运用稳健的随机采样一致性（RANSAC）算法将匹配点集划分为内点和外点,在内点域上精确地估计出图像变换模型。实验利用仿真数据测试了SIFT特征的可重复性和可匹配性,利用卫星图像验证了该自动配准算法的有效性和稳健性。     

基于小波变换的图像配准方法

图像配准是信息融合处理中非常重要的一个环节。图像的配准,尤其是遥感图像的配准,运用传统的方法，计算量大且配准精度不高。基于小波理论,提出了一种快速、高精度图像配准的新方法。该方法利用小波变换将图像分成若干层次，通过引入有效子图的概念来降低待搜索的数据量,应用小波理论的多分辨分析思想来缩小搜索空间，最后通过迭代求精算法实现了图像的快速、高精度配准。实验结果表明,该方法对大数据量的遥感图像,较之传统的方法具有明显的优越性。     

自适应特征点检测的可见-红外图像配准

目的 针对可见—红外图像之间配准点的数量不足、分布严重不均匀以及配准点之间的错配率高这3个核心问题,提出一种基于自适应特征点检测的可见—红外图像配准方法。方法 本文提出的自适应特征点检测方法,以Harris corner作为基本特征点;以特征点数目与空间分布为检测目标,从而自动地估计合适不同空间位置的特征点的检测阈值。在特征点对匹配中,将梯度方向与互信息相融合有效地添加了相似性函数的空间位置信息。结果 自适应Harris corner检测方法能够有效地提供空间分布均匀、数量充足的特征点。而梯度方向与互信息相融合的相似性匹配函数提高特征点的匹配率20%,降低配准误差50%。结论 本文提出的多传感器图像配准方法能够快速、准确地实现可见光图像与红外图像之间的配准,在CCD-IR图像融合领域具有很好的实用价值。     

基于NCC的存在旋转的图像匹配方法

图像匹配在导航制导、医学等领域具有十分重要的意义。由于实时图和参考图拍摄的时间不一样,容易存在旋转等现象,给图像的匹配带来很大难度。传统的归一化互相关(NCC)匹配算法是一种简单有效的匹配算法,但不适合存在旋转这种情况。在NCC匹配方法的基础上,利用参考图的多个角度的旋转达到匹配的目的,从而找出准确的匹配位置,并利用所得控制点和坐标转换模型找出参考图与实时图之间的相对位置关系,包括旋转角度与相对位移。仿真实验表明:此方法可较好地解决存在旋转的图像匹配问题。     

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.     

A coarse-to-fine image registration method based on visual attention model

Image registration is fundamental and crucial to remote sensing. However getting highly accurate registration performance automatically and fast for large-field images consistently is a challenge. As a work around to this problem, we propose a new image registration concept based on visual attention in this paper. This concept employs the advantages of feature-based or area-based methods to improve the precision and efficiency of image registration. The key concept of proposed integrated scheme is to make optimum use of the highly prominent details in the full scene by means of visual attention computational mechanism. To testify the validation, comparisons with other classical methods are carried out on real-world images. The experimental results show that the proposed method can effectively perform on multi-view/multi-temporal remote sensing images with outstanding precision and time saving performance.