影像配准中遥感影像库的应用

在目标变化检测和识别过程中,影像的高精度配准是极为重要的环节,它直接决定了变化检测和识别的成败,然而配准过程中参考影像的获取和配准控制点的提取一直是工程实践中的难点;以遥感影像库为配准参考影像,提取配准控制点,对系统内部处理的遥感影像进行精确配准,很好地解决了不同分辨率参考影像的获取和有效控制点的提取,并使待配准影像和影像库数据获得一致的地理坐标系统,能取得较好的效果。     

结合Delaunay三角网的图像分割

为了有效消除图像噪声影响,提出结合Delaunay三角网的图像分割方法。首先,将像素灰度看作定义在像素格点上的‘高程’,并在此三维图像表达上构建Delaunay三角网,该三角网在图像域上的投影将图像域划分成若干个子区域,形成超像素,再对每个子区域内像素灰度值做均值化处理,由此将原图像转换为均值图像;最后在均值图像上进行图像分割,可以很好地削弱噪声对图像分割的影响。采用本文思想,基于Intel(R) Core(TM) 3.20GHz/2G内存/Matlab2015a平台,以经典的模糊C均值（Fuzzy C-means, FCM）图像分割算法为例,分别对Berkeley标准测试图像和遥感图像进行了分割实验。生成一幅具有三个同质区域的模拟图像,分别采用对比算法和本文算法对模拟图像进行分割测试,对比算法1（基于ENVI平台的ISODATA分割算法）的三个同质区域（1-3）的用户精度、产品精度、总精度和Kappa值分别为74.87%/55.72%/73.64%、83.98%/37.87%/85.38%、70.25%和0.54;对比算法2（基于中值滤波的FCM分割方法）的三个同质区域（1-3）的用户精度、产品精度、总精度和Kappa值分别为98.16%/70.54%/99.73%、88.10%/99.16%/87.87%、89.93%和0.84;本文算法的三个同质区域（1-3）的用户精度、产品精度、总精度和Kappa值分别为96.25%/80.35%/99.49%、99.76%/94.53%/86.67%、93.30%和0.89。定性和定量的测试结果验证了本文方法的有效性、可靠性和准确性。      

多源遥感影像高精度自动配准方法研究

针对遥感影像本身存在纹理差异,特征点提取不均匀的自动配准问题,提出了一种新的多源遥感影像高精度自动配准方法。首先,对Harris算子进行了改进,使其提取特征点覆盖范围更广;然后,对影像进行分块处理,对每块用文章改进的Harris算子进行特征点提取,并采用分块迭代剔除策略,保证了特征点在整幅影像中的均匀分布和非冗余分布;其次提出了金字塔-双向-最小二乘多匹配算法进行影像匹配,完成了最终同名点选取;最后利用小三角形面元TIN对影像进行了精确纠正。实验结果表明本文方法获取同名点均匀合理,能够更好地实现多源遥感影像的高精度配准,具有一定实际意义。     

遥感影像配准方法的研究和应用

图像配准是图像处理的基本任务之一,用于将不同时间、不同传感器、不同视角及不同拍摄条件下获取的两幅或多幅图像进行（主要是几何意义上的）匹配。它是一个把两幅图像对齐到同一个坐标系下以分析其间细微变换的处理过程。实现图像配准主要有空间域方法和频率域方法两类。针对对序列遥感影像的处理,实现了这两类方法中各具代表性的算法,并在这个过程中根据实际情况做出剔除外点的提纯决策和特定倍数的区域傅里叶变换,然后进行比较。实验表明,频率域方法能取得更精确的配准结果。最后,结合实验结果对空间域算法进行了分析,得出了结论。     

基于工作流的遥感影像自动分块与配准方法

基于工作流技术提出了一种遥感影像与矢量地图的自动化分块与配准方法.首先扩展影像的元数据使之具有地理域信息,并根据目标影像的地理信息获取对应的矢量地图区块;然后基于数据内容的关注系数对影像和地图进行自动化分块,采用Harris算子进行特征提取后获得多组匹配点对;最后依据差值收敛准则对匹配点集进行筛选,并解算出全局变换函数,实现配准.以上过程的各关键节点由工作流管理模块进行统一调度,实现了矢量地图与影像的自动化配准流程.实验结果表明该方法可有效提高影像配准的自动化水平.     

基于SURF和矩阵乘法的超大规模遥感图像亚像素配准算法研究

图像配准是一项基本而又非常关键的图像预处理技术.在很多应用领域,要求配准精度达到亚像素级.现有的相位相关法具有精度高、计算简单等特点,但是随着图像规模的增大,计算付出的时间代价是巨大的.本文提出基于SURF和矩阵乘法相位相关法的超大规模遥感图像亚像素配准算法,采用化整为零的方法,首先把整幅图像划分成不同区域,其次使用改进的Canny算法进行边缘分割,去除无用信息,再次使用SURF算法提取特征,最后在关键点周围使用矩阵乘法相位相关估计图像亚像素偏移量.实验表明本文提出的算法不仅提高了算法运行速度,同时也解决了图像尺寸太大导致一般计算机无法处理的问题.并且由于矩阵乘法相位相关的良好抗噪声特性,因此即使存在噪声,算法仍然可以获得较高的亚像素偏移量估计精度.     

两阶段平移、旋转图像高精度配准算法

图像配准在图像处理中是十分重要的,通常是许多现代图像处理和计算机视觉任务一个关键的预处理步骤,许多算法和技术已经被提出用来解决配准问题.本文提出一种稳健的两阶段层次配准算法,在频域组合相位相关和谱对消技术对平移和旋转图像获得亚像素精度的配准.算法第一阶段首先利用一维FFT技术实现图像的旋转以确定旋转角度,并利用这个旋转角度将两幅图像之间的运动简化为平移运动,然后利用相位相关法确定整数像素平移参数.算法第二阶段运用谱对消技术确定亚像素平移参数.提出的算法甚至在图像因为下采样而包含混淆误差情况下仍然能够获得亚像素精度配准.     

快速亚像素图像配准算法研究

亚像素图像配准是图像配准技术中的研究热点.常用的亚像素配准算法是相位相关法与拟合方法的结合.针对该方法中存在的时间和精度不能同时达到最优的问题,提出了基于角度-平移信号频率估计的亚像素配准算法,利用相位相关中的交叉功率谱的角度信息构建出了角度-平移一维信号,运用DFT相位差分法准确估计出一维信号的频率,进而计算出图像间的亚像素平移量.通过在Matlab下仿真实验,验证了本文算法在时间和精度上均优于拟合法.     

九谱段焦面配准测试仪的研制

多通道焦面遥感相机通道间的配准是相机总装定焦过程中的关键技术,通道间的配准精度决定了后续通道融合后的遥感图像质量。设计并完成了一套用于解决九谱段双通道焦面配准的测试仪。积分球照明一条狭缝,经平行光管成像在无穷远,照明九谱段相机,在相机焦面上得到一个竖直放大的狭缝像。四谱段、五谱段线阵探测器分别位于双通道焦平面上,分别调整双通道焦面的位置,计算四谱段、五谱段探测器上狭缝像的质心位置,通过质心位置来评价通道间像元的对准精度。该仪器解决了多通道焦面遥感相机通道间的配准问题,配准精度达亚像元量级,保证了通道融合后的图像质量。     

基于多图像特征的遥感图像配准新方法

针对不同视角遥感图像配准中的非刚性几何畸变造成的配准误差,文章提出了一种基于尺度不变特征变换(SIFT)特征距离和几何结构描述符的精确方法,用于解决中等地形起伏和成像视点变化条件下遥感图像的配准问题。该方法采用尺度不变特征变换和部分强度不变特征描述符提取可靠的特征点集,利用变换过程中约束几何结构的多图像特征,提出一种新的算法来估计点集之间的精确对应关系。包括特征描述符提取、基于几何结构约束的改进SIFT特征点集配准和非刚性图像变换等步骤。对不同视点的无人机图像和卫星图像的实验结果表明,该方法相对于目前几种先进方法具有更佳的配准性能。     

基于傅里叶变换的遥感图像配准算法

提出了一种基于傅里叶的遥感图像自动配准方法,图像间的变化包括平移、旋转及比例变化。该方法是傅里叶相位相关技术的扩展,其主要优点是在不需要寻找控制点和传感器参数的情况下进行图像自动配准。通过对数一极坐标变换、利用傅里叶变换的比例特性和旋转特性搜索图像间的比例和旋转变化,利用傅里叶的相位相关技术(能量谱)确定图像间的平移关系,实验结果表明了此方法的可行性和有效性。     

基于改进SIFT算法的多源遥感影像配准研究

提出了一种新的基于SIFT(scale invari-ant features transform)算法的遥感图像配准算法.首先用Harris角点检测法代替了传统SIFT算法中的图像特征检测方法,再采用SIFT算法中的特征描述对图像特征进行描述,最后在参考图像上确定搜索范围,利用两幅图像之间的相关系数建立一对一的匹配关...     

基于椭圆傅里叶描述子的遥感图像配准算法

传统的基于点特征的图像配准算法在遥感图像配 准时提取的特征点数量大、分布密,易产生误匹配,导致特 征匹配的效率和精度低。为此,本文利用椭圆傅里叶描述子(EFD)能较好保留 形状信息的特点,提出了一种基于EFD的 图像配准算法,根据匹配的边界对预估变换参数,给出特征搜索范围,从而有效地提 高特征搜索的效率。实 验结果表明,所提出算法能有效抑制误匹配的产生,提升特征匹配的效率,尤其是对于纹理 丰富的大尺寸图像,提 升效果更加明显,验证了本文算法对遥感图像配准的适用性。     

一种基于整数小波变换的遥感影像融合算法

提出了一种IHS变换和整数小波变换相结合的遥感影像融合算法(IHS-IWT),并根据待融合图像的特点,选取了有效的融合策略.首先对中巴卫星多光谱影像进行IHS变换,然后对得到的亮度分量和Landsat ETM 高分辨率全色影像进行整数小波融合,最后通过整数小波逆变换得到融合的图像.实验结果表明,与IHS变换等方法比较,该方法在较好的保留光谱信息的同时,空间细节信息也得到了增强,并且具有较快的处理速度.     

基于新的遗传算法的模糊C均值聚类用于遥感图像分割

标准FCM对噪声十分敏感,并且依赖于初始聚类中心选择,算法通常得到的是局部最优解而非全局最优解。针对此问题提出一种基于猴王遗传算法的改进的FCM算法.猴王遗传算法是一种新颖的全局优化搜索算法,具有高效的计算性能和优良的全局搜索能力。本文首次将猴王遗传算法（MKGA）与结合空间领域信息的FCM相结合,利用改进的FCM算法的目标函数建立适应度函数,利用猴王遗传算法搜索全局最优解,代替FCM的基于梯度下降的迭代过程,从而有效地避免了模糊C-均值聚类算法收敛到局部最优和对噪声敏感的问题。在此基础上实现了对遥感图像的聚类分割。实验结果表明,该算法对于遥感图像显示了较好的分割效果和较强的抗噪能力。     

基于SIFT和Affinity Propagation的遥感图像配准算法

随着传感器和光学影像测量等各种技术的快速发展,航空遥感技术已经在电力巡检、森林防火、地理测绘等领域中发挥着越来越重要的作用,而图像配准作为遥感图像的预处理步骤为图像融合等后续处理提供了参考和依据,目前已经成为遥感图像处理领域的研究热点。文中提出了一种基于尺度不变特征变换（Scale-invariant Feature Transform,SIFT）和仿射传播聚类（Affinity Propagation,AP）的图像配准算法。该算法与原有算法相比优势在于无需预先设定参数,并且实验仿真表明该算法能有效地对多源图像进行高精度的配准,与随机抽样一致算法（Random Sample Consensus,RANSAC）相比提高了正确匹配点的数目。     

基于SIFT算法的异源遥感影像自动匹配研究

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,为遥感图像的匹配带来了困难。主要利用图像特征点提取方法,使用具有尺度不变特性的SIFT(Scale Invariance Feature Transform)方法,对异源遥感图像进行配准和图像进行拼接操作,并进一步对SIFT算法进行优化,采用双向匹配策略。实验证明该算法具有稳定、可靠、快速等特点,适用于存在光谱特征、空间特征、纹理特征差异的异源遥感图像的精确配准,同时实验验证了双向匹配算法用于SIFT特征点匹配中的优越性,证明其为一种好的匹配测度。     

多源遥感图像中的图像配准方法

提出了多源遥感图像配准融合的流程,分析了图像配准的过程。介绍了几种遥感图像的图像配准方法,对几种配准方法的效果进行了讨论。     

基于交叉累积剩余熵和NSCT的多模式遥感图像配准

图像配准是图像变化检测、融合、拼接等技术的 基础,在遥感图像处理领域具有广泛的应用 。利用非抽样Contourlet变换(NSCT)在图像分解上的灵活性,交叉累积剩余熵(CCRE)对遥感图像进行配准的有效性,提出一种基于CCRE和NSCT 的多模式遥感图像配准算法。首先对参考图像和待配准图像分别进行NSCT分解得到低频图像 ,然后采用CCRE作为相似性测度,利用牛顿法获得最优仿射变换模型的 参数对图像进行配准。实验 结果表明,本文方法能够较快的搜索到全局最优解,配准精度高,是一种有效的配准算法。