基于几何不变性和局部相似特征的异源遥感图像配准算法

针对异源遥感图像在图像配准中的几何形变问题,本文提出了一种基于几何不变性局部相似特征的异源遥感图像配准算法.GISS算法利用加速鲁棒特征算子先对存在几何差异的异源遥感图像进行预匹配,然后根据特征点的方向特征对图像进行旋转仿射校正,最后引用局部相似性描述符并集成相似性度量来考察预匹配点对的相关性,选取其中相似相关性最优的点对实行图像配准.实验结果表明,对于存在几何形变的异源遥感图像,具有较好的配准实现效果,可以有效的解决异源遥感图像之间的几何形变差异问题,具有较好的鲁棒性和配准精度.     

基于迭代更新的SIFT遥感图像配准算法

由于多光谱遥感图像之间存在复杂辐射差异，造成全色图像与其他波段图像通过尺度不变特征变换(Scale-Invariant Feature Transform, SIFT)算法进行图像配准时无法保证配准精度。针对这一问题，提出一种基于迭代更新策略的SIFT算法。该算法通过SIFT算法获取同名点，迭代更新求解单应性矩阵，获得基准图像与待配准图像之间的最优单应性矩阵实现图像配准。为验证所提方法的有效性和鲁棒性，在网通一号和高分二号遥感影像上进行了图像配准实验，实验结果表明，所提方法不仅可实现高精度的图像配准，还可以有效提升SIFT算法应对遥感图像辐射差异的鲁棒性。     

一种稳健的多源遥感图像特征配准方法

 提出了一种稳健的多源遥感图像特征配准方法.首先引入相位一致性变换来消除图像灰度、对比度差异的影响并提取特征点;然后基于Zernike矩重构互相关函数并通过重构函数最大化实现图像旋转条件下的特征点匹配,同时结合双向最大互相关值匹配策略实现图像的粗略配准;最后,采用迭代修正变换参数算法最终实现多源遥感图像高精度配准.对大量多源图像进行配准实验表明,提出方法对多源遥感图像配准具有较强的适应性且配准精度高.     

基于SIFT特征的多视点云数据配准和拼接算法

针对无特征标志点的大场景多视点云数据,提出了一种新的基于SIFT特征的配准和拼接算法。算法提出了有效纹理图像的概念,并对有效纹理图像进行SIFT特征提取和匹配;然后将提取的SIFT特征点和匹配关系反射到三维点云数据,获取多视点云数据的特征点和匹配关系,完成多视点云数据的拼接。算法在有效纹理图像中提取和匹配特征点,排除了点云数据中孔洞和无效数据的干扰,并且算法只利用较高鲁棒性的特征点对进行拼接,计算简单,匹配精度和效率都得到提高。对室内和室外两个大场景的2个视点数据进行实验,实验结果证明拼接速度和精度都有较大的提高。     

基于增强MSER和Harris-Laplace互补不变特征的遥感图像配准

针对具有倾斜的遥感图像的自动配准问题,提出一种增强自动配准方法.该方法首先应用最大极值稳定区域(Maximally Stable Extremal Regions,MESR)特征的仿射不变性结合匹配能力较强的SIFT(Scale Invariant Feature Transformation,SIFT)描述子进行粗匹配,初步校正倾斜图像的空间变换;然后利用Harris-Laplace(H-L)在图像旋转、光照变化条件下能最稳定的提取2维平面特征点和在3维尺度空间中能最稳定高效地提取特征点的特性结合随机一致性检验(Random Sample Consensus,RANSAC)方法进行精匹配.通过实验分析证明,与SIFT配准方法相比该方法能够对倾斜的遥感图像实现更精确的自动配准.     

多光谱遥感卫星图像的精确配准方法研究

针对一组多光谱遥感图像中,各谱段图像之间配准不一致的问题,本文提出了一种基于特征点的快速自动配准方法。在图像信息熵的基础上,利用环形移动窗口,自动快速寻找感兴趣区域, 并利用尺度不变特征转换（SIFT）算法提取特征。为提高精度,文中对特征初匹配方法作了改进,并用余弦定理和空间距离约束条件剔除误匹配点,之后提取最稳定的特征点对计算变换参数,完成配准。最后根据配准前后图像的互信息和特征点的均方根误差（RMSE）来衡量配准的程度。通过对大量中巴地球资源卫星拍摄的多光谱图像进行实验,该方法能达到亚像素级配准精度,并能快速对各谱段图像进行配准。      

应用于多源SAR图像匹配的级联SIFT算法

针对多源SAR(Synthetic Aperture Radar)图像几何精处理需要大量离散控制点的问题,文章中提出一种级联SIFT(Scale Invariant Feature Transform)匹配算法.首先,采用大尺度自适应各向异性高斯SIFT(Adapted Anisotropic Gaussian-SIFT,AAG-SIFT)算法进行图像粗配准,大尺度AAG尺度空间可以在模糊不稳定局部纹理干扰的同时,保持图像的结构信息,提高算法的鲁棒性;其次,级联一种局部SIFT匹配算法,在粗配准后图像间进行局部匹配,避免不相关区域内重复纹理对特征匹配的影响;最后,通过尺度和旋转等先验条件筛选匹配点对,保证匹配结果的准确性.对比实验表明,级联SIFT处理可以增加提取同名点的数量和空间分布质量,而且匹配点定位准确.     

一种应用于图像配准中的点特征匹配算法

点特征匹配在机器视觉、图像配准等领域中有着重要的应用.针对空间存在较大仿射几何差异的图像中的点特征匹配问题,提出了一种利用马氏距离仿射不变性进行约束的松弛匹配算法,并将该算法应用于遥感图像配准中.实验结果表明,算法可以很好的完成点特征匹配,匹配点对数量充足且具备很高的正确率,从而可以保证图像配准的精度.     

一种改进的SURF彩色遥感图像配准算法

为了进一步提高彩色遥感图像的配准精度,针对遥感图像配准过程中色彩信息利用率低的问题,提出一种改进的SURF(Speeded Up Robust Feature)彩色遥感图像配准算法。该算法首先在对彩色遥感图像进行特征点检测基础上,对特征点描述算子进行改进,以使颜色空间变换后得到的特征点色彩信息添加到原描述算子中;其次,对特征点描述算子进行归一化处理,以增加算子的独特性和对旋转、尺度、光照的鲁棒性;最后,利用Hession矩阵的迹提高精度以及欧氏距离比率完成特征点匹配,得到正确匹配点对,再通过变换矩阵参数估计和插值处理得到配准图像。实验结果表明,在保证实时性的条件下,该算法相比经典SIFT算法和SURF算法,准确性和稳定性都有一定提高,具有一定的理论和应用价值。     

基于Harris-SIFT特征匹配的图像自动配准算法研究

为解决目前大多图像配准算法存在匹配精度低、实时性差的问题,本文提出了一种基于区域分块提取特征点的自动配准算法。该算法结合了Harris算子与SIFT(Scale-Invariant Feature Transform)算子的优点,先用Harris算子快速提取角点作为图像原始特征点,然后利用SIFT算子的特征描述方法对原始特征点进行描述,获得具有尺度不变性的特征点描述符,最后通过欧氏距离确定匹配点对进行图像配准。实验结果表明,该算法保留了Harris算子和SIFT算子的优点,减少了经典SIF算法提取极值点的时间,并且具有良好的鲁棒性、尺度不变性。本文针对200幅图像进行测验,当发生平移、旋转或缩放变换时,两幅图像间的匹配正确率高达95%。结果表明该算法能高效、高精度的实现图像配准。     

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...     

改进图像配准算法在无人机遥感图像拼接中的应用

针对传统图像拼接方法的不足, 提出一种基于改进SIFT算法的图像拼接方法, 并将其应用于无人机遥感图像拼接算法中。首先, 采用Harris算子角点检测遥感图像的特征点, 然后用改进的SIFT算法进行特征点的描述, 通过对高维数据进行降维处理, 减小运算量; 匹配完成后, 采用随机抽样一致性(RANSAC)算法消除误匹配; 最后采用渐入渐出加权平均融合法进行图像融合。实验结果表明: 采用所提出算法能有效剔除遥感图像之间的误匹配, 减小时间复杂度, 更好地消除拼接缝隙。     

改进图像配准算法在无人机遥感图像拼接中的应用

针对传统图像拼接方法的不足,提出一种基于改进SIFT算法的图像拼接方法,并将其应用于无人机遥感图像拼接算法中。首先,采用Harris算子角点检测遥感图像的特征点,然后用改进的SIFT算法进行特征点的描述,通过对高维数据进行降维处理,减小运算量;匹配完成后,采用随机抽样一致性(RANSAC)算法消除误匹配;最后采用渐入渐出加权平均融合法进行图像融合。实验结果表明:采用所提出算法能有效剔除遥感图像之间的误匹配,减小时间复杂度,更好地消除拼接缝隙。     

基于SIFT算法在遥感图像匹配中的应用研究

针对遥感图像在光照和几何差异等复杂因素上引起的匹配误差,深入研究了SIFT特征描述符的改进方法.利用特征点圆形区域来构造特征描述符,采用自适应量化策略用来局部区域的划分和梯度直方图的计算,并对每个描述子采用一种插值法重新确立主方向,改进SWT算法的描述符.降低特征点维数的同时,又保证特征点描述符的独特性和鲁棒性.研究结果表明,改进的SIFT描述符在遥感图像几种复杂环境下都取得了预期的结果,证实了改进算法的可行性.     

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。     

基于改进SIFT算法的无人机遥感影像匹配

为解决无人机景象匹配导航及制导对匹配算法实时性要求较高的问题,对SIFT算法中的生成特征描述符环节进行改进,提出了以特征点为圆心构造同心圆环划分特征邻域的匹配算法;同时对匹配点对进行筛选,减小模型估计误差,提高精度。以大量的存在尺度缩放和角度旋转的遥感影像进行仿真,实验表明该方法在保持SIFT算法定位精度的前提下提高了算法的实时性。     

Delaunay三角网优化下的小面元遥感影像配准算法

针对遥感影像配准中控制点分布不均匀而影响配准精度的问题,论文提出三角网优化模型下的小面元遥感影像配准算法。首先利用RFM模型与DSM数据对其进行正射纠正;其次采用SIFT算子匹配特征点,通过RANSAC算法对其优化;同时设置影像边缘格网点,综合利用仿射变换、核线约束和灰度相似性约束匹配边缘格网点;构建初始Delaunay三角网,通过三角单元面积与角度双重约束优化三角网;最终通过扫描线填充算法实现小面元影像配准。多组实验结果表明该算法在遥感影像配准中的适用性和有效性,影像配准精度可达到亚像素级,使得存在地形起伏的遥感影像配准问题得到了有效解决。      

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。     

基于函数拟合的SIFT误匹配点剔除算法

针对RANSAC算法在剔除SIFT误匹配点实验中存在耗时长、误匹配等问题,提出了基于函数拟合的SIFT误匹配点剔除算法。首先采用SIFT算法进行待匹配图像与匹配图像的匹配工作,对匹配后的待匹配图像关键点采用迭代最小二乘拟合法构建函数模型,然后与匹配图像特征关键点进行拟合,最后计算两者的误差,当误差大于给定阈值时,确认该点为误匹配点,对其进行剔除。实验结果表明,采用基于函数拟合剔除误匹配点在时间上比RANSAC算法平均节省了2 s,正确匹配率提高11.75%,并且较多地保留了正确匹配点。     

基于循环生成对抗策略的遥感图像匹配算法北大核心CSCD

针对异源遥感影像成像模式、时相、分辨率等不同导致的图像匹配困难问题,提出了一种基于循环生成对抗策略的遥感图像匹配算法。构建了跨数据域图像特征迁移的循环生成对抗网络(generative adversarial network,GAN),设计SmoothL损失函数对网络进行优化,提高遥感图像特征提取精度,并基于图像特征迁移结果,建立三元组距离排序损失函数(trioplet margin ranking loss,TMRL)降低遥感图像的误匹配点数,实现异源遥感图像的准确匹配。实验结果表明,本文方法将异源遥感图像匹配平均准确率提升了33.51%,与CMM-Net(cross modlity matching net)方法相比,具有更好的遥感图像匹配效果。此外,本文方法不需要目标域图像的标注信息,匹配时间缩短了0.073s,能快速准确实现异源遥感图像匹配。