基于特征的自动图像配准算法

提出了一种基于特征的自动图像配准算法，它利用角点检测和相关运算在给定源图像和目标图像上自动寻找侯选匹配点，利用松驰过程确定对应特征点。算法在大多数情况下能自动完成。从实验结果看，该算法获得了理想的拼合效果。     

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。     

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。     

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.     

基于改进Harris-SURF算子的遥感图像配准算法

针传统SURF算法在遥感图像配准中存在精度和准确率不高的问题,提出基于改进的Harris-SURF图像配准方法。利用高斯二阶导数与原始图像进行卷积,提取具有尺度不变的特征值点,对Harris算法不具备尺度不变性进行改进,利用仿射变化提高配准的精度。最后,利用RANSAC算法剔除配准错误点,完成配准。     

遥感图像的图像配准方法

图像配准技术是近年来发展迅速的图像处理技术之一,是图像拼接、信息融合不可缺少的步骤。本文对遥感图像的配准进行了总结和归纳,介绍了几种常见的图像配准方法,并根据高光谱图像和高空间分辨率图像的特点指出了适合不同类型遥感图像的配准方法。     

最优控制点选取的遥感图像亚像素配准算法

分析了已有图像配准算法应用遥感图像配准方面的面临的问题,针对提高不同模态遥感图像配准精度问题,提出了一种人工辅助多模态图像配准算法。该算法首先由人工对待配准图像(测试图像)和参考图像输入控制点,利用高斯差分算子确定测试图像极值点;其次利用投影变换和最小线性平方差算法计算双边平均配准误差;最后,根据配准误差自动对控制点进行亚像素调整,取得亚像素级控制点匹配,实现遥感图像精确配准。实验结果表明,该算法具备更高的配准精度。      

一种基于粒子滤波的遥感图像配准算法

将基于粒子滤波的道路检测算法引入多源遥感图像的配准问题,并针对配准的应用环境改进了粒子权重的定义.在贝叶斯跟踪框架中,利用粒子滤波算法提取不同图像上的曲线作为配准特征,实现自动图像配准,实验结果表明该方法具有较好的准确性和鲁棒性.     

一种基于改进SURF的遥感图像自动配准方法

现有的遥感图像自动匹配方法存在匹配准确度低、计算量大、配准效率低的问题,在经典SURF算法基础上,提出一种改进的SURF算法,首先提取遥感图像放射不变闭合区域,然后利用SURF算法提取该区域内的特征点,建立特征点筛选机制剔除信息含量低且分布不均匀的特征点,最后结合最小二乘法完成图像自动配准。研究结果表明,该配准方法在提高配准精度的同时,减少了运算时间,提高了算法的整体性能。     

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。     

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。     

基于小波和改进型Hausdorff距离的遥感图像配准方法

近年来,不断发展的遥感技术使传统的遥感图像配准方法显得难以胜任.本文介绍了一种准确、高效的遥感图像配准方法.该方法运用图像信息分层技术、小波多尺度图像分解和Harris角点检测算子进行特征点提取,构建一个特征点金字塔,利用改进型Hausdorff距离作为配准的相似性测度,从而实现遥感图像的配准.     

基于特征点的图像配准技术探讨

图像配准是图像融合、运动目标检测中的关键技术之一.近年来国内外出现了各种新颖的配准算法,但均有各自的应用局限,只能适用于特定的场合.该文章从图像配准的一般原理出发,对目前主流的配准方法进行综合的分析和讨论,归纳其优缺点及其应用场合,并展望了图像配准算法的未来发展趋势,对相关领域的研究具有一定的指导意义.     

基于尺度不变特征变换的图像自动配准方法

运用尺度不变特征变换方法提取图像特征,采用基于圆域的特征主方向计算方法,强化了图像的特征旋转不变性能;利用k-d搜索树与简化的广义Hough变换相结合的方式进行图像特征匹配,提高了特征匹配的效率和精度。实验表明,该方法能够对不同分辨率、不同光照、不同拍摄角度的图像完成精确自动配准。     

遥感数字图像配准技术综述

图像配准技术是近年来迅速发展的图像处理技术之一,也是解决图像融合、图像镶嵌和变化检测等问题的必要前提,并在遥感、军事、医学、计算机视觉等众多领域都有广泛的应用.本文首先简要介绍了图像配准的步骤和过程,接着具体分析了目前几种常用的配准方法,并归纳总结了其在遥感领域应用中的技术特点,最后讨论了图像配准在遥感领域中的发展趋势.     

最大化算术-几何均值距离的多传感器遥感图像配准

互信息是多模态医学图像配准的一种重要方法。它测量的是两个概率分布之间的Kullback-Leibler(KL)距离。该文分析了KL距离和Shannon不等式之间的关系,在此基础上,提出了一种新的算术-几何均值距离,并将这一距离测度用于多传感器遥感图像的配准处理。与Kullback-Leibler距离不同,新的距离测度具有对称性,并且对概率值为0的情况不需要特殊处理。文中首先通过一维仿真信号对算术-几何(AG)测度进行了分析,并使用Thematic Mapper (TM), Satellite POsitioning and Tracking (SPOT)遥感图像和雷达图像进行了配准实验,验证了提出的新的算术-几何均值距离函数在配准多传感器遥感图像方面的有效性。与目前常用的相关系数的方法不同,这种新方法对于像素灰度值不具有线性关系的多传感器遥感图像能够实现配准处理。     

基于特征点的微波遥感图像自动配准算法

图像配准是图像处理工作（图像融合、图像镶嵌等）的核心技术。本文提出了一种有效的遥感图像自动配准算法,该算法采用改进的Harris 算子提取角点特征,利用待配准图像之间的灰度相关性进行粗匹配,然后运用虚拟三角形对全等的准则进行精匹配得到最终的匹配角点,最后通过这些角点求得刚体变换模型参数。实验结果表明：该算法是正确和有效的。     

基于傅里叶变换的遥感图像配准

针对存在平移、旋转和尺度关系的多传感器、多谱段遥感图像配准问题,提出了一种基于边缘特征提取和伪对数极坐标傅里叶变换（EPLPFFT）的频域配准技术。采用边缘检测等图像预处理技术。提取了图像的大部分共有显著特征,有效消除了图像间的灰度差异;利用伪对数极坐标离散傅里叶变换（DFT）,改善了对数极坐标DFT的计算精度,从而可以通过对数极坐标频域配准技术配准经边缘提取后的特征图像。遥感图像的配准实验证实了这一方法的稳健性和配准精度。     

基于Contourlet系数局部特征的选择性遥感图像融合算法

为了使融合后的多光谱图像在显著提高空间分辨率的同时,尽可能多地保持原始多光谱特性,提出了一种基于Contourlet变换系数局部特征的选择性遥感图像融合方法。根据多光谱和全色图像融合过程中Contourlet变换后的低频和高频部分融合目的的不同,对得到的近似和各层各方向的细节分量分别运用窗口邻域移动模板逐一计算相应区域Contourlet系数阵的不同局部特征量,然后选择适当的准则,对图像的近似和细节分量分别应用不同的策略在Contourlet系数域内进行选择性融合,通过Contourlet和亮度-色调-饱和度(IHS)逆变换得到融合的高分辨率多光谱图像。采用Landsat TM多光谱和SPOT全色图像进行的融合实验结果表明:提出的算法在显著提高空间分辨率的同时,又能很好地保持原始图像的光谱特征,并优于传统的融合方法。