基于轮廓特征的SAR图像自动配准

针对SAR图像的自动配准问题,提出了一种基于轮廓特征的快速配准方法。在对SAR图像正确检测和分割的基础上提取图像的区域轮廓,并对其几何特征属性进行准确描述,利用配准点可以实现自动图像配准,仿真试验表明可以获得亚像素级配准结果。     

一种基于点特征的异源SAR图像配准方法

适配性分析是合成孔径雷达(Synthetic aperture radar, SAR)图像匹配的重要研究内容, 它研究图像是否适合选作基准图的问题. 本文研究基于点特征配准方法的异源SAR图像适配性分析, 以特征点的数目及稳健程度来度量SAR图像适配性, 提出基于点特征的异源图像适配性评价算法, 并构建出一种评价特征点稳定性的准则, 以指导选取合适的退化模型.实验结果表明本文所提出的点特征适配性评价机制能有效地度量指定SAR图像的适配性, 从而近似得出保障图源的适配性排序结果.     

基于特征的高精度自动图像配准方法

提出了一种特征匹配策略,它通过建立一个以匹配矩阵为自变量的函数,将空间关系一致性和特征相似性两方面的准则有机地结合起来,使得该函数在图像的最佳配准位置达到全局最大值.这样,特征匹配问题转化为一个函数最优化问题.采用分支定界法解决了这个整数规划问题.用大量的实际图像测试了该方法,并与多种已有方法进行了比较.实验结果表明,该算法是自动的、通用稳健的,而且配准精度是最高的.     

基于特征点的合成孔径雷达复图像自动配准算法

提出了一种干涉合成孔径雷达复图像对的自动配准算法,利用Harris特征点检测算子,完成了特征点检测;根据匹配点对之间最大相关和距离相近的结论设计了匹配算法,进行了特征点对的匹配;首先通过Harris特征点检测算子提取特征点;其次根据提出的匹配算法建立点的对应关系;最后利用两步法完成复图像的亚像元级配准;实验结果表明,该算法具有较高的配准精度。     

基于区域特征的图像自动配准方法

通过分析比较不同配准方法的原理及优缺点,提出了一种基于图像区域特征的配准方法.算法首先对待配准图像进行自适应阈值分割,然后利用数学形态学方法进行区域轮廓提取优化,接着计算各区域的特征描述,最后以各特征向量距离最近区域的重心作为控制点集对图像进行配准.实验结果表明,该算法能够对图像进行快速准确的配准,而且具有纠正一定几何畸变的能力,是一种有效的自动配准方法.     

基于特征区域的图像自动配准

为了解决基于特征的图像配准中的特征点的定义和提取问题,提出了一种以特征区域替代特征点的定义和提取方法。该方法应用Moravec算子选择候选特征区域,使用具有旋转不变性的Zernike矩表征该区域的特性;采用二级匹配策略进行特征区域的匹配,即基于自组织映射神经网络的初始匹配及精细匹配;建立图像的配准框架并实现图像的配准。实验结果表明,该方法能有效地提取图像的特征点并能准确地进行特征点的匹配,整个配准过程完全自动进行。     

一种头部磁共振图像自动配准方法

提出一种基于曲线形状匹配的头部磁共振图像自动配准方法，可实现预分割提取头部轮廓曲线、曲线形状特征提取及匹配和单层匹配结果的校正。实验证明在缺乏成像位置参数时，该方法可快速有效地成功实现头部磁共振图像的配准，特别是颅脑内部包含肿瘤的图像配准。     

基于点特征的SAR图像与可见光图像配准

针对合成孔径雷达(SAR)图像与可见光图像配准精度低的问题,提出一种基于角点幅值与方向的点特征描述符HIOHC,用以改进Harris角点检测器。将检测器的响应函数从一阶项扩展为二阶项,提高其对SAR图像噪声的鲁棒性,同时构建一个组合像素空间及灰度信息的权值函数,提高角点检测的准确性。实验结果表明,与传统的Harris检测器相比,改进的检测器能够有效降低SAR图像噪声的影响,具有更高的配准精度。     

一种新的基于多特征的图像自动配准技术

提出了一种新的基于多特征的图像自动配准技术。该方法使用不变矩对图像中的区域进行匹配,然后利用匹配区域的区域标记寻找大尺度上的特征点作为控制点进行初始配准,进而在此基础上指导改进链码的方法对开放边缘进行二次配准。最后根据所得到的控制点构成的超定方程组利用最小二乘拟合的方法得到配准参数。经过实验证明该算法能够达到亚像素级的配准精度,并且适用于不同传感器图像以及同传感器同波段或不同波段图像之间的精确配准。     

一种基于角点特征的图像自动配准方法

图像配准是图像处理和计算机视觉中的重要环节。提出了一种基于角点特征的图像自动配准方法来处理具有相似变换的图像配准问题。角点特征由改进的Harris算子提取,然后将提取的角点组成虚拟三角形,利用在相似变换下参考图像和待配准图像中对应的虚拟三角形相似的原理,找到最相似的两个虚拟三角形,以它们对应的顶点作为控制点,求出变换模型参数,从而配准两幅图像。该方法只要求两幅图像中提取的角点特征包含3个以上的对应角点,就能配准两幅图像。它的另一个优点是理论上对两幅图像之间发生的平移、旋转和尺度变化没有限制。实验结果表明:这种图像自动配准算法是正确和有效的。     

基于外部DEM的InSAR图像配准方法研究

雷达图像的配准是进行雷达干涉测量(SAR Interferometry, InSAR)处理的关键,为了保证干涉相位图或形变相位图反映真实地面特性,需要雷达图像之间亚像元级精度的配准。首先综述了已有的基于外部DEM的InSAR图像配准方法的思路及其不足之处,并提出了一种全新的思路:以图像之间的相干性作为目标函数,利用搜索的方法实现了雷达成像方位向和距离向的最优时间常数的估计,从而实现雷达图像之间亚像元级配准;还进一步推导了数字高程模型(Digital Elevation Model, DEM)的误差对算法精度影响的一个更加严密的表示。结论表明,在利用精确轨道数据的情况下,美国航天飞机测地计划SRTM获得的地形数据的精度可以满足精确雷达图像配准的要求。结果表明,利用基于外部DEM算法配准雷达图像在山区和大的时间基线情况下要优于常规相干多项式配准方法,理论上可以达到百分之一个像素的配准精度。     

基于分形理论的SAR图像分割

SAR(合成孔径雷达)图像包含有相干斑噪声,传统方法不能很好对其进行分割,文章将SAR图像的特点和分形理论相结合,提出了一种新的SAR图像分割方法。该方法首先对原始SAR图像每个像元为中心取两种不同窗口,计算在该两种窗口下基于区域自选的分形维数并求均值,将其作为分形纹理特征。然后根据SAR图像噪声在小波域中的分布特点对SAR图像进行滤波,最后以SAR图像分形纹理特征和滤波后的灰度组成特征向量对SAR图像进行分割。实验结果分析表明,该方法是一种有效的SAR图像分割方法。     

一种遥感图象自动配准方法

遥感图象的配准是多项重要的图象处理工作(如图象融合、图象比较、图象计算等)的前提。该文提出了一种简单可靠的遥感图象自动配准方法,该方法利用待配准图象之间的灰度相关性,首先采用改进的有利算子(兴趣算子)自动地在基准图象上搜寻特征点,然后进行特征点匹配,在待配准图象上搜寻特征点的同名点,并按相关性的大小从中筛选出有效的控制点,构成不规则三角网(TIN),最后对三角网中的每一个三角形进行多项式拟合和插值变换。与传统的人工输入控制点方法相比,该文提出的方法具有更高的精确度,而且节省了人力和时间,实验证明具有一定的实用性。     

一种低比特率下的快速SAR图像压缩方法*

提出了一种低比特率的快速压缩方法,通过基于小波的降采样增强像素间的相关,继而使用小波包分解降采样后的图像并使用基于零块的方法对系数进行编码。实验结果表明用该方法进行压缩能够得到优于JPEG2000的主观效果,对边缘保持更好,并且计算量小,适合实时实现。     

SAR图像自动目标识别系统研究与设计*

研究了SAR图像自动目标识别系统。通过分析国际上先进的SAR自动目标识别系统的组成、算法实现、流程设计和所得到的结果,设计出SAR自动目标识别系统结构和识别流程图。系统结构主要由SAR图像特性库、特征库和模型库组成。识别流程在系统结构的基础上,分为检测、辨识和分类三步。最后给出了SAR图像自动目标识别系统的主要评价原则。     

一种基于边缘轮廓信息的多源遥感图象子象素匹配定位方法

提出了一种基于图象边缘轮廓信息的多源图象匹配定位方法,其目的是利用定位精度较高的高分辩率遥感图象对低分辨率图象实现子象素级的匹配定位,该方法有效地利用了多源遥感图象中共有的区域结构信息,将特征匹配和最小二乘影象匹配相结合,具有较好的普适性,且运算快速、抗噪性能好,采用该方法进行ＮＯＡＡＡＶＨＲＲ图象和Ｌａｎｄｓａｔ ＴＭ图象、１：１００万数字地图的边缘图象匹配,并应用于ＮＯＡＡ ＡＶＨＲＲ图象的几     

基于最小错误率的SAR图象分割方法研究

文章提出了一种基于最小错误率的SAR图象自动分割算法。对直方图呈现出多模分布特征的SAR图象,首先运用有限高斯混合分布对SAR图象特征空间的数据统计模型进行估计;其次基于最小错误率原理选取SAR图象自动分割阈值,在先验概率未知和估计条件下,获得目标及其阴影区域的检测结果;最后对两种图象分割结果进行了分析并与SAR图象目标检测的经典方法-恒虚警(CFAR)目标检测方法作了比较。仿真结果表明在先验概率估计下的图象自动分割具有明显的优势和较大的应用潜力。     

基于CLi多小波的SAR图像压缩去噪混合方法

CLi是由复小波构造的一类对称、正交、紧支撑且消失矩阶数较高的多小波.针对CLi多小波的优越特性,本文给出了基于CLi多小波的SAR图像去噪压缩混合方法,该方法在压缩的同时,对噪声也进行了抑制.仿真实验表明,该方法无论对于常规图像,还是SAR图像都具有较高的压缩性能.