基于SIFT和NCC的多源遥感影像配准方法

针对多源遥感影像的配准,提出了一种结合SIFT算法和归一化互相关（NCC）匹配算法的配准方法。该方法采用SIFT算法提取特征点并进行匹配得到一定数量的特征点对后,利用SIFT特征点的尺度和方向信息对NCC进行改进,进一步从未能匹配的特征点中获取匹配点对,经粗差滤除后得到有效的匹配特征点对,随之进行影像配准。方法结合了SIFT算法和NCC算法的优点,解决了多源遥感影像因辐射差异和几何差异造成的难以正确配准的问题。实验结果表明,算法具有较强的鲁棒性,并取得了较好的配准精度。     

基于SIFT点特征和Canny边缘特征匹配的多源遥感影像配准研究

针对多源遥感影像的配准,提出了一种结合SIFT点特征和Canny边缘特征匹配的配准算法。该算法首先采用SIF7算法提取点特征并进行影像粗配准,在获得初始仿射变换参数后,采用Canny算法提取边缘特征,并采用成本函数法进行边缘点匹配,经粗差滤除后得到有效的匹配特征点对,随之进行影像精配准。该算法结合了SIFT、算法和Canny算法的优点,解决了多源遥感影像因辐射差异和几何差异造成的难以正确配准的问题。实验结果表明,算法具有较强的鲁棒性,并取得了较好的配准精度。     

基于SIFT特征遥感影像自动配准与拼接

将SIFT特征用于遥感及航拍影像的配准和拼接,并针对RANSAC算法在SIFT特征匹配中效率低、同时还需要估计内点噪声均方差作为误差数据的门限等不足,采用一种基于投影的M估计算法,利用最优化准则和输入数据的内在联系绕开鲁棒估计对噪声均方差的依赖性。实验结果表明,对航空和航天遥感影像SIFT特征在一定程度的视点变化、光照变化、分辨率不同等情形下,该方法具有稳定、快速、可靠等特点。M估计则有效地解决了对于不同输入数据的门限选择,真正实现了无人工干预的自动配准。     

基于归一化SIFT算法的不同光学影像配准

由不同传感器摄取的遥感影像因成像模式、拍摄角度和分辨率不同,给两者之间的配准造成困难。针对该问题,提出归一化SIFT算法,通过对SIFT描述子归一化的处理,降低不同光学影像色调差异大的影响,并通过与最小二乘法和双线性内插法的结合,完成自动配准。选取角度和尺度偏差较大的SPOT与ASTER影像、ASTER与TM影像2组数据进行实验。结果证明,该算法鲁棒性强,配准精度高。     

基于互信息和随机优化的超光谱遥感图像配准

精确的谱间配准是从超光谱遥感图像中获取光谱信息的基本前提之一。而谱间配准的主要困难在于宽的成像光谱范围使波长间隔远的图像缺乏相似性, 超光谱图像本身海量的数据也限制了配准算法的复杂性。提出了一种结合互信息和随机优化技术的多分辨率配准方法。该方法采用互信息作为相似性测度, 能很好的适应超光谱图像光谱特征的变化; 二阶同步试探随机逼近(2SPSA )算法的应用, 解决了互信息的多变量优化问题; 通过一种具有平移和旋转不变性的小波分解实现算法的多分辨率形式, 能明显加快算法的收敛速度并保证搜索结果的全局最优性。实验结果表明该算法适用于配准波长范围很宽的超光谱图像, 并能达到子像素的配准精度。     

基于互信息多步骤优化的医学图像配准

提出了一种新的基于互信息(Mutual Information, MI)的多步骤优化的配准方法。计算输入图像的梯度值，减少了图像的内在信息而使轮廓更为清晰。设计了多步骤的配准框架，优化了配准的收敛过程，使用完整的图像进行有限次的传统配准方法的微调，以实现高精度。为了验证该方法的有效性，分别使用单模、多模和时间序列的方法对临床医学数据进行了实验，与传统的MI配准方法相比，基于互信息的多步骤优化的配准方法具有更高的有效性和精确度。     

基于互信息的分层遥感图像配准方法

该文提出了一种基于互信息相似性判据的分层遥感图像配准方法,通过小波变换构造图像金字塔,从金字塔的最顶层开始搜索,根据互信息最大的原则确定图像间的变换参数,并作为下一层搜索的粗略位置,然后逐层细化,实现由粗到细的搜索过程。将此算法应用于遥感图像,得到了有效、精确的配准结果。从而证明了该文算法的可行性和有效性。     

基于SIFT特征的遥感图像配准方法研究与实现

讨论了基于SIFT特征的遥感图像配准方法,重点介绍了基于特征点提取的算法描述以及针对基于特征点的遥感图像配准算法流程,并通过实验进行了验证。     

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.     

视差互信息引导下的立体航空影像与LiDAR点云自动配准

目的 从视差图反映影像景物深度变化并与LiDAR系统距离量测信息"同源"这一认识出发,提出一种基于视差互信息的立体航空影像与LiDAR点云自动配准方法.方法 本文方法分为3个阶段:第一、通过半全局匹配SGM(semi-gdabal matching)生成立体航空影像密集视差图;第二、利用航空影像内参数及初始配准参数(外方位元素)对LiDAR点云进行"针孔"透视成像,生成与待配准的立体航空影像空间分辨率、几何形变相接近且具有相同幅面大小的模拟灰度影像-LiDAR深度影像,以互信息作为相似性测度依据估计航空影像视差图与LiDAR深度影像的几何映射关系,进而以之为基础实现LiDAR点云影像概略相关;第三、以LiDAR点云影像概略相关获得的近似同名像点为观测值,以视差互信息为权重,实施摄影测量空间后方交会计算获得优化的影像外方位元素,生成新的LiDAR深度影像并重复上述过程,直至满足给定的迭代计算条件.结果 选取重叠度约60%、幅面大小7 216×5 428像素、空间分辨率约0.5 m的立体航空像对与平均点间距约1.5 m、水平精度约25 cm的LiDAR"点云"进行空间配准实验,配准精度接近1个像素.结论 实验结果表明,本文方法自动化程度高且配准精度适中,理论上适用于不同场景类型、相机内参数已知立体航空影像,具有良好的应用价值.     

基于互信息及蚁群算法的红外与可见光图像配准研究

红外与可见光传感器是图像系统中常用的两种传感器,对这两种传感器图像进行有效的融合,能够得到更加丰富的图像信息,并具有更高的可靠性,有利于提高对图像信息的分析和识别能力.快速准确地实现图像配准是图像融合的前提.为此,本文提出了一种基于互信息及蚁群算法实现红外与可见光图像配准的方法.     

一种基于SIFT特征的快速逐层遥感图像配准方法

当前SIFT特征分层配准方法中存在特征点匹配复杂度高以及不同时相地物变化导致特征点误匹配等问题,提出一种基于SIFT特征的“低分辨率配准\,高分辨率验证”快速逐层遥感图像配准方法。该方法针对同源同分辨率不同时相的遥感图像,通过在金字塔的低分辨率图层匹配特征点对并建立仿射变换模型,在金字塔的高分辨率图层评估并修正模型。实验表明：提出的方法在保证配准精度的前提下,有效提高了配准算法的效率。
     

基于改进SIFT算法的无人机遥感图像匹配

将SIFT算法中高斯二阶微分模板与图像函数的卷积运算转化为箱式滤波器对积分图像的加减运算,引入SURF算子,减小特征点检测算子的特征向量维数,降低SIFT算法的计算复杂度,缩短图像匹配时间,从而解决了无人机遥感图像匹配对实时性要求较高的问题。仿真结果表明,改进的SIFT算法在保持原算法鲁棒性和匹配率的前提下,提高了运算速度。     

基于SIFT特征和广义紧互对原型对距离的遥感图像配准方法

主要讨论SIFT(Scale Invariant Feature Transform)及其在遥感图像配准中的应用。首先介绍了基于特征点的遥感图像配准的一般框架;针对基于特征点的遥感图像配准中的两个基本问题-鲁棒的特征点提取和特征点匹配,提出了基于SIFT特征点和广义紧互对原型对距离的遥感图像配准新方法,并通过“广义紧互对原型对”的概念,为不同的特征点匹配方法建立了联系。与已有的相关工作相比,该方法可以得到更多的匹配点对和正确的匹配点对。数值试验证明了该方法的有效性和鲁棒性。     

高分辨率遥感图像配准并行加速方法

基于SIFT算法的遥感图像配准精度高、稳定性强,但图像幅宽大、提取特征点数量多使得配准过程耗时长。提出了一种高分辨率遥感图像配准的并行加速方法。该方法在特征点提取时利用GPU实现了高斯金字塔建立过程中的并行加速,并对提取出的大量特征点使用共享内存来进行局部极值高速缓存,降低了特征点提取所需的运算时间;同时通过分块处理以及OpenMP多线程技术实现了特征点匹配及仿射模型计算过程的CPU并行处理。实验表明:本方法相对于传统的SIFT算法平均加速3倍,并且对于固定大小的图像,本方法的特征点提取时间和特征点个数具有线性关系,加速比随着提取出特征点数量的增加而增大。     

基于小波分解和互信息的图像配准方法

根据小波分解和互信息测度的原理,提出一种快速的图像配准方法。首先,对原图像进行小波分解,在保证配准精度下对分解图像进行灰度压缩,以减少配准参数的计算量,并利用最大互信息准则和下降单纯形的搜索策略找到最优配准参数实现图像配准。实验结果表明,这种图像配准方法能在保证配准精度条件下,提高配准的速度。     

基于最大互信息的多模医学图象配准

介绍了一种基于最大互信息原理的图象配准技术,并就实施最大互信息配准法的一些重要技术问题进行了研究,其中包括不增加新数据点的格点采样子集、不产生分数灰度值的ＰＶ插值技术和出界点策略等。该方法在搜索策略上采用了无需计算梯度的Ｐｏｗｅｌｌ算法。由于计算互信息的关键技术与有效的搜索策略的结合,使得该方法能快速、准确地实现多模医学图象的配准。用该方法对７个病人的４１套ＣＴ－ＭＲ和３５套ＭＲ－ＰＥＴ３Ｄ全脑数     

基于ITK的Mattes互信息医学图像配准研究

近年来非刚性医学图像配准在临床上的需求越来越明显,而使用互信息的方法已经受到许多学者的关注。本文较为详细的介绍了医学图像分割与配准算法工具包在VS2008中的安装和使用,基于该工具包完成了2D-2DMRI脑部图像的Mat-tes互信息配准,对互信息算法及其实现做了研究,并提出了使用图像金字塔算法策略联合互信息测度进行配准的方案。实验表明,与没有使用联合策略的配准方法相比,该方案在配准鲁棒性没有受到明显影响的同时,提高了配准速度和精度。     

基于粗配准和互信息的脑部MR图像配准算法

现有的医学图像配准算法一般都存在需要人工介入、配准时间过长等问题.为了寻找快速、精确、鲁棒性强的自动配准算法,在采用主轴矩方法进行脑部MR(核磁共振)图像的初始配准的基础上,提出局部搜索算法对图像求得更精确的配准.实验表明,该方法的配准精度和现有的Powell算法都可以达到亚像素级,但局部搜索方法和Powell算法相比较,平均配准时间大大缩短;即便和采用了主轴矩粗配准的Powell算法相比较,配准效率也提高了一倍左右.主轴矩粗配准算法提高了配准效率,局部搜索算法则保证了配准的精度.