基于SIFT的遥感图像配准技术综述

遥感图像配准是图像融合、变化检测、图像镶嵌等应用中不可缺少的步骤。近年来,出现了大量基于尺度不变特征变换(scale invariant feature transform,SIFT)的遥感图像配准方法。在对已有基于SIFT的遥感图像配准文献的调研分析基础上,对各种SIFT遥感图像配准技术进行了系统性评述,将各种改进方法分为SIFT提升算法、针对遥感图像性质的改进、混合方法以及针对算法流程的改进等4类;分析了不同类型改进方法的适用范围和优缺点;指出了SIFT遥感图像配准技术存在的主要问题和难点,对其未来的发展方向进行了展望,为后续研究提供参考。     

高分辨率遥感影像波段配准误差试验分析

高分辨率遥感影像波段间配准误差是影响影像质量及其应用精度的重要因素之一。配准误差指标要求是影像传感器研发中 的一项重要参数。为准确分析配准误差对遥感应用的影响程度，在试验研究中利用多项式模型模拟各种配准误差的图像，并从几何 精校正、目视解译、非监督分类实验及数据融合等角度分析了不同波段配准误差情况下对遥感应用的影响，提出了遥感应用中对高 空间分辨率卫星影像的波段配准指标要求。     

基于MATLAB图像处理工具箱IPT函数的遥感图像配准

遥感图像配准是遥感图像拼接、信息融合的基础,是对遥感图像定量应用和研究的关键环节.MATLAB的图像处理工具箱IPT(Image Processing Toolbox)提供有基于点特征进行图像配准的函数,利用这些函数可以方便快捷地完成图像之间的配准.论文首先对图像配准及基于点特征的遥感图像配准作了详细的介绍,然后对IPT中配准函数的语法格式作了详尽的分析,并对两幅遥感图像进行了配准操作,最后对该方法进行了结论性分析,阐明该方法的应用价值与可改进之处.     

遥感影像深度学习配准方法综述

遥感影像配准是指通过几何变换使两景或多景影像空间位置对齐的过程，是影像融合、变化检测、农业监测等应用的重要预处理步骤。近年来，深度学习引起了人们的广泛关注，并在遥感影像配准中成功应用。本文在简要介绍传统遥感影像配准方法的基础上，重点分析了深度学习在基于区域的配准方法、基于特征的配准方法两方面取得的重要进展，分享了用于遥感影像配准的公开数据集，并总结了深度学习在遥感影像配准中的机遇与挑战。     

卷积神经网络特征在遥感图像配准中的应用

遥感图像配准是许多遥感应用的重要步骤之一。卷积神经网络(convolutional neural network,CNN)提取的图像高层特征在图像分类和检索问题上表现优异,能够克服低层配准特征的表达能力有限、容易受到干扰等问题。因此对利用CNN特征进行遥感图像配准开展研究。首先,针对遥感图像配准问题,对CNN中的全连接层特征和不同聚合大小的卷积层特征进行了研究;然后,对利用CNN特征进行图像配准的方法进行了分析;最后,将CNN特征与尺度不变特征变换(scale-invariant feature transform,SIFT)特征在图像的旋转角度、缩放倍数和亮度依次变换时的配准性能进行了对比分析。实验结果表明,在匹配精度和正确对应点的数量方面,CNN特征比SIFT方法具有更好的匹配性能;对变换后的图像而言,微调后的CNN特征比SIFT特征具有更强的鲁棒性。     

基于同名点对的小面元影像微分纠正及融合方法

多源遥感影像数据融合是提高海量遥感影像数据利用率，获取更多决策辅助信息的有效手段之一。目前一些商业遥感图像处理软件在进行多源遥感影像融合时，存在效率低、精度难以达到实用要求等问题。本文提卅了基于图像线特征的遥感影像精确配准、纠正、融合新方法，该方法运用线特征算法提取图像边缘特征点作为控制点，然后通过全自动图像匹配获取密集同名点对，由这些同名点对构成密集三角网（小面元）实现影像精确配准；最后进行影像纠正融合处理。大量实践表明，该方法是一种高效实用、高精度的遥感影像配准、纠正、融合方法，能大大改善山区等特殊地区的配准精度。     

遥感图像数据复合方法

遥感图像数据复合是将多种遥感图像数据融合成一种新的图像数据的技术 ,是目前遥感应用分析的前沿 ,它主要包括几何配准和彩色变换两个方面的内容。几何配准采用相对配准和绝对配准两种方法 ;彩色变换采用 RGB彩色系统和 IHS彩色系统之间的变换。对SPOT和 TM图像数据进行复合实验 ,获得了一种新的复合图像。     

特征级高分辨率遥感图像快速自动配准

随着遥感图像分辨率的日益提高,遥感图像的尺寸和数据量也不断地增大,同时随着遥感应用的发展,对图像配准的性能也提出越来越高的要求,基于此,提出一种特征级高分辨率遥感图像快速自动配准方法。首先,对图像进行Haar小波变换,基于小波变换后的近似图像进行配准以提高配准速度;其次,根据不同的遥感图像来源使用不同的特征提取方法(光学图像使用Canny边缘提取算子,SAR图像使用Ratio Of Averages算子),并将线特征转化为点特征;然后,依据特征点间最小角与次小角的角度之比小于某一阈值来确定初始匹配点对;最后,利用改进的随机抽样一致性算法滤除错误匹配点对,并结合分块思想均匀选取匹配点对计算仿射变换参数,进一步提高配准精度。为了验证本文方法的有效性,选择高分辨率World View-2图像、Pleiades图像和Terra SAR图像进行了实验,并与典型的SIFT算法、SURF算法进行比较分析,采用匹配率、匹配效率、均方根误差和时间消耗4个定量评价指标来客观评价算法的配准性能。实验结果表明,本文方法具有较好的有效性,且在不同的情况下具有较高的配准精度。本文提出的特征级高分辨率遥感图像快速自动配准方法,多组高分辨率遥感图像数据的配准实验结果表明该方法能快速实现并具有较高的配准精度和较好的鲁棒性。     

基于特征点与边界信息的全自动多模态遥感图像配准方法

多模态遥感图像在光谱成分上的巨大差异,导致点特征检测与匹配算法在该类图像配准中的正确匹配率非常低。为了提高尺度不变特征变换和加速鲁棒性特征算法在图像配准时的可靠性和鲁棒性,提出了一种多模态遥感图像配准的新方法。该方法既能利用复杂轮廓中蕴含的几何变换信息弥补点特征在多模态图像配准中的缺点,又能利用点特征所蕴含正确匹配区域的启发性信息克服边界匹配算法的不足。结果表明:该方法能够在完全无人参与的情况下,全自动地实现多模态遥感图像的配准,并且具有较高的稳健性和可信度。     

CCD 几何偏差模型的多波段遥感影像配准

多波段光学遥感影像配准是遥感卫星地面预处理中的关键环节,其精度决定了遥感数据产品的质量.一般使用波段间图像灰度相关匹配来实现多波段影像的配准.然而,该类方法的配准精度受地物特征影响较大,海面、港口、沙漠等地物特征不明显存在影像无法配准的现象.本文以北京一号(BJ-1) 小卫星多光谱影像的波段配准为研究对象,建立多波段线阵CCD 各探元在CCD 扫描方向和卫星飞行方向的几何偏差模型,来计算多波段影像间同名像元在图像行和列方向上的位置偏差,进而拟合出一个固定的波段配准模型来实现多波段影像的亚像元配准.该方法已应用于BJ-1 和DMC_UK2 小卫星多光谱影像的地面预处理波段配准中,配准误差小于0.5 像元,具有良好的应用效果.     

一种利用Mask R-CNN的遥感影像与矢量数据配准方法

遥感影像数据与地理信息系统（geographic information system,GIS）矢量数据的配准是遥感与GIS集成的基础。目前遥感影像与矢量数据的配准关键在于遥感影像特征的提取,而现有遥感影像特征提取方法存在特征提取不完整、配准失败和精度不高等问题。由此提出了一种基于Mask R-CNN（region-based convolutional neural network）的遥感影像与矢量数据配准方法,首先,利用Mask R-CNN模型提取影像的道路交叉口作为影像控制点; 然后,依据几何拓扑关系筛选矢量数据道路交叉口作为矢量控制点,再根据遥感影像与矢量数据控制点的欧氏距离确定同名控制点;最后,以同名控制点为基础实现遥感影像与矢量数据的配准。选取上海市矢量数据和高分二号影像数据进行配准实验,实验结果表明, 所提方法鲁棒性强、精度高。     

基于光照模型的遥感图像与DEM配准方法研究

针对遥感图像与DEM数据之间难以找到精确同名地物点而造成的配准精度较低问题,提出了一种基于光照模型的图像配准方法.该方法首先计算DEM数据中每一个像元的方位和坡度,并结合遥感图像成像时的太阳高度角和方位角,计算图像与DEM的地形光照模型,最后通过光照模型来辅助控制点的选取,从而实现图像精确配准.实验结果表明,该方法稳定...     

沿海矿山生态环境修复中遥感影像自动配准方法的应用

本文从遥感影像解译角度出发,浅析遥感影像解译在沿海矿山生态修复调查中的作用,概略梳理沿海矿山生态修复遥感解译的基本方法,针对基于光学遥感图像配准技术存在的问题,提出了一种利用对象区域形状特征的配准方法。本文采用分割方法提取基准图像和待配准图像中具有结构性的小区域,按照小区域的属性与几何形状特征进行匹配,利用空间关系做控制约束,查询正确的同名小区域对,提取小区域的中心点作为匹配控制点对,解算仿射变换模型参数,有效解决影像间的自动配准问题。采用该方法对实际光学影像进行试验,取得了良好的试验结果与实用价值,为沿海矿山生态修复调查工作中确定矿山空间位置与设计方案提供了保障。     

Google Earth遥感影像在海籍调查与测量中的应用研究——以北部湾沿海为例

用Google Earth遥感影像数据作为切入点,以广西北部湾沿海为例,利用RTK进行外业测量,探讨了GE遥感影像应用在海籍调查工作中的可行性,得出在GIS校正配准下的遥感影像是完全可以应用于北部湾海域的海籍调查与测量的要求。     

面向海洋应用的无人机遥感图像配准研究

在海洋应用中,大面积水体的同名点匹配相比陆地更加困难,制约了无人机遥感图像的配准精度和收敛速度。本文提出了一种改进算法适用于海洋无人机遥感应用,采用主成分分析（PCA）和水体阈值方法去除水体,获得图像中非水体区域的分块图像,然后利用仿射-尺度不变特征变换算法（ASIFT）进行图像的特征点提取和重叠图像非水体区域的同名点匹配。通过海岛、海岸线的无人机遥感试验结果表明,基于改进算法,在不增加时间开销的情况下,可以增加30%~50%的同名点数量,精度提高约5%~10%。文中方法适应用于海洋无人机遥感的序列图像配准,为海岛、海岸线的遥感监测提供了有效的技术支持。     

基于小面元相对配准的正射影像快速更新

本文提出一种基于小面元相对配准的正射影像快速更新方法，该方法不涉及常规摄影测量的处理方法，而是直接利用新获取的卫星遥感影像和原始正射影像进行高精度小面元相对配准，然后将卫星遥感影像纠正到原始正射影像参考坐标系，进而实现正射影像的快速更新。