一种基于格网索引优化的遥感影像自动配准算法

针对SIFT算法在遥感影像配准过程中捕获配准点对数量较少和误匹配较多等问题,提出了一种基于格网索引的遥感影像自动配准的算法。首先,采用SIFT算法提取特征点和特征向量,并通过欧氏距离进行匹配;其次,建立格网索引剔除部分误匹配点对,从而提高了随机抽样一致算法的精度;最后,使用多项式几何纠正算法实现遥感影像的精确配准。实验结果表明:该算法比传统分块算法在遥感影像中得到的匹配点对精度更高,并且考虑到不同遥感影像配准场景的差异。     

利用线特征和SIFT点特征进行多源遥感影像配准

提出了一种基于线特征和SIFT点特征的多源遥感影像配准方法。该方法首先匹配待配准影像和参考影像中的线特征,利用匹配直线构建虚拟角点;其次,针对传统SIFT算法匹配多源遥感影像特征点存在的不足,采用线特征约束点特征的方法进行SIFT同名点对的提取;最后结合虚拟角点对及SIFT同名点对构建三角网进行小面元微分纠正。试验结果表明,本文方法能取得较高的配准精度。     

改进SIFT点特征的并行遥感影像配准

本文针对SIFT(尺度不变特征变换)算法存在的内存消耗多、运算速度慢的问题,采用金字塔和分块策略,首先对原始影像进行粗配准,然后进行分块影像匹配以实现精确配准。在匹配过程中,根据影像分辨率限制高斯金字塔影像的阶数,对特征点进行过滤;同时对匹配过程进行并行化,以提高算法效率。实验表明,改进算法在保证配准精度稳定的前提下,解决了原算法对内存要求高的问题,效率比原算法显著提高,适用于大范围遥感影像之间的配准。     

多源遥感影像配准中的SIFT特征匹配改进

针对尺度不变特征变换算法应用于多源遥感影像配准时面临的低效率和误匹配问题,从特征点提取和特征点匹配两个方面对其进行改进。在特征点提取阶段,通过控制特征点数量和分布情况获取均匀分布的特征点;在特征点匹配阶段,采用特征点仿射变换粗匹配、精匹配和误匹配点剔除策略,由粗到精地获取准确的同名点。对多源遥感影像进行配准实验,结果表明,此方法在匹配效率及匹配性能上均优于原始SIFT算法,且配准精度更高。     

基于SIFT特征的多源遥感影像自动配准

多源遥感影像之间的配准问题一直以来都未能得到很好的解决,本文将SIFT特征应用于多源遥感影像的配准中。文章首先简要介绍了SIFT（Scale Invariant Feature Transform）特征的生成;然后针对多源遥感影像的成像特点,介绍了一种具体的特征匹配方法。最后利用不同的影像数据进行试验,检验文中提出的方法。实验结果表明,SIFT特征向量具有旋转、缩放、平移不变性的特点。     

遥感影像在最大极值范围的并行稳定匹配

针对目前立体影像匹配时普遍存在的配准稳定性与配准精度不能同时兼顾问题,该文采用金字塔和分块策略,首先在多尺度空间下进行粗匹配,获得大量的初始特征点集;然后通过限制金字塔影像的阶数对初始特征点进行坏点剔除和滤点均匀化来获得良好的初始特征点;最后通过进行分块影像并行化SIFT算法匹配来实现精确匹配,提高效率.实验结果证明,此遥感立体影像并行稳定匹配方法能够提高匹配的效率,对影像的旋转、缩放和视角变换具有更强的抵抗性,其配准精度较高,适用于大范围的遥感立体影像的匹配.     

集成互补不变特征的SAR影像自动配准

合成孔径雷达(synthetic aperture Radar,SAR)影像的精确配准是使用SAR影像准确分析矿区变形的前提。虽然目前已有的影像配准算法很多,但是直接应用于SAR影像配准的效果还不够理想。为此,提出了一种集成互补不变特征的配准方法。该方法首先利用Canny边缘检测算法对影像进行区域分割,利用获得的分割区域进行粗匹配,然后应用改进Canny边缘特征的SIFT算法进行精匹配,最终获得精确配准的SAR影像。该方法能够降低由单纯使用SIFT特征进行匹配所产生的巨大计算量。通过实验分析可知,该方法能够准确配准矿区SAR影像,为矿区变形分析和综合治理提供高质量的影像数据。     

一种基于改进SIFT算法的遥感影像配准方法

本文首先分析了传统SIFT算法在遥感影像配准应用中存在的不足,从特征点匹配精度上进行了改进。通过分析SIFT特征点匹配的主要误差来源,逐步消除可能误差,提取尽可能多且精准的匹配点对。接下来利用该匹配点对作为配准用控制点对,分别对不同时相、不同分辨率遥感影像进行仿射变换和小面元微分纠正配准。最后与传统SIFT算法进行比较,试验结果表明本文算法具有更高的匹配精度。     

几何约束和改进SIFT的SAR影像和光学影像自动配准方法

提出一种基于几何约束和改进SIFT的SAR影像和光学影像自动配准方法。首先根据影像间的几何关系进行影像粗纠正,消除影像间旋转和分辨率差异;然后基于主方向改进的SIFT特征提取方法提取SIFT特征并利用其结构性信息引入结构相似性指数(SSIM)作为相似性测度获得初始匹配,经过视差空间和角度特征空间聚类优化得到稳定同名匹配;最后由随机抽样一致性算法(RANSAC)根据透视变换模型精化匹配结果获取变换模型参数。整个配准过程自动完成。本方法适用于差异较大的SAR影像与光学影像之间配准。     

基于MSER的SAR影像配准算法

研究了一种基于最大稳定极值区域（MSER）的SAR影像配准方法。该方法首先利用MSER算法提取影像上的特征区域,并对提取的特征区域进行椭圆拟合;然后对椭圆拟合后的特征区域分别进行归一化、SIFT描述子描述及匹配。选取实际的SAR影像进行配准试验,并将本文方法与SIFT算法得出的结果进行比较,结果表明：本文算法匹配精度可以达到像素级配准精度,即满足影像配准精度要求,匹配速度优于SIFT算法。