基于改进ORB算法的遥感图像自动配准方法

针对遥感图像自动配准的问题,提出了一种基于改进定向二进制简单描述符(oriented brief,ORB)算法的遥感图像自动配准方法.该方法主要由3个步骤组成:首先是特征匹配,利用改进的ORB算法提取特征点,并建立描述符进行匹配,获取初始控制点;然后采用随机采样一致性方法,结合变换参数估计,剔除可能的错误匹配;最后利用最小二乘法估计的变换参数,对图像进行几何纠正.分别利用2组卫星光学遥感图像和1组SAR图像进行基于改进ORB算法的自动配准方法试验,并与基于尺度不变特征变换(scale-invariant feature tramsform,SIFT)算法和加速鲁棒性特征(speeded up robust features,SURF)算法的自动配准方法进行了比较.试验结果表明,该方法能获得与SIFT算法和SURF算法相当或者更高的配准精度,并在配准效率上有较大提高.     

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。     

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。     

应用于SAR图像配准的自适应SIFT特征均匀分布算法

SAR图像配准要求提取出稳定且分布均匀的同名点,但是传统的SIFT算法没有考虑特征点的空间分布情况,提取的特征呈块状分布。针对SAR图像数据的特点,提出了一种自适应控制SIFT特征均匀分布算法,利用局部纹理特征,并结合最优化筛选策略,在保证特征点稳定性和准确性的同时,自适应控制特征在不同空间的分布情况,实现SIFT特征点在图像空间和尺度空间的合理分布。最后从提取效率、匹配正确率和分布质量等方面进行对比试验,验证了算法应用于SAR图像配准的能力。     

多源高分辨率遥感影像自动匹配算法

提出一种基于同名直线约束的多源高分辨率遥感影像自动匹配方法。对影像建立高斯滤波模型去噪,然后进行边缘检测,在边缘影像上进行Hough变换,通过端点检测的方法来获取直线;通过粗匹配参数进行同名直线粗匹配,应用梯度模型对同名直线进行精匹配;对影像提取特征点,特征点经过同名直线约束后,在对应影像上利用同名直线约束建立匹配范围。采用最小欧式距离准则在给定范围内提取初始同名点;利用RANSAC算法剔除错误同名点对,以获取最终的匹配结果。实验结果表明,与传统的SIFT匹配算法比较,方法具有可靠性好、提取同名点数量多的优点。     

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。     

一种大角度亚像素的图像自动配准算法

提出一种基于ASIFT和Harris集成互补不变特征的大角度影像亚像素自动配准算法。算法由中间输入图像获取、像素级配准和亚像素级配准三个主要处理过程。在中间输入图像获取过程中,首先提取ASIFT特征控制点,利用提取的控制点估计图像间的投影变换模型,将输入图像中的重叠区域重采样为与参考图像尺度相同的中间输入图像;在像素级配准过程中,用NCC函数进行配准,用基于投影变换模型的全局一致粗差检测方法删除误配点对;在亚像素级配准过程中,先利用二元二次曲面拟合方法进行亚像素位移测量定位,再进行亚像素配准,错误匹配点对剔除,配准精度计算。实际的大角度图像试验结果表明了算法的有效性和实用性。     

基于特征提取的光学影像和SAR影像自动配准

针对现有的配准方法用于多光谱影像与SAR遥感影像配准时，存在受SAR图像斑纹噪声影像大、手工选取配准控制点精度低、利用图像景物特征配准时获取区域和边沿困难等问题，以SPOT5影像与RADARSATSAR影像配准进行实验，提出了一种利用改进的SIFT在提取的特征图像上寻找匹配点进行粗配准，然后利用交叉累积剩余熵作为相似性测度结合原始影像信息寻找光学特征图像的角点在SAR影像上的匹配点并进行精配准的方法，配准精度达到了子像素级水平。实验结果表明该方法对多源遥感影像有很强的适应性，配准精度高。     

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。     

改进尺度不变特征变换的遥感影像配准

当遥感影像强度映射差异较大或发生非刚性变换时,该类方法会导致不理想的配准效果.针对此问题,该文提出了一种结合改进的SIFT和LPM算法的遥感影像配准方法.在SIFT算法的基础上引入Scharr滤波器进行空间极值检测并计算高斯尺度空间的梯度幅值;在构建特征描述符时使用梯度位置方向直方图算子提取特征向量;在特征匹配阶段通过设定阈值进行初始匹配并生成预设匹配集,利用LPM算法剔除预设匹配关系集中的错误匹配关系.实验结果表明,较之已有的遥感影像配准方法,本算法可以得到更高的匹配精度和更理想的配准效果.