高分辨率SAR和可见光图像同名点自动匹配技术

提出一种高分辨率SAR图像与光学图像之间的自动配准方法,首先利用仿射变换进行SAR图像和光学图像粗匹配,简化了整体算法的处理复杂度;然后使用边缘检测算子分别对光学图像和SAR图像进行特征提取,为后续精匹配做好了数据准备;最后基于归一化互相关原理进行图像之间的同名点精匹配。引入的比值边缘检测算子(ROA)与传统光学检测算子相比,可以较好地克服SAR斑点噪声,提取出的SAR特征图像与光学特征图像非常相似,提高了算法的准确性和鲁棒性。以星载3米TerraSar数据和1米SPOT数据为例进行算法验证,实验结果表明该算法能实现自动的异源图像之间的像素级匹配。     

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。     

基于直线特征和谱图理论的光学与SAR图像配准

针对可见光与SAR图像配准问题,提出了基于直线特征和谱图理论的配准方法。通过提取图像的直线特征求交点,再利用特征点集构造Voronoi图,结合谱图理论寻找匹配的Voronoi多边形,从而获得配准参数,最后根据仿射变换模型得到配准结果。实验结果表明,与传统配准算法相比,本文配准方法普适性好、配准效率高。     

均匀分布与结构描述ASIFT相结合的SAR与可见光图像配准算法

针对SAR与可见光图像配准中存在的非线性灰度差异与斑点噪声,同时考虑不同的成像视角问题,提出了基于均匀分布与结构描述ASIFT的SAR与可见光图像配准算法。该算法首先采用引导滤波建立引导尺度空间以达到噪声抑制与边缘保持,在特征点提取阶段,由于非线性灰度差异引入相位一致性强度信息,并与尺度空间网格划分相结合,指导筛选图像中均匀特征点的获取;然后在特征描述阶段,引入扩展相位一致性方法计算SAR与可见光图像的一致性梯度幅值和方向,提高了主方向和描述符的准确性;最后利用Optimal-RANSAC进行特征描述符匹配实现有效配准。通过对4组实测图像进行试验及结果分析,证明该算法相比SAR-SIFT与传统ASIFT算法具有更准确的配准精度。     

基于改进Hausdorff距离的图像配准方法

针对多尺度遥感图像灰度差异大的特点,利用特征集形状进行配准,提出了一种改进的Hausdorff距离及相应的图像匹配算法。首先采用基于尺度不变特征转换(scale-invariant feature transform,SIFT)的特征提取方法,提取多尺度图像间的尺度不变特征;然后利用Hausdorff距离作为适应度函数,通过遗传算法(genetic algorithm,GA)寻求图像间的几何变换参数;最后将待配准图像经过几何变换以及重采样与参考图像匹配,实现多尺度遥感图像的配准。实验结果表明,改进的Hausdorff距离算法与传统的Hausdorff相比,具有较高的配准精度和较快的配准速度,且稳定性和抗噪性更高,更适合用于图像配准。     

单应性约束的SAR图像序列MAP超分辨率重建

针对合成孔径雷达(SAR)图像序列超分辨率重建过程中对配准误差敏感的问题,该文提出了一种单应性约束的最大后验超分重建方法。首先,对SAR图像序列的中间帧做2倍上采样,将其作为基准图像,利用本文改进的尺度不变特征变换(SIFT)配准算法依次计算SAR图像序列的每一帧与基准图像之间的单应性。通过对待配准图像进行分幅、放大阈值、单应性筛选等操作,达到增加匹配点数量、有效去除误匹配的目的。然后,将单应性作为配准参数,对图像进行配准,并对配准后的图像进行重采样,重采样后的图像利用最大后验(MAP)超分算法进行超分重建,得到高分图像。实验结果表明,该文改进SIFT配准算法可以在保证匹配点对正确率较高的同时增加匹配点数量,且算法复杂度低。改进MAP重建算法与经典超分方法相比,图像质量更高,细节更好。     

基于SAR-SIFT改进的SAR图像配准

合成孔径雷达(SAR)图像配准时,由于受到乘性散斑影响,匹配算法的性能受到限制.SAR-SIFT使用ROEWA算子代替差分算法计算梯度,对SAR图像的散斑具有一定的稳健性.为了进一步抑制散斑噪声,本文提出了基于SAR-SIFT改进的SAR图像配准算法.利用非线性扩散滤波生成SAR图像的非线性扩散尺度空间,在非线性尺度空...     

基于谱运算的复相关函数法在干涉复图像配准中的应用

复图像配准是干涉SAR处理中的关键步骤之一,要求配准精度达到0.1个像元的水平,而控制点的精确定位是复图像配准中的核心环节.尽管前人提出采用复相关系数法、信噪比法、平均扰动函数法等算法,但他们都是基于滑动窗口的算法,运算效率低.在分析前人算法的基础上,引入基于谱运算的复相关函数算法实现控制点的亚像元级精确定位,分析比较了算法的计算复杂度.应用该算法对我国某地区ERS-2的SLC数据进行了实验,生成了干涉图像,并进行了相干性分析,证明了该算法的可行性和稳健性.实验研究证明即使在主从图像时间间隔较大、相干性差的情况下,应用该算法也能获得干涉条纹图.     

基于势函数点分布调整的SIFT图像配准算法

尺度不变特征转换(scale invariant feature transform,SIFT)是一种广泛应用于图像配准领域的点特征提取算法。针对基于SIFT的图像自动配准算法存在的特征点分布不均匀问题,提出了一种基于势函数点分布调整的图像配准方法。该方法解决了SIFT算法不能针对特征点的分布情况进行优化的问题。通过调整SIFT的比值阈值,增加配准点的数目;通过引入分子力学中的势函数概念,对特征点分布情况进行优化;通过局部互信息精纠正,微调特征点位置,以提高特征配准点的配准精度;最终实现高质量(空间分布均衡,配准精度高)的图像自动配准。     

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.