多波束与侧扫声呐图像的迭代自适应配准方法EI北大核心CSCD

针对目前多波束与侧扫声呐图像配准方法未顾及图像形变细节信息及二者尺度差异,存在局部纹理失真的问题,本文提出了结合小波变换、仿射变换和Demons配准算法的迭代自适应配准方法。利用小波变换提取侧扫声呐图像低频信息并重构图像,先后采用仿射变换和Demons算法将重构图像与多波束图像进行迭代自适应配准,获取配准变换模型,利用该模型对侧扫声呐原图像进行整体配准变换,获得多波束图像地理坐标约束的侧扫声呐图像。实例验证结果表明:该方法能有效实现多波束与侧扫声呐图像配准,获得位置准确且纹理丰富的融合声呐图像。     

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.     

多波束与侧扫声呐高质量测量信息获取与叠加

正多波束声呐和侧扫声呐分别是目前获取海底地形与地貌图像最为有效的设备。多波束声呐可以同时获得海底测深地形与分辨率较低的海底图像,侧扫声呐可以获取高分辨率但位置精度较低的海底图像。为了准确获取海底精细的地形地貌信息,本文分别从多波束测深数据处理、多波束声呐图像处理、侧扫声呐图像处理、测深地形与侧扫声呐图像的叠加4个方面开展研究,最终得到     

海洋测绘学

CH20062239多波束声纳和侧扫声纳数字信息的配准及融合=Co-registering and Fusion of Digital Information ofMulti-beamSonar and Side-scan Sonar/阳凡林(国家海洋局海底科学重点实验室),吴自银,独知行,金翔龙∥武汉大学学报(信息科学版).-2006,31(8).-740~743提出了基于等深线和轮廓线的同名特征点配准法,它组合测深数据和回波强度图像信息,从等深线和轮廓线段中提取特征点,对同名特征点使用二次多项式拟合方法确定变形模型,实现不同数据源的配准。使用小波进行融合处理,采用交叉熵对结果进行评价。用模拟数据进行了验证,取得了理想…     

侧扫声纳条带图像分段拼接方法研究

拖曳作业模式会引起侧扫声纳条带图像错位和畸变,并给基于地理编码的条带图像整体拼接以及海底目标的识别和判读带来问题。提出了一种基于共视目标的相邻侧扫声纳条带图像分段拼接方法。该方法通过对侧扫声纳条带图像预处理、基于共视目标的分段匹配、基于小波变换的公共覆盖区图像信息融合,最终实现了相邻侧扫声纳条带图像拼接,最大限度地削弱了错位和畸变对声纳图像质量的影响。试验验证了该方法的有效性。     

运用三维声纳图像的水底全景拼接与绘制

针对海量声纳图像多帧配准引起的误差累积问题,该文提出了一种基于三维声纳图像的水底全景拼接与绘制方法。首先通过相邻两帧图像最近邻点迭代,并结合GPS、姿态仪信息和X84控制点剔除方法,减少非重叠区域控制点对的存在以提高配准精度,实现相邻帧图像精确配准。然后采用四元组参数对所有精确配准矩阵进行拟牛顿最优化处理,获取所有声纳帧之间最佳配准关系,减少多帧配准引起的累积误差,实现三维图像高精度全局配准。湖试与海试实验结果表明,该方法有效地减少了海量声纳图像多帧配准引起的累积误差,实现了三维声纳图像水底全景高精度拼接与绘制,达到了预期目标。     

基于改进ORB和匹配策略融合的图像配准方法

针对Oriented Fast and Rotated Brief(简称ORB)算法在图像配准中不具有尺度信息、BRIEF算法不具有旋转不变性以及特征匹配精度低等问题,本文提出一种基于改进ORB和匹配策略融合的无人机航拍图像配准方法。首先,通过简化多尺度空间检测特征点,采用稳健的RootSIFT描述符进行特征描述,用来提升特征描述的稳定性。然后,结合距离比值、双向匹配和余弦相似性测度(Cosine Similarity)匹配策略获得初始匹配。最后,利用随机抽样一致性算法(RANSAC)确定最终的特征点匹配关系,计算空间变换参数,实现图像的精确配准。实验结果表明,该方法在图像尺度、旋转和光照变化方面均表现出良好的性能,并提高了图像匹配准确率和配准精度。     

基于FAST和SURF的遥感图像自动配准方法

提出了基于加速分割检测特征(features from accelerated segment test,FAST)和加速鲁棒性特征(speeded - up robust features,SURF)的遥感图像自动配准方法.首先对参考图像与待配准图像进行HSI变换和高斯金字塔建立;然后检测并提取FAST角点,计算各角点的SURF描述子,用K-D树匹配搜索策略得到2幅图像的匹配点对;再使用最小二乘迭代法剔除错误匹配点并拟合几何变换系数;最后执行几何变换,得到配准后的图像.将该方法分别与基于SURF自动配准方法和ENVI软件中自动获取配准点的方法进行对比实验,结果表明,利用该方法能够获得更多的匹配点对,具有更高的几何配准精度,但在尺度不变性方面略逊于SURF算法.     

光学卫星影像配准同名点快速提取方法

针对多源高分辨率遥感图像控制点提取时存在错误匹配点多、分布不均匀、大幅面图像特征提取效率低等问题,该文基于传统的尺度不变特征变换(SIFT)算法提出了一种改进的高分辨率遥感图像配准同名点快速提取方法.该方法首先将待配准图像按网格分块为子图像,并基于地理信息约束得到各子图像对应参考子图像;然后将Shi_Tomasi角点和SIFT描述子结合,在每一对子图像上进行特征点的提取与特征匹配;再利用随机采样一致性(RANSAC)算法和最小二乘迭代法剔除错误匹配点,并基于贪心算法剔除冗余的控制点,最终得到分布均匀的配准同名点.利用平原和山区两组典型多源遥感图像进行了实验,并利用提取的同名点进行图像配准,结果表明,跟传统SIFT方法、采用分区策略的SIFT方法相比,该文算法在同名点数量、匹配点对分布的均匀程度、匹配速度以及配准精度上都有较大的提高,能满足大幅面图像配准的需求.     

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。     

多波束与侧扫声呐图像区块信息融合方法研究

针对多波束声呐图像和侧扫声呐图像在位置和分辨率上的互补性及实践中对高质量海床地貌图像的需求,提出了基于两套声呐图像信息融合获取高质量海床地貌图像的思想和方法,研究了SURF匹配算法,提出了ISURF改进算法;基于独立和联合评价参数,对4种图像融合算法进行了深入研究,给出了适合声呐图像融合的最优算法及完整的两套图像融合过程,并用试验进行了验证.     

基于NDT和ICP融合的点云配准方法

针对传统迭代最近点算法高精度低效率与正态分布变换算法高效率低精度的问题,提出了基于NDT与ICP融合的点云配准方法。首先通过NDT算法选择合适的网格参数将待匹配的点云向目标点云拉近以提高配准效率,完成粗配准,其次使用KD树加速的ICP算法求解变换矩阵以提高配准的计算效率。通过实验表明,本文方法匹配速度相比NDT算法和ICP算法有明显提高,且精度高于NDT算法。     

面向震害信息提取的多源遥感图像自动配准

为了从多源遥感图像中提取震害信息,研究了一种图像自动配准的高精度算法.首先,利用Moravec算子提取图像的特征点,并采用随机抽样一致性(random sample consensus,RANSAC)算法剔除误匹配点;然后,根据特征点对图像进行对数极坐标变换,求得基准图像和待配准图像间的旋转和缩放因子;进行旋转角度和缩放系数补偿后,采用与相位相关的亚像元级算法计算图像间的偏移量;最后,利用插值算法对待配准图像进行重采样,实现待配准图像与基准图像的几何配准.将配准后的震前和震后图像作为分类目标,分别进行基于特征的分类和震害信息提取,并对分类结果进行变化检测.实验结果表明,该算法流程具有较高的鲁棒性与配准精度,适用于多源遥感图像配准,所提取的震害信息能较好地应用于震害评估.     

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。     

水下声图像多分辨率融合研究

针对水下特殊环境的声图像特点,提出了一种基于梯度金字塔的图像融合算法。首先,对已经配准的源图像进行梯度金字塔分解;然后,在多分辨率下对两幅图像构建基于局部邻域的显著性量测和匹配性量测。在构建显著性量测中,针对高分辨率层采用局部梯度,低分辨率层采用局部方差;在构建匹配性量测中,针对高分辨率层利用局部相关性,低分辨率层利用局部方差比,并且利用图像的局部特征指导融合策略。最后,经过合成模块和多分辨率逆变换得到融合图像。声纳图像融合实验结果证明了所提方法的有效性.     

基于SUSAN算法的航空影像的自动配准

图像配准技术是图像融合、图像镶嵌以及影像三维重建的基础。提出了一种基于SU-SAN(Smallest Univalue Segment Assimilating Nucleus)算子的图像配准方法。该方法利用SU-SAN算子提取两幅图像的角点,通过粗匹配和细匹配两个步骤得到匹配角点对。然后再根据这些角点对对图像进行配准。试验表明此方法能有效地实现航空影像自动配准。     

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。     

基于二维图像特征的点云配准方法

为了提高低覆盖率点云的配准精度和收敛速度,提出了一种基于二维图像特征的点云配准方法。首先采用基于区域层次的点云配准算法实现粗配准;然后将三维点云转换成二维图像,再采用SURF算法提取二维图像的特征,并求解其匹配像素点对;最后根据二维匹配点获取相应的三维点云相关点,并计算刚体变换,由此实现点云的快速精确配准。试验结果表明,与迭代最近点（ICP）算法相比,该点云配准方法的配准精度和耗时分别提高了约20%和60%,是一种快速、高精度的点云配准算法。     

融合反射强度图像的地铁隧道点云自动配准

针对地铁隧道点云数据特征点少、在大视角点云数据间配准拼接时出现精度差、效率低等问题，本文以提高配准效率及精度作为出发点，以目前主流的ICP算法为基础，首先将激光点云按中心投影方式生成反射强度图像并以此作为配准源，采用规则格网分割提取匹配，建立均匀分布的同名点；然后利用反射强度图像上的同名点与点云之间的一一对应关系，完成视角点云间的初配准；最后在初次配准的基础上，采用KD树改进算法进行点云数据的精细配准。试验结果表明，本文在实现点云数据自动配准的同时，提高了地铁隧道点云数据的配准效率及精度。