一种利用相位信息的异源遥感影像配准方法

提出一种利用相位信息的异源遥感影像配准方法。首先对两幅影像进行相位一致性变换以消除影像间的灰度和对比度差异,并利用相位一致性最小矩在参考影像上提取特征点,然后以相关系数作为相似性测度,在输入影像上采用模板匹配策略获取同名点,最后采用投影变换实现影像配准。实验表明,该方法对于异源遥感影像具有较强的适应性,且配准精度较高。     

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。     

SAR影像与光学影像的高斯伽玛型边缘强度特征匹配法

提出了一种基于影像边缘强度图描述的SAR影像与光学影像匹配方法。首先对影像进行粗纠正,消除影像之间的尺度和旋转变化;其次,改进相位一致性特征检测方法,提取对影像相干斑噪声稳健的特征点;然后基于高斯伽玛型双边窗口比值算子计算影像边缘强度图,在此基础上构造不变特征描述符;最后联合几何约束条件,实现SAR影像与光学影像匹配。试验结果证明,与现有方法相比,本文方法能够大幅提高SAR影像与光学影像匹配结果中的正确匹配特征数量以及影像配准精度。     

多源遥感影像学习型特征双向一致性配准EI北大核心CSCD

针对多源遥感影像之间非线性辐射和几何畸变的差异严重影响配准质量的问题，本文提出一种具有双向一致性变换适用于多源遥感影像的配准方法。首先，利用微调的ResNet101网络模型提取多源遥感影像学习型特征，在特征匹配阶段，为提高同名特征匹配的可靠性，设计了一种双向一致性特征匹配网络模型；然后，基于小型轻量级网络加权回归变换模型参数，实现多源遥感影像稳健可靠的配准。试验利用Google Earth影像、卫星影像、无人机影像、Google Earth-卫星-无人机混合影像4种不同数据源对本文方法进行测试，并与具有代表性的多种方法进行比较，结果表明本文方法在配准精度、效率、稳健性方面具有优势，基本实现了2像素以内的自动配准精度。     

一阶高斯方向可调滤波器引导的多源卫星遥感影像配准方法

针对多源遥感影像间由于存在显著的非线性辐射差异,导致影像配准困难的问题,提出了一种由一阶高斯方向可调滤波器引导的多源影像配准方法。首先,基于影像自带的几何参考信息,计算出参考影像与待配准影像在像方空间的重叠区域,以参考影像面为基准对重叠区域进行均匀分块,通过有理函数模型和数字高程模型计算对应的待配准影像块,建立仿射变换模型对待配准影像块进行几何校正,实现局部影像间的粗配准;然后,在特征检测方面,构造了分块均匀检查策略改进的抗聚簇加速分割测试特征,获取大量分布均匀的特征点,对于特征描述,构造了一组多尺度、多方向的一阶高斯方向可调滤波器对影像卷积,通过对卷积结果进行池化以实现特征降维,得到多源一致的特征描述;最后,基于最近邻原则进行特征匹配,通过剔除误匹配得到高精度同名点对,进一步基于有理函数模型进行平差计算,校准待配准影像的有理多项式系数并对影像进行几何纠正,实现影像间的精配准。基于多组星载多源遥感影像的实验结果表明,所提方法在多时相光学数据、光学-红外数据上的配准精度优于1像素,在光学-合成孔径雷达数据上的配准精度优于1.5像素;计算效率方面,相比于现有同类方法提高1倍以上。     

国产卫星影像配准技术研究

我国西部高海拔山区的地形地貌使得在卫星影像上确定同名特征点比较困难,为了解决国产卫星影像存在的谱段偏差,本文选择了基于SIFT算法、基于区域灰度和人工配准3种方法,对ZY1-02C、ZY-3和GF-1等国产卫星影像展开了配准试验研究,应用目视法和中误差法进行了精度评价,并对结果进行了对比分析。试验结果表明：人工法虽能获得较高的配准精度,但效率很差;基于区域灰度法受影像亮度差异影响很大,同名点提取少,精度最差;基于SIFT算法自动化程度最高,可以提取大量特征点,并能筛选提出误匹配点,配准精度较高。     

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。     

地面激光点云与数码影像自动高精度配准

针对地面激光雷达点云和数码光学影像非同源异质数据自动配准困难的问题,本文提出了基于互信息的两种数据同名特征高精度自动提取的方法。首先,把点云数据生成中心平面投影的反射强度图像和基于RGB信息的彩色图像,应用点云彩色图像和数码光学影像的匹配,确定点云与影像的粗配准参数;然后,对反射强度图像进行特征提取,应用粗配准参数确定其在数码光学影像上的初始位置,应用互信息实现非同源数据的高精度匹配;最后,应用罗德里格矩阵和选权迭代方法计算高精度配准参数,生成三维彩色模型。试验证明,本文方法可以解决地面激光点云和数码光学影像非同源异质数据的配准问题,具有一定的研究和应用价值。     

局部相位特征描述的多源遥感影像自动匹配

由于影像间显著的几何和辐射差异,多源遥感影像自动匹配一直是目前研究的难点问题。首先引入具有光照和对比度不变性的相位一致性模型,并对其进行扩展,构建相位一致性的特征方向信息,然后借助于梯度方向直方图的模板结构,利用其特征值和特征方向,建立一种局部特征描述符——局部相位一致性方向直方图（local histogram of orientated phase congruency,LHOPC）,最后利用欧氏距离作为匹配测度进行同点名识别。对四组多源遥感影像进行试验,其结果表明,相比于尺度不变特征转换和加速鲁棒性特征算法,LHOPC能更为有效的抵抗影像间的辐射差异,提高了匹配性能。     

融合多类特征的海岸带特殊纹理影像全自动配准

针对海岸带特殊纹理影像存在地物单一、纹理匮乏或重复等问题,该文提出一种融合多类特征的海岸带立体影像全自动配准方法。该算法分为3个阶段:①提取尺度不变特征变换(SIFT)关键点,采用欧氏距离比率获得初始匹配,并进一步采用归一互相关匹配(NCC)和随机抽样一致性算法剔除误匹配,继而估计影像间的单应矩阵;②利用改进的Forstner算子对左影像提取均匀分布的角点特征,并利用单应矩阵和NCC匹配进行同名点匹配;③基于上述多类特征的精匹配结果,计算影像间投影变换模型,实现影像的配准。最后,为验证该文算法的有效性,选取3组存在较大尺度、旋转及视角变化的海岸带特殊纹理影像进行综合对比试验,结果表明该文算法可实现全自动配准,并且在匹配点数量、配准精度以及匹配点空间分布等方面具有优势。     

基于空间约束和结构特征的光学与SAR影像配准

针对光学和合成孔径雷达(synthetic aperture radar,SAR)影像间的几何形变和辐射差异造成的配准困难问题,提出一种基于空间几何约束和结构特征的光学影像与SAR影像自动配准方法.首先,利用分块的Harris算子在输入影像上提取分布均匀的特征点,根据有理函数模型对输入影像进行局部几何纠正,实现输入影像...     

多源遥感影像高精度自动配准的方法研究

提出并发展了一套对多源遥感影像(不同传感器、不同分辨率、不同时相的遥感影像)的高精度自动纠正与配准技术与方法。遥感影像首先通过一个多项式模型进行整体粗纠正,然后在待配准影像上提取均匀分布的特征点。以提取的特征点为引导,利用金字塔逐层模板匹配的方法获得配准用同名控制点,基此构建不规则三角网将影像分解为各三角形区域,在每个三角形范围内实现逐三角网的高精度影像纠正与配准。     

基于小波变换的分层影像匹配

提出一种小波变换支持的基于灰度和基于特征相结合的分层匹配方案用于DEM自动生成,利用航空与航天影像(MOMS-02,SPOT)进行的试验表明,该方案具有基于灰度、基于特征和分层影像匹配的优点,能以较少的代价获得高精度、高可靠性的匹配结果.     

基于目标关联的多源卫星遥感图像兵营融合检测方法

目前的目标融合检测方法大都是基于多源遥感图像配准的,然而在实际的应用中,成像机理不同的多源遥感图像的精校正和图像间的配准是十分复杂的,难以确保其配准精度.为此,本文提出了一种基于目标关联的多源卫星遥感图像的兵营融合检测方法.该方法不对图像进行配准,而是根据单源图像的目标自动检测结果,利用图像的大地坐标信息,截取包含目标的同一地区的局部遥感图像,再分别提取多源遥感图像目标的特征,并根据其中冗余的特征,对提取的目标区域建立关联,再由关联检验确保特征关联的正确性,最后对目标特征进行融合决策,得到目标融合检测结果.实验结果表明,该方法能有效地利用多源遥感图像的信息,降低遥感图像目标检测的误判率,提高目标特征的准确度.     

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SIFT特征的遥感影像自动配准

遥感影像的自动配准是长期以来一直未能很好解决的一个重要问题。本文将视频图像匹配中获得巨大成功的SIFT（Scale Invariant Feature Transform）特征应用于遥感影像的自动配准问题中，并且针对遥感影像的成像特点，给出了一种具体的特征匹配方法。对航空和航天遥感影像在不同的变形、不同的光照变化和不同的分辨率下进行的大量实验表明，该方法具有稳定、可靠、快速等特点。     

一种结合拓扑信息和SIFT特征的多源遥感影像自动匹配方法

基于单一特征的匹配办法在多源遥感影像匹配中往往不适用的问题,提出了一种结合拓扑信息和SIFT特征的自动多源遥感影像匹配方法。该方法首先在两幅影像中使用SIFT算法在尺度空间上提取特征向量,其次对这些特征点使用最近邻提取1：N的多个可能的匹配点对,然后结合位置信息和拓扑信息对这些可能的匹配点对进行剔除,并使用RANSAC方法剔除粗差,最终得到同名匹配点。试验结果表明,相比于计算机视觉领域常用的SIFT算法,本文方法可有效地提高匹配正确率,并获得更多正确的同名点。     

基于SIFT特征的多源遥感影像自动匹配方法

本文提出一种基于SIFT特征的不同源遥感影像自动匹配方法。首先利用Harris算子结合SIFT特征提取影像上均匀分布的特征点,建立高维SIFT特征描述符;然后以待匹配点与参考点间的欧氏距离为相似性测度,实施两种不同源遥感影像的特征匹配;最后将SIFT特征匹配结果作为初始值,采用将搜索范围扩大到尺度空间后的改进最小二乘影像匹配方法对SIFT特征匹配获得的同名像点进行精匹配。经对同一地区SPOT-5 HRG全色影像与航空摄影影像的匹配试验,取得了较好的结果。     

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。