改进SIFT算法和NSCT相结合的遥感图像匹配算法

基于无下采样Contourlet变换(NSCT)在图像分解方面的优势,结合改进SIFT算法,提出了一种对遥感图像进行配准的方法。首先,使用NSCT将参考图像和待匹配图像进行分解,获取遥感图像的低频图像;其次,采用Canny边缘检测得到图像的边缘坐标点,与SIFT算法所获取的图像关键点的坐标比对,去除不稳定的响应点后,得到优化后的匹配点对;最后,对错误匹配点用RANSAC算法提纯。试验研究表明:本文算法可以减少使用单SIFT算法对遥感图像匹配的时间,提高匹配精度,可行且有效。     

基于Contourlet域Hausdorff距离和粒子群的多源遥感图像匹配

为了进一步提高多源遥感图像的匹配精度和运算效率,本文提出了一种利用Contourlet变换、Hausdorff距离和改进粒子群的遥感图像匹配算法。在分别对目标图像和参考图像进行Contourlet分解的基础上,采用小波模极大值法提取低频图像的边缘信息,以LTS-HD作为图像匹配的相似性度量准则,并利用一种带极值扰动的简化粒子群优化算法对低频边缘图像进行匹配操作,得到粗匹配点;然后根据粗匹配点的位置反演计算到原始图像,进行精匹配,最终实现全分辨率情况下遥感图像的匹配。实验结果表明,该算法与目前常用的遥感图像匹配算法相比,不仅具有更高的匹配精度和运算效率,还有较强的鲁棒性。     

结合多尺度几何分析和KICA的遥感图像变化检测

为了进一步提高基于独立分量分析ICA(Independent Component Analysis)的遥感图像变化检测精确度,更好地实现地表覆盖的动态监测,将多尺度几何分析和核独立分量分析KICA(Kernel Independent Component Analysis)相结合应用于遥感图像的地表覆盖变化检测。首先利用Contourlet变换、复Contourlet变换CCT(Complex Contourlet Transform)、非下采样Contourlet变换NSCT(Nonsubsampled Contourlet Transform)等多尺度几何分析对土地遥感图像进行多尺度分解;然后对分解后的数据进行核独立分量分析,通过核函数将数据映射到高维特征空间中,再在该空间中用ICA方法分离出互相独立的分量;最后将分离后的地表变化分量转化为图像分量,再采用最大类间方差法对变化图像进行分割,实现地表覆盖的变化检测。给出了本文方法和近年来提出的基于ICA、基于KICA、基于小波变换和ICA等变化检测方法的实验结果,并进行了分析和定量比较。实验结果表明,基于多尺度几何分析和KICA的变化检测方法能更好地分离出遥感图像的变化信息,其中基于NSCT和KICA方法的错判和漏检误差最小,且在边缘细节方面处理得更好,而基于Contourlet变换和KICA方法的检测效率相对较高。     

结合NSCT和KPCA的高光谱遥感图像去噪

针对高光谱遥感图像易受噪声干扰,本文提出了一种基于非下采样Contourlet变换NSCT(Nonsubsampled Contourlet Transform)和核主成分分析KPCA(Kernel Principal Component Analysis)的去噪方法。首先对高光谱各波段图像进行NSCT分解;然后利用KPCA对NSCT系数进行处理,并在KPCA重构时依据各类噪声的特性选取合适的主成分;最后用处理过的系数进行逆变换得到去噪图像。实验结果表明,本文方法抑制了高光谱遥感图像中的噪声干扰,较完整地保留了原始数据的有效信息。     

SIFT特征匹配技术在自动相对定向中的应用

提出了一种利用尺度不变特征变换(SIFT:Scale invariant Feature Transform)特征匹配技术应用于遥感影像自动相对定向的方法,SIFT特征是图像的局部特征,其对旋转、尺度缩放、亮度变化均保持不变,对视角变换、仿射变换、噪声均有一定程度的稳定性。文中给出了较为详细的理论分析和实验分析,结合小波变换建立影像金字塔采用分频道相关提高影像匹配的速度,利用最小二乘匹配方法提高了匹配的精度,取得了较好的实验结果。     

利用多尺度特征与深度网络对遥感影像进行场景分类

针对因样本量小而导致的遥感图像场景分类精度不高的问题,结合非下采样Contourlet变换(NSCT)、深度卷积神经网络(DCNN)和多核支持向量机(MKSVM),提出了一种基于多尺度深度卷积神经网络(MS-DCNN)的遥感图像场景分类方法。首先利用非下采样Contourlet变换方法对遥感图像多尺度分解,然后对分解后的高频子带和低频子带分别用DCNN训练得到了不同尺度的图像特征,最后采用MKSVM综合多尺度特征并实现遥感图像场景分类。对标准遥感图像分类数据集的试验结果表明,本算法能够结合低频和高频子带对不同类别场景的识别优势,对遥感图像场景取得较好的分类结果。     

Contourlet变换和Tsallis熵的多源遥感图像匹配

提出了一种利用Contourlet变换、Tsallis熵和改进粒子群优化的多源遥感图像匹配算法。在分别对参考图像和目标图像进行Contourlet分解的基础上,以基于Tsallis熵的互信息量作为相似性度量准则,利用改进的带极值扰动的简化粒子群优化算法对低分辨率的遥感图像进行匹配操作,逐级上推,最终实现全分辨率情况下多源遥感图像的匹配。实验结果表明,与常用的遥感图像匹配算法相比,该算法匹配精度高,稳健性好,且运算量大幅减少。     

Contourlet方向区域相关性的遥感图像融合

对遥感图像经Contourlet变换后的高频子带系数分布的方向特征进行统计分析,发现遥感图像经Contourlet变换后高频系数的分布具有较强的方向区域特征,在此基础上,提出一种基于Contourlet系数方向区域相关性的遥感图像融合算法,该算法首先对多光谱图像经IHS变换后的亮度分量和全色图像分别进行Contourlet变换,然后以多光谱图像亮度分量的低频信息作为融合图像亮度分量的低频信息,通过计算并比较全色图像的高频系数和对应的多光谱图像亮度分量的高频系数的方向区域匹配度确定融合图像亮度分量的高频信息;最后经过Contourlet逆变换和IHS逆变换获得融合图像。实验结果表明,该算法在提高融合图像空间分辨率的同时能够更好地保留原始多光谱图像的光谱信息,与传统遥感图像融合算法相比,该算法具有较好的融合图像信息熵和清晰度,具有一定的实用性。     

基于Contourlet变换的遥感图像融合方法研究

为了充分利用多源遥感图像的影像信息,针对不同分辨率的遥感图像进行融合算法研究。通过对基于小波变换(warelet transform,WT)与IHS变换的改进算法研究,提出了基于轮廓波变换(Contourlet transform,CT)与IHS变换的改进算法:结合传统IHS彩色空间变换,将经IHS变换获得的多光谱图像亮度分量与原全色图像分别进行CT;然后对得到的低频分量采用自适应融合规则、高频分量采用基于区域相似度的阈值控制规则分别进行融合;最后对融合后的高频和低频分量进行Contourlet逆变换,得到最终的融合图像。对比实验结果表明:本文提出的方法能够在有效保留光谱信息的同时,纳入全色图像丰富的空间细节信息。融合之后的结果图像与原多光谱图像具有更高的相关系数和更小的光谱畸变度,并且信息熵和标准差较传统WT及CT更优,具有一定的实用性。     

混沌蜂群优化的NSST域多光谱与全色图像融合

为有效融合多光谱图像的光谱信息和全色图像的空间细节信息,提出了一种基于混沌蜂群优化和改进脉冲耦合神经网络(PCNN)的非下采样Shearlet变换(NSST)域图像融合方法。首先对多光谱图像进行Intensity-HueSaturation(IHS)变换,全色图像的直方图按照多光谱图像亮度分量的直方图进行匹配;然后分别对多光谱图像的亮度分量和新全色图像进行NSST变换,对低频分量使用改进加权融合算法进行融合,以互信息作为适应度函数,利用混沌蜂群算法找到最优加权系数。对高频分量采用改进脉冲耦合神经网络(PCNN)方法进行融合,再经NSST逆变换和IHS逆变换得到融合图像。本文方法在主观视觉效果和信息熵、光谱扭曲度等客观定量评价指标上优于基于IHS变换、基于非下采样Contourlet变换(NSCT)和非负矩阵分解(NMF)、基于NSCT和PCNN等5种融合方法。本文方法在提升图像空间分辨率的同时,有效地保留了光谱信息。     

The Remote Sensing Image Matching Algorithm Based on the Normalized Cross-Correlation and SIFT

SIFT (scale invariant feature transform) is one of the most robust and widely used image matching algorithms based on local features. However, its computational complexity is high. In order to reduce the matching time, an improved feature matching algorithm is proposed in this paper under the premise of stable registration accuracy. This paper proposed a normalized cross-correlation with SIFT combination of remote sensing image matching algorithm. The basic idea of the algorithm is performing the space geometry transformation of the input image with reference to the base image. Then the normalized cross-correlation captures the relevant part of the remote sensing images. By this way, we can reduce the matching range. So some unnecessary calculations are properly omitted. By utilizing the SIFT algorithm, we match the preprocessed remote sensing images, and get the registration points. This can shorten the matching time and improve the matching accuracy. Its robustness is increased correspondingly. The experimental results show that the proposed Normalized cross-correlation plus SIFT algorithm is more rapid than the standard SIFT algorithm while the performance is favorably compared to the standard SIFT algorithm when matching among structured scene images. The experiment results confirm the feasibility of our methods.     

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。     

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。     

不同特征提取算法对相机运动估计的适用性研究

针对不同特征提取算法对不同传感器平台获取的影像空间相对关系估计的适用性问题,该文以不同来源的影像数据为研究对象进行实验分析。采用基于特征的影像匹配算法SIFT,SURF,ORB对影像进行特征提取和匹配,利用RANSAC算法进行粗差剔除,随后使用归一化的八点法估计基础矩阵,最后采用辛普森距离统计像素均方根误差。结果表明,在不考虑速度的情况下,SIFT算法对于各类影像的相对位置关系估计有较好的精度;ORB算法在速度上有较大优势,检测和匹配的特征点数目最多;SURF算法的速度和精度介于两者之间。     

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。     

利用特征组合检测算法的无人机遥感影像匹配研究

影像匹配是无人机遥感影像拼接和三维建模的基础和关键步骤。结合不同算法的优势，本文提出一种基于特征组合与RANSAC算法的无人机遥感影像匹配方法。该匹配方法首先采用AKAZE算法检测影像的特征点，然后利用SIFT描述符描述特征向量并获取特征点的主方向，最后基于单映射变换矩阵的RANSAC算法进行精准匹配。本文对基于特征组合与RANSAC算法的匹配效果进行了试验对比分析，试验结果表明：与常用匹配方法的匹配效果相比，本文的匹配方法继承了AKAZE算法的快速匹配能力，匹配总耗时介于AKAZE算法和SIFT算法之间，约为BRISK算法匹配耗时的20%；同时，该匹配方法继承了SIFT算法的多匹配点对性能，从整体匹配效果来看，本文的匹配方法优于AKAZE、SIFT、BRISK算法。     

应用不变特征获取均匀控制点的遥感影像配准算法

本文针对大幅影像配准时计算量大、配准点分布严重不均匀以及错配率高等问题进行了研究,提出一种可保持配准点均匀分布的快速配准算法.首先对基准影像和待配准影像进行分块提取SIFT特征算子,然后局部自适应地对影像块中的匹配点进行几何约束,从局部选取最优匹配点以达到提高图像匹配准确率的目标.通过对大量不同类型的影像进行配准实验,...