面向变化检测的遥感影像弹性配准方法

对于遥感载荷技术指标差异、观测角度、时相、地形起伏等内外部因素造成的几何畸变,采用全局配准方法制约着影像配准和变化检测精度的提高。提出一种基于加速抗差特征（speed up robust feature,SURF）算法的全局匹配和像元局部配准模型相结合的弹性配准方法,以不同时相遥感影像的差值特征影像各像元正态分布密度函数构建像元局部参数解算权重,缓减不同时相影像中辐射亮度差异较大的像元对局部配准模型参数解算的影响,采用城市典型区域遥感影像进行实验,结果表明该方法影像配准精度（包括地形起伏区域）优于1个像元,弹性配准算法的适用性和运算速度有一定的提高。     

基于小面元相对配准的正射影像快速更新

本文提出一种基于小面元相对配准的正射影像快速更新方法，该方法不涉及常规摄影测量的处理方法，而是直接利用新获取的卫星遥感影像和原始正射影像进行高精度小面元相对配准，然后将卫星遥感影像纠正到原始正射影像参考坐标系，进而实现正射影像的快速更新。     

基于土地覆盖图斑的多时相遥感影像自动配准方法

针对点、面方法仅利用了遥感影像几何特征和部分波段的灰度特征进行多时相遥感影像配准的不足,本文提出了一种利用稳定土地覆盖图斑的多时相遥感影像自动配准新方法,充分利用遥感影像多光谱信息和大量存在的稳定土地覆盖图斑信息进行图像配准,并且选取了土地覆盖年际变化最为强烈的农业种植区作为实验区,分别利用了同一传感器和不同传感器不同时相的遥感数据开展了实验研究。两次试验中,配准精度分别达到了0.57个像元、0.65个像元。实验结果表明,本文提出的方法能够有效地筛选出满足图像配准的同名图斑,具有较高的配准精度和适用性,提高了遥感影像的配准效率。     

CCD 几何偏差模型的多波段遥感影像配准

多波段光学遥感影像配准是遥感卫星地面预处理中的关键环节,其精度决定了遥感数据产品的质量.一般使用波段间图像灰度相关匹配来实现多波段影像的配准.然而,该类方法的配准精度受地物特征影响较大,海面、港口、沙漠等地物特征不明显存在影像无法配准的现象.本文以北京一号(BJ-1) 小卫星多光谱影像的波段配准为研究对象,建立多波段线阵CCD 各探元在CCD 扫描方向和卫星飞行方向的几何偏差模型,来计算多波段影像间同名像元在图像行和列方向上的位置偏差,进而拟合出一个固定的波段配准模型来实现多波段影像的亚像元配准.该方法已应用于BJ-1 和DMC_UK2 小卫星多光谱影像的地面预处理波段配准中,配准误差小于0.5 像元,具有良好的应用效果.     

一种带几何约束的大幅面遥感影像自动快速配准方法

针对大幅面遥感影像的配准需求,提出了一种带有几何约束的大幅面遥感影像快速自动配准方法。该方法首先结合遥感影像空间地理信息构建影像粗配准模型;然后在粗配准模型的约束下,通过对大幅面遥感影像进行规则格网划分,结合改进的SIFT算法和并行策略实现影像精配准。实验结果表明,本文方法能提高影像的配准效率,且配准精度较高,适用于大幅面遥感影像之间的配准。     

遥感影像深度学习配准方法综述

遥感影像配准是指通过几何变换使两景或多景影像空间位置对齐的过程，是影像融合、变化检测、农业监测等应用的重要预处理步骤。近年来，深度学习引起了人们的广泛关注，并在遥感影像配准中成功应用。本文在简要介绍传统遥感影像配准方法的基础上，重点分析了深度学习在基于区域的配准方法、基于特征的配准方法两方面取得的重要进展，分享了用于遥感影像配准的公开数据集，并总结了深度学习在遥感影像配准中的机遇与挑战。     

宽河道线性基元无人机遥感影像镶嵌配准方法

无人机遥感影像由于数量多、单张覆盖空间范围小、几何变形大以及河道内缺少配准控制点等特点,传统的基于特征点的影像镶嵌配准方法在宽河道无人机遥感影像镶嵌配准应用中受到限制.论文根据河道内线性地物丰富的特点,提出基于线性特征的无人机遥感影像镶嵌配准方法.该方法以线性地物边缘直线段为配准基元,通过MIHT算法估算待配准影像与基准影像的变换模型参数.试验结果表明,该方法很好地满足了宽河道无人机遥感影像镶嵌配准的要求,为沿河地质灾害调查提供了影像质量保证.     

一种适用于粗匹配的遥感影像快速变化发现方法

针对遥感影像变化检测过程中影像间相对配准精度对检测结果影响大,易产生细碎图斑和错检冗余等问题,本文提出了一种基于感知哈希算法适用于粗匹配的遥感影像变化发现方法,以待检测影像的光谱信息和纹理特征信息共同作为检测特征集,以分割后的格网作为检测单元,采用基于感知哈希算法的影像相似度比对方法,计算格网内图像相似度,提取变化位置。试验结果表明,采用该方法可有效减少变化发现对影像间相对配准精度的依赖性,在本文试验中,相对配准精度在15像元以内均可保证95%以上的提取准确率和5%以下的漏检率,对配准精度具有良好的稳健性。     

多角度影像配准方法的探讨

由于多角度卫星的快速发展,多角度的应用也随之而来。由于多角度观测卫星可同时提供多角度观测数据,提供立体像对,从而为提取影像高程信息成为了可能。我们在制作DSM、DEM等数字3D产品时,都需要对多角度影像进行高精度的配准,并且配准的精度会影响到以上应用的效果,因此,对多角度影像进行配准研究非常必要。本文针对CHRIS/PROBA卫星影像,对目前多角度影像的配准方法进行探讨。     

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。     

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。     

一种基于角点特征的遥感影像自动配准方法

本文通过对Harris算子进行改进,自适应地提取角点特征,然后基于角点特征进行由粗到精的匹配,完成影像的配准;并利用MODIS影像、TM影像和HJ-1卫星影像3种不同分辨率的遥感影像进行配准实验,结果表明该自动配准方法能够达到亚像素级的配准精度,是一种高精度的影像配准方法。     

基于光流校正的复杂地形区多时相遥感影像配准

几何配准是影像后续处理的重要前提,是遥感信息处理领域研究的热点之一。复杂地形区多时相遥感影像的高精度配准一直是难以突破的难题,光流估计法通过逐像素位移增量解算为此提供了可行的解决思路,但光流法对地物变化异常敏感,经常导致计算的光流场及配准影像存在异常。为此,本文提出一种基于光流校正的复杂地形区多时相遥感影像配准方法,采用亮度和梯度双重约束获取光流场初值,在此基础上使用高斯拉普拉斯算子对异常光流进行检测,然后通过Delaunay三角形曲面插值对异常光流进行校正处理,从而得到各像素精准位移。实验表明,本文提出方法对存在地物变化的复杂地形区多时相遥感影像,可实现高保真、高精度的配准。     

内点最大化与冗余点控制的无人机遥感图像配准

利用小型无人机进行遥感图像配准在自然灾害损害评估、环境监测和目标检测与追踪等领域发挥着至关重要的作用，但小型无人机的图像采集过程容易受风速/风向、复杂地形、电池容量、飞行姿态、飞行高度等自然或人为因素的影响。这些问题通常会导致捕捉到的场景重叠率低与图像非刚性畸变，在特征点提取过程中产生大量冗余点，增加了图像配准的难度。本文提出一种基于特征点的小型无人机图像配准方法，该方法的核心思想是在配准过程中识别冗余点，同时最大化可用内点数量。所识别的冗余点当作控制点，用于控制网格代图像的运动。最后通过最大化内点和合理移动控制点来恢复图像变换。本文使用50对小型无人机图像进行特征匹配和图像配准的实验，其中平均配准精度可达80.38%，并且本文方法在所有的情况下都优于5种当前流行算法。     

沿海矿山生态环境修复中遥感影像自动配准方法的应用

本文从遥感影像解译角度出发，浅析遥感影像解译在沿海矿山生态修复调查中的作用，概略梳理沿海矿山生态修复遥感解译的基本方法，针对基于光学遥感图像配准技术存在的问题，提出了一种利用对象区域形状特征的配准方法。本文采用分割方法提取基准图像和待配准图像中具有结构性的小区域，按照小区域的属性与几何形状特征进行匹配，利用空间关系做控制约束，查询正确的同名小区域对，提取小区域的中心点作为匹配控制点对，解算仿射变换模型参数，有效解决影像间的自动配准问题。采用该方法对实际光学影像进行试验，取得了良好的试验结果与实用价值，为沿海矿山生态修复调查工作中确定矿山空间位置与设计方案提供了保障。     

面向海洋应用的无人机遥感图像配准研究

在海洋应用中,大面积水体的同名点匹配相比陆地更加困难,制约了无人机遥感图像的配准精度和收敛速度。本文提出了一种改进算法适用于海洋无人机遥感应用,采用主成分分析（PCA）和水体阈值方法去除水体,获得图像中非水体区域的分块图像,然后利用仿射-尺度不变特征变换算法（ASIFT）进行图像的特征点提取和重叠图像非水体区域的同名点匹配。通过海岛、海岸线的无人机遥感试验结果表明,基于改进算法,在不增加时间开销的情况下,可以增加30%~50%的同名点数量,精度提高约5%~10%。文中方法适应用于海洋无人机遥感的序列图像配准,为海岛、海岸线的遥感监测提供了有效的技术支持。     

观测数据采样化的遥感影像非监督分割

为了实现影像的自动化分割,提出一种利用非监督方式将观测数据采样化的遥感影像分割方法。该方法利用欧氏空间的概率分布建模采样数据和观测数据,并将其映射到黎曼空间,通过不断将观测数据转换为采样数据的方式实现影像的自动采样化。每次采样过程只需计算观测数据点到采样点的测地线距离,将距采样点测地线距离最小的观测数据转化为采样数据,以保证采样数据不断趋于该类数据的真实分割结果,同时使算法能够有效分割具有不同像素数的类别。将算法应用于模拟影像和真实遥感影像分割,对其分割结果以及传统基于统计、基于模糊的非监督算法和基于神经网络的监督算法相应分割结果定性定量的对比分析验证了该算法的有效性及可行性。     

基于光照模型的遥感图像与DEM配准方法研究

针对遥感图像与DEM数据之间难以找到精确同名地物点而造成的配准精度较低问题,提出了一种基于光照模型的图像配准方法.该方法首先计算DEM数据中每一个像元的方位和坡度,并结合遥感图像成像时的太阳高度角和方位角,计算图像与DEM的地形光照模型,最后通过光照模型来辅助控制点的选取,从而实现图像精确配准.实验结果表明,该方法稳定...