一种基于格网索引优化的遥感影像自动配准算法

针对SIFT算法在遥感影像配准过程中捕获配准点对数量较少和误匹配较多等问题,提出了一种基于格网索引的遥感影像自动配准的算法。首先,采用SIFT算法提取特征点和特征向量,并通过欧氏距离进行匹配;其次,建立格网索引剔除部分误匹配点对,从而提高了随机抽样一致算法的精度;最后,使用多项式几何纠正算法实现遥感影像的精确配准。实验结果表明:该算法比传统分块算法在遥感影像中得到的匹配点对精度更高,并且考虑到不同遥感影像配准场景的差异。     

利用线特征和SIFT点特征进行多源遥感影像配准

提出了一种基于线特征和SIFT点特征的多源遥感影像配准方法。该方法首先匹配待配准影像和参考影像中的线特征,利用匹配直线构建虚拟角点;其次,针对传统SIFT算法匹配多源遥感影像特征点存在的不足,采用线特征约束点特征的方法进行SIFT同名点对的提取;最后结合虚拟角点对及SIFT同名点对构建三角网进行小面元微分纠正。试验结果表明,本文方法能取得较高的配准精度。     

基于SIFT算法的无人机高分影像几何配准研究

本文基于SIFT算法进行无人机高分影像自动特征点匹配,在实现影像特征点自动匹配的基础上采用二次多项式模型进行影像几何配准,并且重点考察影像配准过程中匹配特征点数目对几何配准精度的影响,最后进行精度评价。结果表明:在影像特征点匹配结果正确、匹配点分布合理的情况下,匹配点数目越多,利用二次多项式进行影像几何配准的精度越高;无人机航向方向影像配准残差大于旁向残差。     

基于非线性尺度空间的多源遥感影像匹配

针对遥感影像匹配中经典SIFT算法提取特征点时,高斯分解易造成边缘模糊和纹理细节信息丢失,从而使得边缘匹配稳定性差和误匹配点多的问题,文章引入最新的基于非线性尺度空间的KAZE算法并提出了限以空间约束的方法进行多源遥感影像匹配:通过特征点优选并进行特征匹配来计算几何变换模型,并对匹配点的搜索空间进行约束来提高匹配速度和精度,最后通过均方根误差迭代剔除误配点。实验结果表明KAZE算法提取特征点比SIFT稳定性高,易于后期误配点剔除;限以空间约束的匹配策略优于传统匹配策略;对于细节及纹理模糊的影像,KAZE算法相比SIFT算法有独特的优势。     

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。     

基于MSER的SAR影像配准算法

研究了一种基于最大稳定极值区域（MSER）的SAR影像配准方法。该方法首先利用MSER算法提取影像上的特征区域,并对提取的特征区域进行椭圆拟合;然后对椭圆拟合后的特征区域分别进行归一化、SIFT描述子描述及匹配。选取实际的SAR影像进行配准试验,并将本文方法与SIFT算法得出的结果进行比较,结果表明：本文算法匹配精度可以达到像素级配准精度,即满足影像配准精度要求,匹配速度优于SIFT算法。     

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。     

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。     

遥感影像在最大极值范围的并行稳定匹配

针对目前立体影像匹配时普遍存在的配准稳定性与配准精度不能同时兼顾问题,该文采用金字塔和分块策略,首先在多尺度空间下进行粗匹配,获得大量的初始特征点集;然后通过限制金字塔影像的阶数对初始特征点进行坏点剔除和滤点均匀化来获得良好的初始特征点;最后通过进行分块影像并行化SIFT算法匹配来实现精确匹配,提高效率.实验结果证明,此遥感立体影像并行稳定匹配方法能够提高匹配的效率,对影像的旋转、缩放和视角变换具有更强的抵抗性,其配准精度较高,适用于大范围的遥感立体影像的匹配.     

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。     

改进SIFT 算法的小型无人机航拍图像自动配准

针对小型无人机航拍图像视点离散、视角变化有一定运动规律的特点,首先对航拍图像进行数据预处理,结合 Harris特征点和 SIFT 特征向量的优势,提取 Harris特征点、计算特征点的特征半径和 SIFT 特征向量,并利用PCA 降低特征向量的维数;然后采用最邻近(NN)方法进行特征匹配,利用BBF算法搜索特征的最邻近以提高匹配速度;最后采用 PROSAC算法提纯特征点匹配对并精确计算运动模型参数,实现了图像的自动配准.实验证明,该图像配准方法在准确性、效率方面较经典的 SIFT 算法有较大的提高.     

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.     

利用PC-SIFT的多源光学卫星影像自动配准方法

针对多源光学卫星影像几何校正过程中同名点匹配率低、配准过程自动化差等问题,本文采用相位一致性代替原始尺度不变特征变换(scale invitation feature transform,SIFT)算法中的像素灰度值梯度对主方向和特征向量进行描述,提升特征描述的正确率;以频率域下相位分析结果为约束条件对匹配结果进行优化,抑制错误匹配同名点;同时,提出了一种基于随机采样一致性(RANSAC)的自适应选择策略,提高参数估计阶段的自动化水平;最后,实现多源光学卫星影像间的配准。多组数据实验结果表明了该方法在辐射非线性畸变多源光学卫星影像间配准中的有效性和适用性。     

改进FAST和对立颜色特征的向量场一致性匹配

针对目前传统图像匹配算法在复杂环境下存在误匹配点对过多、稳健性较差等问题，本文提出一种基于改进FAST的特征点提取，结合对立颜色特征的图像匹配算法。首先，利用改进FAST算法提取的角点作为特征点，结合改进的Opponent SIFT算法对特征点进行描述；然后，使用基于字符定位算法对提取的特征点对进行粗匹配，降低整体匹配过程中特征点对误匹配的风险。最后，为了规避因RANSAC算法易陷入局部最优解而导致正确点对被误剔除的问题，运用向量场一致性替代RANSAC进行提纯，降低误匹配率。通过对比试验表明，改进算法匹配准确率均大于91%，且对差异变化具有较好的稳健性、适应性。     

热红外与可见光数据的云边缘高度匹配

高分辨率数据中云高度的差异性突显,特别是边缘处高度在云阴影识别和地表辐射估算等方面成为需要考虑的重要因素。热红外数据获取云高度分辨率较低、缺乏细部差异性特征,为解决这一问题,首先将对应的热红外和可见光数据进行特征点配准,再将基于热红外数据计算的云高度重采样至高分辨率,然后以基于欧式距离变换的围线搜索方法及距离加权将热红外云边缘高度匹配至对应的可见光图像,最后根据云阴影的相似度匹配方法确定真实云高度。结果表明,算法在遵循热红外云高信息分布变化规律的同时,可以得到较准确的高分辨率云边缘高度,一定程度上解决了热红外技术获取云高在分辨率上的局限,扩展了其在云高反演方面的作用。     

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,...     

图论算法的无人机影像匹配特征点粗差剔除

无人机影像匹配过程中，粗差是不可避免的，因此，获取稳健性较高的特征点进行无人机影像匹配至关重要。传统的方法是采用经典的RANSAC算法进行粗差剔除，该算法受抽样次数、误差阈值的影响，还会残存部分误匹配的特征点。利用图论原理，对SIFT算法提取的特征点进行预处理，通过构建特征点的能量函数剔除能量较低的特征点，可以提高匹配特征点的稳健性，减少特征点的粗差。本文提出了一种新的方法，将图论算法与经典的RANSAC算法相结合进行粗差剔除。该方法命名为GSIFT-RANSAC算法，利用该算法可以提高特征点的稳健性，获取高精度的单应矩阵。采用两组无人机影像进行验证，本文提出的算法与单独利用图论剔除特征点的算法相比，粗差剔除率分别提高了5.31%和14.29%，说明该方法效果较好。     

应用于SAR图像配准的自适应SIFT特征均匀分布算法

SAR图像配准要求提取出稳定且分布均匀的同名点,但是传统的SIFT算法没有考虑特征点的空间分布情况,提取的特征呈块状分布。针对SAR图像数据的特点,提出了一种自适应控制SIFT特征均匀分布算法,利用局部纹理特征,并结合最优化筛选策略,在保证特征点稳定性和准确性的同时,自适应控制特征在不同空间的分布情况,实现SIFT特征点在图像空间和尺度空间的合理分布。最后从提取效率、匹配正确率和分布质量等方面进行对比试验,验证了算法应用于SAR图像配准的能力。     

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。     

利用改进的DCCD和SIFT描述符的影像匹配方法

提出一种基于改进的DCCD(double-cirele-based corner detector, )和SIFT(scale invariant feature transform)描述符的影像匹配方法。在特征点检测阶段,首先采用改进的DCCD快速检测影像上的关键点,然后确定关键点的主方向,生成特征点。在特征点描述阶段,采用SIFT描述符描述特征点。在特征点匹配阶段,分别采用BBF(best bin first)算法和RANSAC(随机采样一致性)算法进行特征点粗匹配和误匹配特征点剔除。实验结果表明,与基于Harris角点和SIFT描述符的影像匹配方法相比,该方法在匹配速度和准确率方面得到了提高。