多源遥感影像配准技术分析

图像配准技术是近年来发展迅速的图像处理技术之一,是图像融合、目标提取与定位、变化监测、高分辨率影像重建等处理工作不可缺少的步骤。首先给出了多源遥感影像配准的概念和基本过程,然后着重从匹配基元、转换函数、相似性测度、匹配策略4个方面对国内外现有的影像配准技术和方法进行了分析和评述,最后指出了影像配准技术所面临的主要难题和发展方向。     

多源遥感影像配准技术分析

图像配准技术是近年来发展迅速的图像处理技术之一,是图像融合、目标提取与定位、变化监测、高分辨率影像重建等处理工作不可缺少的步骤.首先给出了多源遥感影像配准的概念和基本过程,然后着重从匹配基元、转换函数、相似性测度、匹配策略4个方面对国内外现有的影像配准技术和方法进行了分析和评述,最后指出了影像配准技术所面临的主要难题和发展方向.     

遥感影像的高精度自动配准

在影像数据融合、动态变化监测等遥感影像集成分析和应用中,将来自不同传感器、不同时相获取的影像高精度快速配准是其中的关键技术之一。本文提出了一种不同传感器、不同空间分辨率影像配准的全自动方法,并实际用于SPOT(全色)和TM(多波段)影像的配准,其精度、可靠性和效率等均明显优于传统的人工方法。     

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。     

遥感影像的高精度自动配准

在影像数据融合,动态变化监测等遥感影像集成分析和应用中,将来自不同传感器,不同时相获取的影像高精度快速配准是其中的关键技术之一,本提出了一种不同传感器,不同空间分辨率影像配准的全自动方法,并实际用于ＳＰＯＴ和ＴＭ影像的配准,其精度,可靠性和效率等明显优于传统的人工方法。     

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。     

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。     

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。     

高分辨率遥感影像波段配准误差试验分析

高分辨率遥感影像波段间配准误差是影响影像质量及其应用精度的重要因素之一。配准误差指标要求是影像传感器研发中 的一项重要参数。为准确分析配准误差对遥感应用的影响程度，在试验研究中利用多项式模型模拟各种配准误差的图像，并从几何 精校正、目视解译、非监督分类实验及数据融合等角度分析了不同波段配准误差情况下对遥感应用的影响，提出了遥感应用中对高 空间分辨率卫星影像的波段配准指标要求。     

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。     

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。     

高分辨率光学卫星影像线段融合方法

针对高分辨率光学卫星影像线段断裂问题,基于不同方法线段提取结果优势互补的思想,提出一种简单的线段融合方法。首先,从边缘提取、边缘跟踪入手,对不同方法试验结果进行对比分析,以此验证融合不同方法线段提取结果的必要性;其次,选取边缘提取、边缘跟踪差异性较大的两种线段提取方法作为融合基元,并对戴激光等提出的线段提取方法进行了改进;然后,通过相位分组、端点约束、拓扑约束,构建不同方法线段的匹配模型;最后,依据线段长度优先的原则,建立线段融合决策模型。通过多幅不同类型、不同大小、不同覆盖区域的高分辨率光学卫星影像试验结果对比分析,本文方法相对于其他方法,具有线段结果完整度高的优势。     

图像融合中配准误差的影响

基于IKONOS-2全色与多光谱图像和Cartosat-1全色与CBERS-02多光谱图像,通过模拟的和真实的配准误差,采用IHS融合和Brovey融合方法,本文讨论了配准误差对融合结果的影响。实验表明,配准误差对融合质量的影响较大,在遥感图像融合处理中,配准误差越小越好;对于保持光谱信息的融合,当配准误差增加时,两种方法产生的光谱变形都迅速增加,此后光谱变形程度随配准误差的变大继续缓慢增强;对于保持空间信息的融合,配准误差的增大,导致两种方法融合结果的清晰度都下降,但下降速度略有不同。     

基于相关匹配和最大谱图像配准相结合的InSAR复图像配准方法

InSAR复图像配准是合成孔径雷达干涉3维成像技术中的重要步骤之一。为了获得高精确度的测量结果，要求两幅复图像之间配准达到亚像素级配准精确度。提出了一种将相关匹配和最大谱图像配准相结合的配准新方法。在相关匹配进行粗配准的情况下，通过插值所选控制点的值，并采用最大谱图像配准方法以亚像素单元进行精配准，其配准精确度达到亚像素级。实验结果证实了所提出方法的有效性。     

基于MATLAB算法的遥感图像融合

遥感影像像素级融合是遥感信息分析与处理过程中非常有效的方法。文章通过分析3种主要的多源遥感影像融合方法特征和不足,运用MATLAB算法实现影像融合,并对融合成果结合主观目视和客观指标进行综合评价。经过实验表明,利用MATLAB影像融合算法融合取得了较好效果,且提高了影像处理效率。     

多源高分辨率遥感影像智能融合

本文面向多源高分辨率遥感影像自动化融合的应用需求,探索按需应用的智能化融合方法,充分利用不同分辨率和不同时相的高分辨率多源遥感影像数据资源与特性,研究了影像融合数据源选取的决策树算法,建立了遥感影像融合规则知识库,并自动化选取适合的融合算法,提出了Curvelet_HCS算法,对低频和高频系数选用不同的融合规则,改善了HCS算法的光谱失真问题,可同时融合多光谱影像的多个谱段,并保持更丰富的空间细节信息。根据融合评价结果对遥感影像融合规则知识库进行更新,实验验证表明了该套方法的有效性,为开展大规模智能化的多源遥感影像融合应用提供了重要的方法和技术支撑。     

基于Matlab的三维数字地形模拟及空间分析

利用MATLAB强大的可视化能力及丰富的图像处理工具,以凤台县中心城区为例,实现三维地形模拟和空间分析,包括空间建模、图像配准、叠加影像、坡度坡向及剖面分析等.     

影像融合与复原的小波模型

本文给出影像融合和复原的小波模型。其精髓在于小波的多分辨率性质可将一个复杂而相互交织的症结分解为一系列弱相关和容易解决的小问题。本文着重探讨影像融合与复原中如何利用小波模型的理论与算法。     

一种基于去混叠影像配准方法的POCS超分辨率序列图像重建

简要介绍超分辨率重建的原理和数学模型,采用一种新的超分辨率重建算法,这种算法通过去除低分辨率影像由于欠采样而产生的频率混叠部分以及频率中心的部分低频,来实现图像的精确配准;在计算旋转角度时,通过在图像中心建立极坐标系,求取设定角度精度范围内关于幅度谱的函数,将2维的相关函数转换成1维相关,大大提高计算效率;最后该算法采用POCS方法进行序列图像的高分辨率重建。实验仿真结果表明该算法具有良好的配准精度和超分辨率重建效果,具有良好的应用价值。