一种航空影像与矢量数据配准的新方法

针对航空影像与矢量数据间的配准问题,本文提出了一种基于直线段特征利用二维多尺度模板进行影像与矢量数据配准的方法。该方法以预处理后的矢量数据为先验信息,利用二维多尺度线段模板自动搜索线状地物建立配准基元间的相关,以共线条件方程作为配准转换函数,实现了航空影像与矢量数据的配准和航空影像外方位元素的解算。实验结果表明,该方法具有较高的可靠性和配准精度。     

一种基于直线特征的遥感影像和GIS数据自动整体配准方法

提出了一种基于直线特征的对尺度变化和旋转变化不敏感的遥感影像和GIS数据自动整体配准方法。该方法利用在变换模型转换后GIS数据中参考线段上的端点和影像上对应特征线段的距离为零建立相似性测度,以共线条件方程作为变换模型,通过改进的霍夫变换进行优化求解,同时得到变换模型参数即外方位元素和匹配结果,实现了遥感影像和GIS数据的自动配准及遥感影像的外部定向。实验结果表明,该方法具有较高的可靠性和配准精度。     

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。     

TM影像与GIS矢量数据的自动配准

介绍了一种新的基于信息融合的TM影像和GIS矢量数据自动配准方法。首先建立TM影像和GIS矢量数据的近似变换关系,在此基础上以矢量地图上的信息(水系、道路网等)为先验知识,利用多尺度模板匹配法对TM影像中的线状信息进行自动提取。把自动提取的结果作为像方观测,矢量地图数据作为地面观测,通过广义点摄影测量原理和方法,解算出TM影像的外参数,实现新的TM影像和旧的GIS矢量数据的自动配准。实验结果表明,一般情况下,本文方法达到了像素级精度,且大大提高了工作效率。     

车载MMS激光点云与序列全景影像自动配准方法

提出一种车载移动测量系统（MMS）激光点云与序列全景影像自动配准方法。首先采用层次化城市场景目标提取方法自激光点云提取天际线矢量,在全景影像中经虚拟成像与分割角点提取算法生成天际线矢量。然后,将提取结果作为几何配准基元,构建配准基元图,通过最小化配准基元图编辑距离进行匹配,组成共轭配准基元对,解算2D-3D粗配准模型,获得全景影像与LiDAR点云参考坐标系之间的初始转换关系。最后,为消除几何配准基元提取与匹配误差对配准结果的影响,自序列全景影像虚拟成像影像生成多视立体密集匹配点云,继而使用变种ICP算法优化其与激光点云数据间3D-3D配准参数,间接优化全景影像与激光点云间的配准参数,精化配准结果。试验结果表明,本文提出的自动配准方法可以实现车载MMS激光点云与序列全景影像的1.5像素级自动配准,配准成果可应用于真彩色点云生成等点云/影像数据融合应用。     

结合空间辅助面特征的区域自动配准

提出了一种新的基于空间辅助面特征的主被动遥感影像区域自动配准方法,该方法借鉴了全局区域配准高精度与局部区域配准低复杂度的算法特征,采用正、反函数变换法提取具有相同角度和尺度的空间特征,并采用归一化互相关系数法定义灰度相似性,通过构建空间辅助面,将空间特征和灰度相似性有效地结合起来,共同用于影像的自动配准。文中选取了SPOT与ASTER影像、ASAR和ASTER影像两组数据进行实验,并提取基准影像和配准后待配准影像的不同部位相间拼接形成结果图,从中可以看出各种地物在拼接处表现自然平滑。实验结果证明,该方法简单易行,且配准精度较高。     

车载激光雷达点云与全景影像的自动配准

针对激光雷达点云数据缺乏纹理信息的问题,该文提出一种基于互信息的车载激光雷达点云与全景影像配准方法。该方法使用统一的球面全景成像模型,引入互信息作为相似性测度,将车载激光雷达点云生成的深度图与信息提取后的全景影像进行配准,实现配准参数的自动、高精度解算。同时,对车载激光雷达点云与全景影像配准的精度进行评定与分析。实验结果表明,车载点云与全景影像的配准方案是可行的,具有较高的配准精度。     

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。     

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。     

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。     

光学遥感影像与GIS数据一体化的水体分割、配准与提取方法

利用遥感影像进行自动化水体提取是一项富有挑战的任务。提出了一种GIS数据辅助下的可见光遥感影像水体自动提取方法,其核心是将影像分割、配准和变化检测集成为一体化处理流程检测水体。利用水体在遥感影像上的显著特性,首先提出了基于多尺度视觉注意模型的疑似水体区域检测;然后对影像显著区域进行水平集分割处理,通过迭代的分割和配准一体化处理不断优化直至获得最优的分割和配准结果,其中改进的形状曲线相似度特征用于约束分割结果与GIS水体对象的匹配;最后,利用基于缓冲区的变化检测方法获取变化和未变化的水体对象,同时利用已知水体辐射特征与GIS地物的空间位置关系剔除非水体对象。采用3组不同分辨率的遥感影像和不同尺度的GIS数据进行实验,结果显示了本文方法在水体自动提取和变化检测中的有效性。     

基于Fourier-Mellin和Delaunay三角网的GBSAR影像配准研究

GBSAR的高精度测量需要准确的干涉相位来保证,因此影像间的配准尤为重要。针对传统GBSAR影像配准方法没有充分考虑到同名点的几何分布和空间结构关系的问题,文中基于Fourier-Mellin和Delaunay三角网的特性,对GBSAR影像数据进行粗配准和精配准。结合GBSAR影像实例数据,并对配准结果的相干系数图进行统计分析,结果表明此方法可提高影像配准的精度,为GBSAR影像数据的后续处理提供较好参考。     

一种最小生成树的自动纹理映射方法

针对实拍像片的纹理映射是复杂模型三维重建的关键,由于缺乏稳定而实用的二维影像与三维模型自动配准方法的问题,该文提出了一种基于最小生成树的自动纹理映射方法,实现二维影像与三维模型之间的自动配准。该方法首先建立实拍纹理影像之间的相邻关系图;然后对相邻影像进行匹配得到它们的同名像点,通过计算同名像点的惯性矩来衡量相邻影像的相邻度并把惯性矩作为图边的权;再建立最小生成树;最后层序遍历生成树依次获得当前影像,根据当前影像与其父影像的同名像点及父影像与三维模型的配准关系推导当前影像与模型的配准关系,实现自动映射。实验证明,该方法能够在保证精度的同时提高纹理映射的效率。     

INSAR数据处理的基线估计和影像自动概略配准

通过对ＩＮＳＡＲ 主、副影像间几何关系的分析, 提出了一种基于辅助数据的对ＳＬＣ影像的基线进行估计并进行自动概略配准的方法。     

车载激光点云和光学影像的配准方法研究

首先总结国内外激光点云和光学影像配准的研究现状,针对单张影像提出了一种基于直接线性变换的车载激光点云和光学影像的配准方法;针对车载序列影像提出了一种基于Sift角点提取、影像匹配、光束法平差、密集点云生成、密集点云和激光点云自动配准并生成对应的三维彩色点云的方法。最后以VC++ 6.0为开发平台,利用Optech公司提供的车载激光点云和序列影像数据设计并实现了车载激光点云和光学影像的配准,并验证了算法的有效性。     

一种利用Mask R-CNN的遥感影像与矢量数据配准方法

遥感影像数据与地理信息系统（geographic information system,GIS）矢量数据的配准是遥感与GIS集成的基础。目前遥感影像与矢量数据的配准关键在于遥感影像特征的提取,而现有遥感影像特征提取方法存在特征提取不完整、配准失败和精度不高等问题。由此提出了一种基于Mask R-CNN(region-based convolutional neural network)的遥感影像与矢量数据配准方法,首先,利用Mask R-CNN模型提取影像的道路交叉口作为影像控制点;然后,依据几何拓扑关系筛选矢量数据道路交叉口作为矢量控制点,再根据遥感影像与矢量数据控制点的欧氏距离确定同名控制点;最后,以同名控制点为基础实现遥感影像与矢量数据的配准。选取上海市矢量数据和高分二号影像数据进行配准实验,实验结果表明,所提方法鲁棒性强、精度高。     

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。     

一种基于面特征的遥感影像与GIS数据配准方法

遥感图像与GIS数据的配准是遥感应用、遥感与GIS集成的基础和关键.目前的方式大多是通过人工选取一点数量的控制点,通过几何纠正模型把遥感图像纳入到GIS坐标系统中,同时改正遥感图像的几何畸变.随着遥感技术的发展,传统人工作业方法无论是从效率还是从质量上都无法满足日益增长的应用需求,因此需要研究实用化的遥感影像与GIS数据的自动配准方法.本文从实用化的角度出发,在分析特征匹配理论的基础上,提出了一种基于面状地物多边形特征的遥感影像与GIS数据自动配准方法.该方法不同于一般的特征匹配方法之处在于特征提取与特征匹配同步解求.本文对新方法的理论进行了详细论述,最后对上海浦东地区的QUICKBIRD影像和1：2000 GIS数据进行了配准实验,对比传统方法计算结果,新方法具有明显优势.     

利用线特征进行高分辨率影像与LiDAR点云的配准

试图从离散点云数据中寻找影像的同名点是非常困难的,因此传统的基于同名特征点的配准方法难以使用。应用共线方程作为严格配准模型,利用LiDAR点云空间中的线特征替代传统配准模型中的点特征,取得了高精度的配准结果,同时对点云密度和影像分辨率之间的尺度关系进行了半定量分析。     

无人机高光谱影像处理方法的探索

针对目前已有无人机影像处理软件不支持高光谱影像预处理,及低版本遥感图像处理平台（ENVI）批量化处理数据困难的问题,研究了利用交互式数据语言（interactive data language,IDL）与无人机遥感图像处理软件（PIE-UAV）相结合进行无人机高光谱影像处理的方法。首先,使用IDL实现影像预处理,包括影像配准、影像白板校正。其中,影像配准阶段包含单波段影像配准、配准后影像外扩、多波段合成以及影像裁切等步骤。其次,使用PIE-UAV进行影像正射纠正,使用ENVI软件进行影像镶嵌。实验结果表明,该方法能够得到色彩过渡均匀且满足要求的拼接高光谱影像。