一种遥感影像地面控制点动态模板匹配算法

 鉴于影像灰度控制点匹配算法运算量大、识别精度低以及约束条件多等不足，本文对该算法做了改进。主要思路是： 在进行模板运算时，对目标影像采用动态模板进行不等距搜索； 利用灰度相关系数双阈值和等角变换，对目标控制点进行判别； 结合控制点间的空间位置关系，对未识别出的控制点进行定位。文中给出了具体的实施流程，并采用ASTER和TM两种成像差异显著的图像数据，对优化前后的匹配算法进行对比试验。结果表明，改进算法在运算效率、识别精度以及适应性方面，都比传统算法有明显优势。     

遥感影像纠正的地面控制点选取

地面控制点的选取是进行遥感影像纠正的重要步骤,它不但占用遥感影像处理的大量作业量,而且直接影响成图的精度和质量。作者根据生产经验,全面、系统地总结出了控制点选取的诸多要素以及注意事项,能够在各种精度的遥感影像生产中带来一定的指导作用。     

一种新型遥感影像快速匹配算法

An iterative algorithm to calculate mutual correlation using hierarchical key points and the search space mark principle is proposed. An effective algorithm is designed to improve the matching speed. By hierarchical key point algorithm and mutual correlation coefficients of the matching images, the important points can be iteratively calculated in the images hierarchically, and the correlation coefficient can be obtained with satisfactory precision. Massive spots in the parameter space which are impossible to match can be removed by the search space mark principle. Two approximate continuities in the correlation image matching process, the image gray level distribution continuity and the correlation coefficient value in the parameter space continuity, are considered in the method. The experiments show that the new algorithm can greatly enhance matching speed and achieve accurate matching results.     

基于匹配的遥感影像纠正控制点的自动提取

本文提出了一种基于影像灰度和影像特征混合的特征点提取、松弛匹配的自动提取控制点的新方法。在进行控制点的自动提取时，该方法速度快、错误匹配率低、精度高。     

一种基于SiftGPU的遥感影像匹配方法

针对已有的遥感影像匹配方法难以同时满足高精度、可靠性和高效率要求的问题,该文提出一种基于分块策略的尺度不变特征变换快速匹配方法。首先对两幅待匹配影像进行分块,根据影像的坐标信息建立参考影像与搜索影像上每个分块的对应关系,并进行量化级数转换;然后对每一对分块影像采用尺度不变特征变换算子进行匹配,同时采用GPU进行加速;最后对得到的所有匹配点进行误匹配点剔除。为验证该方法的有效性,采用经过正射纠正的ALOS影像和经过传感器校正的资源三号正视影像进行匹配实验。实验结果表明,该方法能够得到较多高精度的同名点,并且能在短时间内完成大数据量的处理。     

无地面控制点的无人机遥感影像几何校正算法

针对有畸变且无地面控制点的无人机遥感影像,提出以分块方式提取图像中心区域特征点作为基准伪控制点对另一幅图像进行几何校正的算法。以两个图像中心连线的中垂线划分重叠区域为两块,选取一幅图像靠近中心点的块重叠区域内有效特征点为基准伪控制点,以第二幅图像上对应的特征点为待校正伪控制点,校正该块重叠区域;以类似的方法校正另一半重叠区域。试验结果证明,校正后地物点的坐标与基准影像上该地物点的坐标的几何畸变残差平均值比校正前大幅度减小,有明显的校正效果。     

遥感影像松弛匹配算法研究

松弛匹配算法是遥感影像匹配中应用广泛的算法之一,它是一种并行和迭代的算法,在匹配过程中利用了周边像素的信息,能够有效地避免临近匹配结果不协调、不合理的现象。本文对松弛算法的原理进行阐述,从收敛速度和错误率两个指标出发,针对多种不同的松弛匹配算法进行比较研究,分析其性能及其应用。实验证明,收敛速度并不能作为算法优劣的唯一标准,松弛算法应该更多地利用影像的背景信息来消除局部的不确定性。     

一种基于动态规划的遥感影像与GIS矢量数据匹配方法

针对遥感影像与GIS数据的匹配,提出了一种基于动态规划的结点匹配、线段匹配再到折线匹配逐级优化的全局一致性匹配方法.该方法首先利用遥感影像的概略方位参数实现预处理后的GIS数据与遥感影像概略叠加;接着进行遥感影像特征自动提取;然后以局部匹配优选的待匹配结点和待匹配线段为前提,利用动态规划的匹配方法,进行折线整体匹配;最后进行匹配结果的优化.实验证明该匹配方法速度快、可靠性高.     

基于T型模板匹配半自动提取高分辨率遥感影像带状道路

通过分析高分辨率光学遥感影像上的道路特征,提出了适用于有较多车辆遮蔽和两侧行树阴影干扰的T型模板匹配的道路提取算子。它融合了剖面匹配和模板匹配的优势,使用角度纹理特征进行初始道路点的精确定位,道路宽度、道路前进方向的精确量算,使用灰度最小二乘匹配进行最佳道路点的定位,可以很好地追踪高分辨率光学遥感影像上受车辆遮蔽和行树阴影等噪声干扰的带状道路。     

一种改进的多源遥感影像SIFT算法匹配策略

传统SIFT算法在遥感影像中相似性场景大量存在的情况下呈现出匹配效率低的问题。文中提出对传统SIFT算法匹配策略进行改进,其步骤包括:首先在初匹配阶段,利用建立金字塔影像匹配的方式确定影像间的几何关系模型;其次,利用该几何关系模型对初始影像进行约束匹配;最后利用RANSAC模型剔除误匹配点。通过相似性场景影像匹配实验可以表明,与传统SIFT算法相比,本方法具有明显的匹配效率和精度优势。     

基于动态规划和Hough变换的遥感影像与GIS矢量数据匹配方法

由于遥感影像与GIS矢量数据性质不同,并且两者叠加后存在一定的平移、旋转和尺度变化等原因,准确建立两者之间的对应关系是一个难点.为此,提出一种多阶段、由粗到精的匹配方法.该方法在遥感影像特征自动提取的基础上,以局部匹配优选的待匹配结点和待匹配线段为前提,利用动态规划匹配方法,进行折线整体匹配;然后利用匹配的同名点,解算...     

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。     

一种改进边缘与纹理信息的遥感影像融合算法

针对IHS变换的影像融合易产生光谱扭曲(颜色失真)的问题,文章提出了一种基于IHS变换与Bandelet变换相结合的遥感影像融合算法,利用Bandelet变换能很好捕获原始图像的边缘与纹理的特性,获取更好的彩色图像特征信息,达到最佳逼近效果:对多光谱影像Mul做IHS变换并提取I分量,通过对I分量与高分辨影像Pan做Bandelet变换,并对其几何流和Bandelet系数采用不同融合规则,再由IHS逆变换实现图像融合。实验结果表明,基于IHS与Bandelet的融合算法较IHS法在获取更丰富影像边缘细节特征信息的同时,光谱扭曲(颜色失真)现象也明显减弱,并获得了较好的人眼视觉效果,其中三角IHS与Bandelet融合的效果较好。     

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。     

结合LOG算子和大津法的遥感影像边缘检测方法

针对遥感影像具有丰富的细节和混合噪声,采用传统高斯拉普拉斯(LOG)算子难以有效地提取遥感影像地物边缘信息,文章提出一种结合LOG算子和大津法(Otsu法)的遥感影像地物边缘信息提取算法。此算法采用中值滤波对原始影像进行消噪,利用Otsu算法对滤波后影像进行自适应阈值分割得到目标影像,采用LOG算子对目标影像进行边缘信息提取。以安宁某区域的遥感影像为例,实验结果表明,提出的算法与传统LOG算子相比,具有更高的提取精度,能有效地提取出遥感影像的真实边缘、减少伪边缘。     

一种改进Hausdorff距离和自适应遗传搜索的遥感目标匹配方法

采用快速点提取算子SIFT算子提取特征点,减少图像数据量,针对传统Hausdorff距离对噪声、出格点较敏感的问题对其进行改进,并以改进后的鲁棒Hausdorff距离作为匹配测度,利用非遍历而又有效的遗传搜索策略进一步提高了匹配速度。对发生旋转变形和灰度变化的遥感影像进行模拟实验,实验结果证明了该算法的有效性和快速性。     

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。     

激光雷达点云辅助的高分影像分水岭分割方法

针对分水岭分割方法用于高分辨率遥感影像分割时过分割现象严重,且分割精度会受"同谱异物"现象的影响等问题,该文提出了一种激光雷达(LiDAR)点云辅助的高分影像分水岭分割方法,该方法利用高分影像和LiDAR点云两种数据源指导分割的进行:首先根据点云滤波结果将高分影像分为地物、地面两幅分影像进行分割合并,保证地物与非地物的正确划分;然后对过分割现象,提出了分形网格演化算法结合点云高程特征的合并准则,得到整体分割结果。实验证明该方法能有效改善"同谱异物"地类的混淆现象,可为复杂城区提供更精确的地类分割结果。     

基于参考图像的行星遥感图像自动几何精纠正

针对行星多探测任务获取的海量遥感数据,提出一种基于现有参考图像匹配策略优化的自动几何精纠正技术方案。考虑到某些新传感器图像与已有参考图像的分辨率相差较大,提出了利用中间分辨率图像作为过渡的间接匹配策略;另外,针对月球和火星典型探测任务的遥感图像给出了相应参考图像的选取方法。选取嫦娥一号(CE-1)、嫦娥二号(CE-2)CCD图像和火星高解析度科学实验成像照相机(HiRISE)图像进行实验。针对CE-1和CE-2图像数据,选取月球侦察轨道飞行器宽角相机(LROC)图像作为参考;而针对HiRISE图像数据,选择以背景相机(CTX)图像为过渡、火星热辐射成像系统(THEMIS)图像为参考。利用自动匹配获取一定量的控制点,实现了行星遥感图像的自动几何精纠正。通过人工选取的检查点对纠正后图像进行精度评价的结果表明,所提出的自动几何精纠正方案是有效的,利用自动选取的控制点进行纠正后的图像定位精度明显提高,对月球和火星遥感图像的几何处理有实用价值。