均匀分布与结构描述ASIFT相结合的SAR与可见光图像配准算法

针对SAR与可见光图像配准中存在的非线性灰度差异与斑点噪声,同时考虑不同的成像视角问题,提出了基于均匀分布与结构描述ASIFT的SAR与可见光图像配准算法。该算法首先采用引导滤波建立引导尺度空间以达到噪声抑制与边缘保持,在特征点提取阶段,由于非线性灰度差异引入相位一致性强度信息,并与尺度空间网格划分相结合,指导筛选图像中均匀特征点的获取;然后在特征描述阶段,引入扩展相位一致性方法计算SAR与可见光图像的一致性梯度幅值和方向,提高了主方向和描述符的准确性;最后利用Optimal-RANSAC进行特征描述符匹配实现有效配准。通过对4组实测图像进行试验及结果分析,证明该算法相比SAR-SIFT与传统ASIFT算法具有更准确的配准精度。     

红外与可见光图像配准的梯度相关法

多模态图像配准是图像配准研究中的重难点问题。本文将实数域的灰度图像转换到复数域的梯度图像,借鉴SAR图像配准的相干系数法,提出了基于梯度相关性的多模态图像配准相似性测度。通过中波红外和可见光图像的配准实验验证了方法的可行性,为多模态图像配准研究提供了新思路。     

利用局部自相似的多光谱遥感图像自动配准

为解决多光谱遥感图像间非线性灰度差异造成的配准困难问题,提出了一种基于局部自相似的自动配准方法。该方法首先引入局部自相似(local self-similarity, LSS)特征,并在对数极坐标系下建立反映图像内在几何布局和形状属性的特征描述子。之后结合LSS和归一化相关系数构建一种形状相似性测度,并通过模板匹配的策略实现图像的配准。试验结果表明,该方法能够较好地抵抗图像间的非线性灰度差异,并获得了可靠的配准精度,而且相比于传统方法,在顾及计算效率的同时获得了更高的匹配正确率。     

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。     

基于直线特征和谱图理论的光学与SAR图像配准

针对可见光与SAR图像配准问题,提出了基于直线特征和谱图理论的配准方法。通过提取图像的直线特征求交点,再利用特征点集构造Voronoi图,结合谱图理论寻找匹配的Voronoi多边形,从而获得配准参数,最后根据仿射变换模型得到配准结果。实验结果表明,与传统配准算法相比,本文配准方法普适性好、配准效率高。     

基于互信息的LIDAR与光学影像配准方法

本章论述了基于互信息的是单幅影像与LIDAR数据的配准方法。本方案是基于两幅图像灰度值的配准方法,即利用LIDAR数据生成的强度图像,实现与航空影像的配准。虽然两种传感器得到图像的灰度值有较大差异,且不成线性关系,通过引入互信息,可以将穷举的搜索问题变成基于相似性测度函数的优化问题。实验表明互信息准则对于航空影像与LiDAR数据之间是有效的。     

基于改进Hausdorff距离的图像配准方法

针对多尺度遥感图像灰度差异大的特点,利用特征集形状进行配准,提出了一种改进的Hausdorff距离及相应的图像匹配算法。首先采用基于尺度不变特征转换(scale-invariant feature transform,SIFT)的特征提取方法,提取多尺度图像间的尺度不变特征;然后利用Hausdorff距离作为适应度函数,通过遗传算法(genetic algorithm,GA)寻求图像间的几何变换参数;最后将待配准图像经过几何变换以及重采样与参考图像匹配,实现多尺度遥感图像的配准。实验结果表明,改进的Hausdorff距离算法与传统的Hausdorff相比,具有较高的配准精度和较快的配准速度,且稳定性和抗噪性更高,更适合用于图像配准。     

SAR波长对遥感图像统计特征的影响

遥感图像统计特征在目标辨识、图像配准以及图像分类等任务中扮演着重要角色。传统的统计特征鲁棒性分析一般是基于图像具有同一传感器参数的假设。而在现实任务中,往往需要处理由不同传感器参数拍摄的遥感图像,比如不同波长或入射角度等。传感器参数不同会导致图像灰度与表象特征不同,进一步会影响到统计特征表达。因此有必要系统研究常用统计特征与传感器参数之间的相关性,从而实现更加鲁棒的图像处理与分析。本文研究了目前常用的六种图像统计特征,在合成孔径雷达（SAR）波长变化时（L波段、C波段和X波段）的鲁棒性。实验中,对鲁棒性能指标作出定义,并对不同统计特征的鲁棒性做出了比较与分析。实验结果发现,不同统计特征对波长变化的鲁棒性不同,同时图像特征在不同地形时随波长变化的规律也不一致。本文的研究成果对基于SAR图像的判读、景象匹配制导以及景象适配性分析等具有重要的指导意义。     

热红外图像与可见光图像的配准与融合

红外热成像是一种有效的无损检测技术.红外与可见光传感器是目标识别系统中常用的两种传感器,对这两种传感器图像进行有效地融合能大大提高探测识别的准确性和可靠性.图像配准是图像融合的前提,在仿射变换的模型基础上,用最小二乘法达到用多个配准点拟合出最优参数解的目的.在图像融合中引入了小波变换,实现了图像的彩色融合.     

基于MATLAB图像处理工具箱IPT函数的遥感图像配准

遥感图像配准是遥感图像拼接、信息融合的基础,是对遥感图像定量应用和研究的关键环节.MATLAB的图像处理工具箱IPT(Image Processing Toolbox)提供有基于点特征进行图像配准的函数,利用这些函数可以方便快捷地完成图像之间的配准.论文首先对图像配准及基于点特征的遥感图像配准作了详细的介绍,然后对IPT中配准函数的语法格式作了详尽的分析,并对两幅遥感图像进行了配准操作,最后对该方法进行了结论性分析,阐明该方法的应用价值与可改进之处.     

一种基于小波变换的图像配准方法

提出一种基于小波变换的图像配准方法.该方法首先用小波变换提取边缘特征点,同时构成小波金字塔影像.在最高层利用角度相关系数确定基准图像和配准图像之间的旋转角度,经多分辨分级搜索匹配得到最终匹配特征点对,利用这些特征点对待配准图像进行配准纠正.实验结果表明,改进方法有较好的效果,可用于广泛应用领域.     

结合张量与互信息的混合模型多模态图像配准方法

多模态图像之间存在显著的非线性强度差异,并且图像会因为噪声而退化,因此,多模态图像自动配准是一项具有挑战性的任务.为了解决这两个问题,本文提出一种多模态图像自动配准方法,该方法分为预配准和精配准两个阶段.在预配准阶段,通过改进SIFT算法来大致对齐多模态图像.在精配准阶段,首先,利用块Harri s检测器在预配准后的参考图上提取均匀分布的特征点.然后,通过各向异性结构张量捕捉多模态图像中的结构信息来构建特征描述符,该特征描述符对噪声具有稳健性.更进一步,本文结合张量方向平行度和梯度互信息提出了一种相似度准则(tensor orientation and mutual information,TOMI).最后,本文用多种模态图像(包括Optical,LiDAR,SAR和Map)来评估提出的方法.试验结果表明,本文提出的方法对非线性强度变化和噪声具有较好的稳健性,并且匹配效果优越.     

组合图像模拟和精配准的星载SAR图像正射校正

本文给出了一种采用DEM模拟出的影像和星载合成孔径雷达(SAR)精配准策略的正射校正方法。首先根据DEM数据采用距离-多普勒模型和经验公式模拟出SAR图像,然后分别采用Harris算子和互信息匹配的方法提取模拟图像和实际SAR图像上的同名特征点,并根据这些特征点构建的不规则三角网(TIN)实现模拟SAR图像和实际SAR图像的精确配准。最后将星载SAR图像通过实际图像和模拟图像的精确配准关系以及模拟图像和DEM数据之间的对应关系校正到DEM所在的地理坐标中,实现SAR图像的正射校正。     

基于SURF的声纳图像配准与融合方法研究

针对侧扫声纳图像分辨率高测深精度低而多波束声纳图像分辨率低测深精度高的特点,提出了一种基于SUFR的声纳图像自动配准与融合方法。该算法检测同一区域内侧扫声纳图像和多波束图像的特征点,通过最近邻匹配获得匹配点后,计算图像间的变换矩阵,利用空间变换完成配准,采用加权融合法实现两者的融合。实验结果表明该算法具有很好的鲁棒性,配准精度达到像素级,可实现两者的高精度自动配准与融合,取得了理想的效果。     

基于特征点与边界信息的全自动多模态遥感图像配准方法

多模态遥感图像在光谱成分上的巨大差异,导致点特征检测与匹配算法在该类图像配准中的正确匹配率非常低。为了提高尺度不变特征变换和加速鲁棒性特征算法在图像配准时的可靠性和鲁棒性,提出了一种多模态遥感图像配准的新方法。该方法既能利用复杂轮廓中蕴含的几何变换信息弥补点特征在多模态图像配准中的缺点,又能利用点特征所蕴含正确匹配区域的启发性信息克服边界匹配算法的不足。结果表明:该方法能够在完全无人参与的情况下,全自动地实现多模态遥感图像的配准,并且具有较高的稳健性和可信度。     

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。     

基于多源遥感影像融合的影像匹配技术

多源遥感影像数据配准,常用的方法是多项式纠正法。此方法简单,但不能有效实现图像之间的相互配准。本文介绍了一种基于影像匹配的图像对图像局部纠正技术,包括影像直方图匹配、特征点提取、影像匹配处理技术,以及图像对图像局部纠正等技术,用于多源数据的配准。实验证明这种流程适合不同时相、不同传感器遥感数据(TM数据、SPOT数据与航空影像数据)的精确配准,配准误差可达到子像元级别。     

基于目标关联的多源卫星遥感图像兵营融合检测方法

目前的目标融合检测方法大都是基于多源遥感图像配准的,然而在实际的应用中,成像机理不同的多源遥感图像的精校正和图像间的配准是十分复杂的,难以确保其配准精度.为此,本文提出了一种基于目标关联的多源卫星遥感图像的兵营融合检测方法.该方法不对图像进行配准,而是根据单源图像的目标自动检测结果,利用图像的大地坐标信息,截取包含目标的同一地区的局部遥感图像,再分别提取多源遥感图像目标的特征,并根据其中冗余的特征,对提取的目标区域建立关联,再由关联检验确保特征关联的正确性,最后对目标特征进行融合决策,得到目标融合检测结果.实验结果表明,该方法能有效地利用多源遥感图像的信息,降低遥感图像目标检测的误判率,提高目标特征的准确度.     

X波段和全极化P波段SAR图像配准方法研究

利用多波段SAR数据进行遥感应用,首先需要将不同波段SAR图像数据进行配准。不同波段电磁波与地物散射机理不同,导致同一地物在不同波段SAR图像上的表征不同,难以直接配准。将全极化P波段数据进行极化分解,利用SIFT算子提取X波段与P波段α分量的局部特征,实现配准,并给出初步的匹配结果。实践证明,该方法具有较好的稳定性和较高的配准精度。     

基于投影变换与Fourier-Mellin变换结合的图像配准

傅里叶梅林变换是比较优秀的图像配准方法之一,但此方法不适用于倾斜影像。针对此问题提出了一种基于投影变换与Fourier-Mellin变换相结合的图像配准方法。该方法首先根据投影构像方程计算标准图像与待配准图像之间的投影变换矩阵;然后根据投影变换矩阵对待配准影像做倾斜校正;最后对纠正后的待配准影像与标准影像进行Fourier-Mellin变换,得到准确的配准参数。实验结果表明,该方法使得Fourier-Mellin变换的图像配准方法不仅适用于相对平行影像对之间配准,也适用于非相对平行影像对配准,且在直观与客观上都比传统傅里叶梅林变换配准结果好。