机载InSAR图像配准算法比较研究

复图像配准的关键是选择合适的匹配测度函数,但匹配测度函数对不同地形的适应性有待于研究。本文首先介绍了复相关系数法、实相关系数法、频谱极大值法和平均波动函数法的原理和机载双天线In SAR数据的配准流程,然后分别对比分析4种测度函数在机载In SAR山地和平地数据的精度和可靠性。实验结果表明,复相关系数法和频谱极大值法分别在山地和平地区域获得稳健、高精度的配准结果     

一种基于点特征的高精度图像配准方法

提出了一种基于点特征的多源图像高精度配准方法。通过在遥感影像上提取密集特征点,利用多种方法结合进行严格匹配获得同名点对。通过构建不规则三角网分割影像,再利用仿射变换模型实现每个三角形的配准。实验证明了该方法的有效性和较高的适用性。     

同名矢量地图要素形状配准的算法与应用

地图配准是GIS领域的一个基础问题,本文结合矢量地图要素的形状特点,提出了一种可对存在仿射变换关系的两个同名矢量地图要素,进行自动精确配准的算法。首先,该算法综合利用地图要素的几何矩以及仿射变换的有关性质定理解算仿射变换参数,实现两个要素的粗配准;然后,以粗配准结果作为初值,通过一种改进的PLICP算法进行迭代配准,从而实现待配准地图要素的精配准。实验结果表明:本文算法可对存在仿射变换的同名要素进行自动精确配准,且具有一定的抗噪能力,以配准结果为基础,还可以准确地从同名要素上自动识别和匹配同名特征点。     

SIFT与粗差剔除算法相结合的机载SAR影像匹配研究

SAR影像匹配是SAR数据处理的重要环节,但是,SAR影像匹配成功率、正确率及精度较低。通过SAR影像匹配,建立SAR匹配像对,对雷达立体观察和立体测量有重要的意义。在机载SAR影像匹配中,应用SIFT 算法,获得较稳定的特征,并结合2D单应变换的RANSAC算法剔除误匹配点对;选取三组不同类别的机载SAR影像数据,利用SIFT 和粗差剔除相结合的算法,通过VC++和OpenCV编程,提取出特征稳定且均匀分布的同名点对,完成机载SAR影像匹配实验。结果表明,对于含有人工建筑物的机载SAR影像,SIFT 算法可有效地提取大量稳定的匹配点对,其正确率高;对于含有自然植被的机载SAR影像,SIFT 算法可有效地提取较多稳定的匹配点对,其正确率较高;由于SIFT 算法实质上是基于局部灰度匹配的算法,对于纹理信息缺乏的机载SAR影像,只可提取少量稳定的匹配点对,其正确率相对前两者较低。总体而言,在机载SAR影像中SIFT 算法能够提取到稳定的匹配点对,并结合基于2D单应变换的RANSAC算法,可有效剔除误匹配点对,提高匹配正确率及精度。     

基于虚拟特征点的三维激光点云粗配准算法

在地面三维激光点云特征提取的过程中,由于三维点云数据采集仪器、采集方法及后期处理等因素影响,依靠传统的基于曲率、法线等几何特征及统计学算法提取出的点云特征数量较多且存在较大误差,若使用其直接作为特征点数据进行点云粗配准,很难提高点云粗配准的精度及速度。因此,本文在对点云数据实际空间分布结构分析的基础上,结合特征点提取算法、法向一致化算法、PCA（Principal Component Analysis）方法及特征点聚类等方法,提出了一种三维激光点云数据虚拟特征点拟合算法。该算法生成的虚拟特征点是由点云实际的特征点拟合得到,或是由位于被测物特征线上的特征点拟合生成的特征线计算得到,该虚拟特征点并不是扫描对象上实际存在的激光反射脚点。通过实验验证,虚拟特征点拟合算法可以较准确地拟合出由于设备及操作方法等原因而未被采集到的建筑物边角点数据,得到的虚拟特征点数据较实际特征点数据具有更少的数据量及更高的精度,使用拟合得到的虚拟特征点可以减少粗配准算法的计算量,提高粗配准算法的计算效率并能获得更精确及可靠的初始配准变换参数。     

基于LTS稳健初值的选权迭代法在SAR图像配准中应用研究

分析SAR图像配准联系点偏移量粗差对配准精度的影响,采用基于LTS（least trimmed squares）稳健初值的选权迭代法剔除偏移量粗差。以南通地区ENVISAT ASAR数据为例,选取干涉图条纹质量和相干系数总体分布作为评价指标,对该粗差剔除方法进行实验。结果表明,该算法能有效去除偏移量粗差,消除偏移量粗差对配准精度的影响,提高SAR配准的精度。     

一种面向对象的像元级遥感图像分类方法

本文提出一种面向对象的像元级分类方法(混合模型),并将其与单纯的以像元和面向对象的两种方法同时应用于分辨率分别为30m和0.5m的环境星CCD数据和航空影像进行对比分析。分类结果中不同地物类别之间光谱可分性的大小,很大程度上可反映分类结果的可靠性。若地物类型之间的光谱差异大,说明分类方法能将光谱差异大的地物很好地划分,显示出较可靠的分类结果;相反,如果分类结果中地物类型光谱差异小,则反映分类方法不够可靠。鉴此,本文通过计算分类结果中不同类别所对应的原始遥感影像像元之间的J-M(Jeffries-Matusita Distance)距离来度量分类结果中地物之间的光谱可分性,并用J-M距离比较分析了3种图像分类方法对2种不同分辨率影像的分类结果中各个类别之间的光谱可分性的变化。分析结果表明,混合模型不但能够得到较连续的分类结果,同时能够保持分类结果中类别之间的可分性。本文对分类结果进行了精度验证,结果发现混合模型的分类精度较其他2种方法要高。2种不同分辨率的遥感影像分析结果得到相同的结论,表明该模型适用于中分辨率和高分辨率影像。     

交叉点结构特征约束的机载LiDAR点云与多视角航空影像配准

针对机载点云与航空影像配准精度受点云密度影响较大的问题,本文提出一种交叉点结构特征约束下的机载点云影像配准方法。该方法充分利用激光测距精度较高这一优势,采用点云中的平面结构对影像区域网进行绝对定向约束。首先,利用POS辅助平差后的影像内外方位元素和影像交叉点结构匹配结果,以反投影距离为测度,按照最小二乘准则交会得到交叉点物方结构;然后,在LiDAR点云中自动探测交叉点结构的同名LiDAR平面点;最后,进行交叉点结构特征约束下的航空影像联合区域网平差,得到精确的相机内参数和影像外方位元素。实验结果表明,本文方法在平面和高程方向上均可达到1~2个像素的配准精度。与基于建筑物角特征的配准方法相比,有效克服了点云密度对配准精度的影响,当点云密度较低时,本文方法依然可以取得较高的配准精度。     

一种去除图像中脉冲噪声的自适应滤波算法

针对灰度图像中的脉冲噪声滤波的问题,提出一种具有细节保护的自适应滤波算法.算法分为两步:第一步是对图像中的噪声进行识别,第二步利用噪声点周围的相关信息,对噪声点进行修复.经实验表明算法与其他算法相比,在图像的细节保护,自适应性以及噪声的消除方面具有一定的优势.     

嫦娥一号IIM高光谱数据和月球轨道器LOLA DEM数据的配准与月表地形校正及评价

在对月探测中,月表物质的可见光、近红外反射数据,是进行月表化学元素及矿物反演与制图的重要信息源。受月球表面地形起伏的影响,嫦娥一号干涉成像光谱仪（IIM）高光谱数据在开展月表参数定量反演前,须进行月表地形校正,还原月表真实的反射率信息。IIM高光谱数据和常用的美国LOLA月球DEM数据之间存在月球经纬度空间配准不精确的问题,对月表地形校正的精度产生了影响。以月表陨石坑为例,在两幅月球遥感影像上选取一定数量的同名点,使用多项式校正方法进行像元级配准,与直接使用经纬度开展空间配准作了对比分析,发现IIM高光谱数据与LOLA DEM数据之间在经度方向存在平均约3.5个像元的位置偏差,纬度方向存在约1.95个像元的偏差。在此基础上,尝试将地球地形校正中使用的C校正方法运用到月球,探究在微弱大气散射环境下,月球陨石坑地貌的月表地形校正可行性。研究发现,经过像元级空间配准的数据在月表地形校正的效果上,比直接使用月球经纬度进行匹配的校正效果有明显提高。经过匹配和C校正,月表反射率与太阳入射角的余弦值之间的线性相关方程的斜率降低了89.4%,很好地消除月表陨石坑阴影地区和阳坡高亮区域的月表地形效应,恢复月表阴影区域的光谱信息。验证结果表明,校正后的月表局部遥感影像更接近于月表真实反射率,为后续利用IIM数据开展月表理化要素定量反演研究提供了可靠的科学数据保障。     

多源遥感影像深度特征融合匹配算法

针对多源遥感影像之间成像机理不同、非线性光谱辐射畸变大以及灰度梯度差异明显等所导致的匹配困难问题,提出深度特征融合匹配算法(Feature Fusion Matching Algorithm, FFM)。(1)通过构建特征图金字塔网络提取影像深度特征,使用特征连接结构将语义丰富的高层特征与定位精确的低层特征互补融合,解决多源影像同名特征难以表征的问题并提高特征向量的定位精度;(2)对原始维度1/8的特征图进行交叉变换来融合自身邻域信息与待匹配影像特征信息,通过计算特征向量间的相似性得分得到初次匹配结果,针对特征稀疏区域,提出滑动窗口自适应得分阈值检测算法来提升匹配效果;(3)将匹配结果映射至亚像素级特征图,在小窗口内计算像素间的匹配概率分布期望值来检校优化匹配结果,提高匹配点对的准确性;(4)使用PROSAC算法对匹配结果进行提纯,有效剔除误匹配的同时最大限度保留正确匹配点。试验选取6对多源遥感影像,将FFM同SuperPoint、SIFT、ContextDesc以及LoFTR算法进行对比,结果表明FFM算法在匹配点正确率、匹配点均方根误差以及分布均匀度等方面远优于其他算法。将FFM匹...     

结合ASIFT和归一化的抗仿射变换遥感影像盲水印算法

针对遥感影像使用过程中,含水印影像经过仿射变换后水印与影像的同步性被破坏,导致水印无法正常检测的问题,本文提出了一种适用于遥感影像的抗仿射变换盲水印算法。首先通过ASIFT算法提取影像具有仿射不变性的特征点,根据特征尺度的大小与特征点间的欧式距离筛选适量特征点,构造对应的正方形特征区域;然后通过计算特征区域的仿射不变矩得出归一化变换函数的参数,对特征区域进行归一化处理,并以归一化特征区域的不变质心为中心提取子区域作为水印嵌入区域,对该区域进行二级离散小波变换,得到水印嵌入区域的低频信息;运用量化嵌入规则将水印嵌入到低频信息中,依次进行低频信息逆小波变换,水印嵌入前后特征区域差值图像反归一化,最后将反归一化差值图像叠加在原始影像特征区域上,完成水印的嵌入。实验选用了3000像素×3000像素的高分二号遥感影像作为载体影像,含版权信息的二值图像作为水印,实验表明：含水印的遥感影像经过旋转、平移、缩放在内的仿射变换后,仍能准确提取水印信息;算法可有效抵抗加噪、滤波、裁剪等常规水印攻击,攻击后影像提取的水印与原水印相关系数均高于0.9;水印具有良好不可感知性;在水印提取时无需原始遥感影像,属于盲水印算法。     

利用视角转换的跨视角影像匹配方法

目前遥感影像跨视角匹配技术无法直接使用大幅卫星影像进行匹配,难以满足大范围复杂场景匹配的任务需求,且依赖大规模数据集,不具备良好的泛化能力。针对上述问题,本文在质量感知模板匹配方法的基础上结合多尺度特征融合算法,提出一种基于视角转换的跨视角遥感影像匹配方法。该方法首先利用手持摄影设备采集地面多视影像,经密集匹配生成点云数据,利用主成分分析法拟合最佳地平面并进行投影变换,以实现地面侧视视角到空视视角的转换;然后设计了特征融合模块对VGG19网络从遥感影像中提取的低、中、高尺度特征进行融合,以获取遥感影像丰富的空间信息和语义信息;最后利用质量感知模板匹配方法将从视角转换后的地面影像上提取的特征与遥感影像的融合特征进行匹配,获取匹配的软排名结果,并采用非极大值抑制算法从中筛选出高质量的匹配结果。实验结果表明,在不需要大规模数据集的情况下本文方法具有较高的准确性和较强的泛化能力,平均匹配成功率为64.6%,平均中心点偏移量为5.9像素,匹配结果准确完整,可为大场景跨视角影像匹配任务提供一种新的解决方案。     

雷达与光学图像小波融合方法研究

本文基于区域差的绝对值,提出了一种新的双正交小波融合算法,并应用于TM与JERS-1SAR的融合研究中。该方法与传统的小波融合相比,更能充分利用参与融合影像的信息,具有更强的数字图像细节表征能力;与基于区域方差的小波融合相比,具有更小的计算量;与主成分融合、乘法融合及Brovey融合等方法相比,具有更好的光谱保持能力,且该小波融合结果更清晰。实验表明,该算法是一种实用有效的融合法。     

基于云模型和FCM聚类的遥感图像分割方法

模糊C均值算法由于具有良好的聚类性能而被广泛应用于图像分割领域,但聚类中心的初始化问题一直影响着该算法的运行效率。好的初始聚类中心,可以使算法很快收敛于最优解,而不合适的初始聚类中心,不仅需要更多的迭代次数,而且还可能使算法最终收敛于局部最优解。文章结合云模型和FCM(模糊C均值)聚类算法,提出了一种遥感图像分割的新方法。利用云变换解决模糊C均值聚类算法的初始化中心选择问题,可以根据样本特性自动确定聚类中心值及个数,并以较少的迭代次数收敛到全局最优解,提高了模糊C均值遥感图像分割方法的效率,具有较好的稳定性和鲁棒性。文章选取三幅TM遥感图像作为样本,分别利用云模型的FCM方法和传统的FCM方法对样本进行分割实验,实验表明采用云模型的FCM方法不仅能够取得较好的分割效果,而且大大减少了使算法收敛的迭代次数,提高了分割的效率。     

基于局部空间信息KFCM的遥感图像聚类算法

针对模糊C均值(Fuzzy C-Means, FCM)算法,不能有效地对夹杂噪声的遥感图像聚类的问题,本文提出了一种基于局部空间信息核模糊C均值(Kernel Fuzzy C-Means, KFCM)的遥感图像聚类算法。首先,运用核函数将遥感图像的所有像元映射到高维特征空间,通过非线性映射优化遥感图像的有用特征;然后,根据相邻像元之间的相关性,利用一种空间函数重新定义像元的模糊隶属度,将像元的局部空间信息引入到FCM算法中,并在高维特征空间中使用这种基于局部空间信息的FCM算法对像元聚类。由于引入了像元的局部空间信息,算法可以直接应用于原始遥感图像,不需要滤波预处理。大量实验结果表明,本文提出的基于局部空间信息KFCM的遥感图像聚类算法具有较强的抗噪能力,可得到较好的同质区域,优于现有的FCM算法、模糊局部信息C均值(Fuzzy Local Information C-Means, FLICM)算法及KFCM算法。     

利用小波变换进行遥感多光谱图像融合的算法及实现

在分析了小波变换的分解与重建方法后,提出了一种基于区域的图像增强算法。先提取出源图的边缘,以图像的边缘为参考,围绕边缘建立融合窗口,然后结合区域内的图像信息,应用基于窗口的融合规则进行融合处理。实验结果显示,融合后的图像综合了3幅源图像的不同特征,处理后的图像变得容易识别了。表明该方法保持了尽可能多的原始信息,算法简单,稳定性好,适合于多光谱遥感图像识别、医学成像等领域。     

遥感影像内容的语义查询算法与应用

海量遥感影像数据如何进行方便快捷的查询检索与定位,是影像数据存储管理部门所面临的主要问题,同时也是制约影像数据为用户提供更好服务的瓶颈。本文主要分析了当前遥感影像数据库查询检索的几种方式和它们的利弊,进而提出一种在近乎海量的遥感数据中简单、方便、快捷的算法与实现思想。并在已有的影像数据库引擎原型系统上,设计出一种检索查询遥感影像内地物的方法。这种方法以矢量要素的空间信息和属性信息为引导,快速准确的定位地物所在的影像块,为遥感影像的有效管理和应用提供了一种可行的方法。     

基于动态极坐标参数化的遥感影像匹配方法

图像匹配作为三维重建至关重要的环节,其精度直接影响了平差优化、正射校正等模块的精度。对于城镇、农场等特征密集型区域,特征距离小,相似性强,易于匹配图像;而针对草地、沙漠等特征不明显区域,特征距离大,如果使用特征点匹配的方法,严格阈值下难以获得足够数量的匹配对,放宽阈值又将引入较多误匹配对,这也是导致稀疏点云不够均匀的原因之一。在此场景下,本文提出了基于动态极坐标参数化的无人机正视影像匹配算法,首先对图像做极坐标参数变化,采用动态策略解决极轴方向采样不均匀的问题,使用最小二乘法对得到的极坐标影像对做位移方向上的匹配,匹配后得到的旋转量和平移量,将该结果和SIFT算法的结果做比较。本文设计了2组实验,即参数已知的解算实验和参数未知的解算实验,且每组实验进行3次。在同等配置的计算机上,对两张7360像素×5400像素,32位的影像,本文方法的位姿解算时间相比SIFT的时间减少约57%,二者求得的位姿差通常小于1%。结论表明二者的结果在精度上表现相当,在时间上明显优于SIFT算法,具有实际的应用价值。