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。     

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。     

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。     

SIFT遥感影像快速配准方法

针对SIFT算法存在内存消耗多、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,然后再作分块影像匹配,在匹配过程中根据局部熵过滤掉冗余特征点,并使其均匀分布于影像,以实现精确配准。对错误匹配点先利用相关系数初步剔除错误点,再利用极线约束对错误匹配点进行精细剔除,最后将RANSAC算法应用于剩下的匹配点,进一步提高匹配精确度。     

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。     

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。     

基于SIFT特征的多源遥感影像自动配准

多源遥感影像之间的配准问题一直以来都未能得到很好的解决,本文将SIFT特征应用于多源遥感影像的配准中。文章首先简要介绍了SIFT（Scale Invariant Feature Transform）特征的生成;然后针对多源遥感影像的成像特点,介绍了一种具体的特征匹配方法。最后利用不同的影像数据进行试验,检验文中提出的方法。实验结果表明,SIFT特征向量具有旋转、缩放、平移不变性的特点。     

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。     

基于特征空间的航空影像自动配准算法

为解决图像配准的出界点、噪声干扰等问题,提出一种基于特征空间的航空影像配准算法.该算法采用改进的Harris算子提取特征点(角点),并建立角点特征空间,根据三级匹配策略,实现特征点的匹配,完成图像配准.实验结果表明,该算法在旋转、缩放、噪声等多种因素的影响下具有良好的配准效果,特别是对于小重叠区域(具有75%以上出界点)的图像对,配准效果良好.     

几何约束和改进SIFT的SAR影像和光学影像自动配准方法

提出一种基于几何约束和改进SIFT的SAR影像和光学影像自动配准方法。首先根据影像间的几何关系进行影像粗纠正,消除影像间旋转和分辨率差异;然后基于主方向改进的SIFT特征提取方法提取SIFT特征并利用其结构性信息引入结构相似性指数(SSIM)作为相似性测度获得初始匹配,经过视差空间和角度特征空间聚类优化得到稳定同名匹配;最后由随机抽样一致性算法(RANSAC)根据透视变换模型精化匹配结果获取变换模型参数。整个配准过程自动完成。本方法适用于差异较大的SAR影像与光学影像之间配准。     

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。     

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。     

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。     

基于极大似然估计采样一致性准则的遥感影像配准参数解算方法研究

本文提出运用最大似然采样一致性准则解算遥感影像配准系数的方法。该方法基于极大似然估计理论,首先对初始匹配点的坐标残差进行概率建模,计算概率模型成立时的似然函数值并选择似然函数值最大时的参数为正确结果,最终剔除错误点保留正确匹配点。该方法较之传统的最小二乘方法更为准确地计算配准系数,并可以解决随机采样一致性准则解算配准参数时,对阈值的依赖问题。试验证明,该方法可提高配准参数解算的稳健性和精度。     

利用参考图像的遥感图像模糊估计与恢复

提出一种新的利用参考图像的模糊估计与恢复方法。同一场景不同时相的图像,由于拍摄条件的不同,清晰化程度也往往不同,将高质量的图像作为参考,为模糊估计和恢复提供先验知识,在Bayes统一的框架内进行快速PSF估计,然后使用总变分最小化方法进行恢复。通过真实遥感图像实验,结果表明所提出的方法可以有效地估计退化模糊、恢复未失真图像。     

高分辨率遥感影像超像素的模糊聚类分割法

传统模糊C均值聚类在影像分割中只考虑影像的灰度特征,导致该算法用于高空间分辨率遥感影像分割时分割结果不理想。针对该问题,本文提出了一种高分辨率遥感影像超像素的模糊聚类分割方法。该方法首先利用分水岭变换算法产生多个超像素子区域;然后比较各个子区域间光谱特征的相似性;最后利用融合光谱特征的模糊C均值聚类对这些超像素子区域进行合并。试验选用4组不同场景的遥感影像,采用定性和定量相结合的方法评价试验结果。试验结果表明,该方法有效提高了分割区域的分割精度,并取得了较好的分割视觉效果。     

应用不变特征获取均匀控制点的遥感影像配准算法

本文针对大幅影像配准时计算量大、配准点分布严重不均匀以及错配率高等问题进行了研究,提出一种可保持配准点均匀分布的快速配准算法.首先对基准影像和待配准影像进行分块提取SIFT特征算子,然后局部自适应地对影像块中的匹配点进行几何约束,从局部选取最优匹配点以达到提高图像匹配准确率的目标.通过对大量不同类型的影像进行配准实验,...     

基于遥感生态指数的神府矿区生态环境评价

采用遥感技术对矿区生态环境进行监测与评价,对矿区生态环境的保护和可持续发展具有重要意义.本文首先提出了一种遥感生态指数(RSEI)改进方案,除了采用原模型的绿度指标、湿度指标、热度指标及干度指标4个生态指标外,引入植被净初级生产力(NPP)指标,并对矿区生态环境进行各单生态指标评价分析,然后采用改进后的遥感生态指数,对...     

Line-based modified iterated Hough transform for automatic registration of multi-source imagery

Image registration aims at combining imagery from multiple sensors to achieve higher accuracy and derive more information than that obtained from a single sensor. The enormous increase in the volume of remotely sensed data that is being acquired by an ever-growing number of earth observation satellites mandates the development of accurate, robust, and automated registration procedures. An effective automatic image registration has to deal with four issues: registration primitives, transformation function, similarity measure, and matching strategy. This paper introduces a new approach for automatic image registration using linear features as the registration primitives. Linear features have been chosen because they can be reliably extracted from imagery with significantly different geometric and radiometric properties. The modified iterated Hough transform (MIHT), which manipulates the registration primitives and similarity measure, is used as the matching strategy for automatically deriving an estimate of the parameters involved in the transformation function as well as the correspondence between conjugate primitives. The MIHT procedure follows an optimal sequence for parameter estimation that takes into account the contribution of linear features with different orientations at various locations within the imagery towards the estimation of the transformation parameters in question. Experimental results using real data proved the feasibility and robustness of the suggested approach.