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。     

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.     

基于FAST和SURF的遥感图像自动配准方法

提出了基于加速分割检测特征(features from accelerated segment test,FAST)和加速鲁棒性特征(speeded - up robust features,SURF)的遥感图像自动配准方法.首先对参考图像与待配准图像进行HSI变换和高斯金字塔建立;然后检测并提取FAST角点,计算各角点的SURF描述子,用K-D树匹配搜索策略得到2幅图像的匹配点对;再使用最小二乘迭代法剔除错误匹配点并拟合几何变换系数;最后执行几何变换,得到配准后的图像.将该方法分别与基于SURF自动配准方法和ENVI软件中自动获取配准点的方法进行对比实验,结果表明,利用该方法能够获得更多的匹配点对,具有更高的几何配准精度,但在尺度不变性方面略逊于SURF算法.     

一种改进的SURF及其在遥感影像匹配中的应用

从构造特征描述子入手,结合Haar-like特征提出了一种新的SURF特征描述符,并将其应用到遥感影像匹配中,新的描述符增加了对边和对角特征的描述。SURF匹配算法利用了积分图技术,匹配速度快,但是其特征的区分能力相对较弱。实验结果证明,此描述符的区分力优于原SURF描述子。     

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。     

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。     

改进SIFT特征描述符在影像匹配中的应用研究

由于成像条件变化造成的遥感图像之间的几何形变和灰度差异给影像匹配带来了困难,深入研究了SIFT特征描述符的生成方法,针对SIFT特征维数过高的问题进行改进,利用特征点邻域的圆形区域构造新的描述符,增强了描述符自身的抗旋转性,并降低了特征描述符的维数。实验表明,改进的特征描述符是可行有效的,在遥感影像目标匹配中取得满意的实验结果。     

改进SIFT特征描述符在影像匹配中的应用研究

由于成像条件变化造成的遥感图像之间的几何形变和灰度差异给影像匹配带来了困难,深入研究了SIFT特征描述符的生成方法,针对SIFT特征维数过高的问题进行改进,利用特征点邻域的圆形区域构造新的描述符,增强了描述符自身的抗旋转性,并降低了特征描述符的维数。实验表明,改进的特征描述符是可行有效的,在遥感影像目标匹配中取得满意的实验结果。     

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.     

一种改进的遥感图像自适应加权滤波算法

遥感图像在其获取、传输的过程中，受到多种因素的影响，会含有各种噪声而降质。文中在分析传统的去噪处理算法和自适应中值滤波算法的(AMF)基础上，提出了一种自适应加权的遥感图像去噪滤波方法。该算法针对噪声图像上每一点，应用自适应加权算子，对于不同的图像区域，算子自适应地进行窗口大小和输出像素值的改变。试验证明，该方法优于传统的去噪滤波算法和AMF滤波算法，在滤除噪声的同时尽可能地保留了图像细节，对于遥感图像去噪增强具有很好的效果。     

一种改进的SIFT描述子及其性能分析

为了解决传统SIFT描述子在图像存在多个相似区域时易造成误匹配的问题,提出了一种改进的SIFT描述子及其生成方法。该方法通过构建尺度空间、检测极值点、确定关键点等步骤生成关键特征点,然后计算每个关键点周围图像区域的旋转不变纹理特征作为该关键点的描述,并将其融合到局部特性SIFT描述向量中,形成旋转不变纹理化SIFT描述子,并采用了两种不同的匹配策略应用于图像匹配,实验结果表明,本方法更加全面地描述了图像信息,有效提高了SIFT算法匹配准率,改善了匹配效果,实现了对SIFT算法的改良。     

Photoshop软件在处理遥感影像中的一些应用

影像处理专业软件Photoshop在遥感影像处理中应用越来越广泛,本文主要通过Photoshop软件对遥感影像的批处理、色彩处理以及引进插件扩展技术,阐述Photoshop软件在遥感影像处理中的应用。     

小波变换在遥感图像相对辐射校正中的应用

采用小波分析将ASTER图像的低频分量和高频分量进行分离;对低频分量差值计算得到伪不变特征点,采用最小二乘法对低频分量进行线性变换;然后将原始待校正图像的高频分量与校正后的低频分量进行图像重构,实现多时相ASTER遥感图像的相对辐射校正。结果表明,该方法有效地保留了源图像中由于地物变化引起的辐射差异,相对辐射校正的整体效果较好。     

多源遥感影像配准中的SIFT特征匹配改进

针对尺度不变特征变换算法应用于多源遥感影像配准时面临的低效率和误匹配问题,从特征点提取和特征点匹配两个方面对其进行改进。在特征点提取阶段,通过控制特征点数量和分布情况获取均匀分布的特征点;在特征点匹配阶段,采用特征点仿射变换粗匹配、精匹配和误匹配点剔除策略,由粗到精地获取准确的同名点。对多源遥感影像进行配准实验,结果表明,此方法在匹配效率及匹配性能上均优于原始SIFT算法,且配准精度更高。     

面向对象的遥感影像模糊增强

针对遥感影像中兴趣目标的分割与提取,考虑到遥感影像的模糊性和不确定性,提出了一种基于梯形模糊映射的面向对象的遥感影像模糊增强技术。该技术不仅突出了要提取的目标,而且也使原本模糊的边缘变得更为清晰。试验表明该方法是有效的。     

多维特征自适应MeanShift遥感图像分割方法

针对MeanShift算法分割遥感图像的自动化程度和精度不高的问题,提出一种多特征自适应Mean—Shift遥感图像分割方法。3组实验结果表明,本方法相比EDISON软件能得到更好的分割效果,且能在一定程度上提高遥感影像分割的自动化。     

不规则量化SIFT的遥感影像匹配

SIFT算法描述子均匀量化局部区域的位置和梯度角,难以有效解决描述子局部几何失真的问题。该文改进SIFT描述子的汇聚策略,将描述区域不规则分割(位置量化)与梯度角方向柱递减(方向量化)相结合,提高特征描述子抵抗局部几何失真的能力。将本文算法与原SIFT描述子进行比较,使用不同条件的遥感影像对测试,从匹配点对数量、时间耗损和稳定性等方面进行对比试验,验证了不规则量化描述子有较强的独特性和鲁棒性。     

高分辨率遥感影像的精纠正

论述了对高分辨率遥感影像进行精纠正获得正射影像的关键技术。若干实际不同分辨率的高分辨率遥感影像被用于相应的实验,实例证明了本文算法的正确性。