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。     

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。     

基于改进ORB算法的遥感图像自动配准方法

针对遥感图像自动配准的问题,提出了一种基于改进定向二进制简单描述符(oriented brief,ORB)算法的遥感图像自动配准方法.该方法主要由3个步骤组成:首先是特征匹配,利用改进的ORB算法提取特征点,并建立描述符进行匹配,获取初始控制点;然后采用随机采样一致性方法,结合变换参数估计,剔除可能的错误匹配;最后利用最小二乘法估计的变换参数,对图像进行几何纠正.分别利用2组卫星光学遥感图像和1组SAR图像进行基于改进ORB算法的自动配准方法试验,并与基于尺度不变特征变换(scale-invariant feature tramsform,SIFT)算法和加速鲁棒性特征(speeded up robust features,SURF)算法的自动配准方法进行了比较.试验结果表明,该方法能获得与SIFT算法和SURF算法相当或者更高的配准精度,并在配准效率上有较大提高.     

基于深度学习的遥感图像匹配方法

目前,图像自动配准技术已成为图像配准领域中的研究热点之一。如何提高匹配精度是图像配准的关键步骤,基于此本文提出基于深度学习的匹配方法。首先,描述了卷积神经网络模型的网络结构,通过改善经典模型的网络结构,将其应用到影像匹配任务当中;其次,利用训练好的自适应网络模型来获取控制点的特征表达;最后,将控制点的特征表达通过欧式距离算法进行相似度匹配。实验结果表明,本文方法大幅降低了图像匹配粗匹配的错误率,为后续配准建立了良好基础,且对数据源具有良好的稳健性。     

基于SAR-SIFT改进的SAR图像配准

合成孔径雷达(SAR)图像配准时,由于受到乘性散斑影响,匹配算法的性能受到限制.SAR-SIFT使用ROEWA算子代替差分算法计算梯度,对SAR图像的散斑具有一定的稳健性.为了进一步抑制散斑噪声,本文提出了基于SAR-SIFT改进的SAR图像配准算法.利用非线性扩散滤波生成SAR图像的非线性扩散尺度空间,在非线性尺度空...     

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。     

顾及灰度和梯度信息的多模态影像配准算法

基于特征匹配的多模态影像配准方法无法达到像素级配准精度要求。本文研究了一种顾及灰度和梯度信息的多模态影像配准算法。基于马尔科夫随机场（MRF）的非参数化配准模型充分利用多模态影像的图像信息进行相似性测量,同时考虑了灰度及梯度统计信息,求解方法上对值空间进行离散化,提高收敛速度。通过3组多模态影像的配准试验,验证了该算法的可行性。试验表明：本文算法的配准效果优于基于人工刺点的多项式模型配准和只考虑灰度信息的多模态影像配准;与此同时,该算法对于较大形变的影像配准也具有一定的适用性。在空间精度方面,平均配准误差小于1个像素,最大配准误差小于2个像素。     

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.     

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.