一种基于格网索引优化的遥感影像自动配准算法

针对SIFT算法在遥感影像配准过程中捕获配准点对数量较少和误匹配较多等问题,提出了一种基于格网索引的遥感影像自动配准的算法.首先,采用SIFT算法提取特征点和特征向量,并通过欧氏距离进行匹配;其次,建立格网索引剔除部分误匹配点对,从而提高了随机抽样一致算法的精度;最后,使用多项式几何纠正算法实现遥感影像的精确配准.实验...     

基于点特征的低空遥感影像多级高效率匹配方法研究

研究基于点特征的匹配算法,结合现有影像匹配算子的优缺点,提出一种适用于低空遥感影像特征点的自动提取与匹配方法。首先在简化的高斯尺度空间中检测Harris角点,使该特征点具有尺度不变性;然后采用Forstner算子对关键点精确定位,精度达到子像素级;最后通过简化特征点描述符实现算法简化。在特征点匹配阶段,采用BBF-KD初匹配和二次精匹配提高匹配精度。以低空遥感影像为实验数据测评SIFT算法和文中方法在提取速度、匹配正确率、稳定性等方面的性能。实验结果表明,相对于传统的SIFT算法,处理影像清晰的低空遥感数据时本方法有更高精度和更快速度。     

带匹配支持度的多源遥感影像SIFT匹配方法

通过将匹配支持度的相似性测度引入SIFT特征匹配算法,提出了一种能够应用于不同源遥感影像的自动匹配方法。首先,建立待匹配影像中特征点的SIFT特征描述符;然后,以待匹配点与参考点间的欧氏距离为相似性测度,挑选一定数量的距离最为接近的匹配点作为候选点;最后,分别计算候选匹配点间的匹配支持度,并通过松弛法剔除误匹配点以完成影像的自动匹配。实验结果表明,与传统的灰度匹配及经典的SIFT特征匹配相比,此算法可明显提高影像匹配的成功率和可靠性。     

利用特征组合检测算法的无人机遥感影像匹配研究

影像匹配是无人机遥感影像拼接和三维建模的基础和关键步骤。结合不同算法的优势,本文提出一种基于特征组合与RANSAC算法的无人机遥感影像匹配方法。该匹配方法首先采用AKAZE算法检测影像的特征点,然后利用SIFT描述符描述特征向量并获取特征点的主方向,最后基于单映射变换矩阵的RANSAC算法进行精准匹配。本文对基于特征组合与RANSAC算法的匹配效果进行了试验对比分析,试验结果表明：与常用匹配方法的匹配效果相比,本文的匹配方法继承了AKAZE算法的快速匹配能力,匹配总耗时介于AKAZE算法和SIFT算法之间,约为BRISK算法匹配耗时的20%;同时,该匹配方法继承了SIFT算法的多匹配点对性能,从整体匹配效果来看,本文的匹配方法优于AKAZE、SIFT、BRISK算法。     

一种运用AKAZE特征的无人机遥感影像拼接方法

针对无人机遥感影像旋偏角大、地面覆盖范围小等特点,提出一种运用AKAZE特征匹配算法实现无人机遥感影像的快速拼接。该方法利用AKAZE算法提取影像特征点,采用比值法、RANSAC算法计算出拼接序列之间的单应矩阵,通过中心距离范数加权法进行融合。实验表明,其配准精度优于ORB算法,与SIFT算法相当,而运算效率高于SIFT算法,但不及ORB算法,是一种稳定高效的无人机影像拼接算法。     

基于视觉显著点特征的遥感影像检索方法

本文提出一种基于视觉显著点特征的遥感影像检索方法,首先采用SIFT算法提取遥感影像中的关键点及其特征,同时利用GBVS模型计算影像的显著图以分离影像显著区和背景,然后提取显著区内的关键点以构建视觉显著点特征,最后用其计算影像间的相似度并返回相似影像。实验表明,与传统检索算法相比,本文提出的算法能够有效提高影像查准率。     

结合Gabor纹理与几何特征的高分辨率遥感影像城区道路提取方法

在充分考虑道路频谱在不同频带、不同方向上能量分布的基础上,提出一种基于Gabor纹理与几何特征相结合的高分辨率遥感影像城区道路提取方法。首先通过Gabor滤波器组得到遥感影像不同频带、不同方向上的Gabor纹理特征,并利用K-means方法对遥感影像进行分割;然后利用形态学方法分割与道路相连的地物,并选取适当的几何特征剔除非道路地物;最后利用形态学方法对道路网进行修整。实验结果表明,该方法可以有效、便捷地从高分辨率遥感影像中提取城区主干道路网。     

基于SIFT特征的多源遥感影像自动匹配方法

本文提出一种基于SIFT特征的不同源遥感影像自动匹配方法。首先利用Harris算子结合SIFT特征提取影像上均匀分布的特征点,建立高维SIFT特征描述符;然后以待匹配点与参考点间的欧氏距离为相似性测度,实施两种不同源遥感影像的特征匹配;最后将SIFT特征匹配结果作为初始值,采用将搜索范围扩大到尺度空间后的改进最小二乘影像匹配方法对SIFT特征匹配获得的同名像点进行精匹配。经对同一地区SPOT-5 HRG全色影像与航空摄影影像的匹配试验,取得了较好的结果。     

基于控制点库的SIFT多源影像自动配准方法

本文提出了一种基于控制点库的SIFT多源大幅遥感影像自动配准方法,该方法首先设计并建立控制点影像库;然后采用地理坐标粗定位及SIFT算法自动精确查找同名控制点;利用影像分块迭代最小二乘法拟合,去除错同名控制点;最后运用多项式模型完成影像配准.以环境减灾小卫星CCD及近红外、QuickBird 24m及0.6m、TM及印...     

决策树算法在西藏遥感影像分类中的应用研究

将决策树算法引入到遥感影像分类中,以提高分类的精度。首先对影像进行预处理,然后利用C5.0算法在分析地物光谱特征、纹理特征、归一化植被指数的基础上,自动提取分类规则,构建决策树,实现地物的自动分类。为验证该算法的有效性,选取西藏某地区TM影像作为实验数据,与监督分类的精度进行对比,实验结果表明,决策树分类方法能取得较好的分类效果。     

一种结合拓扑信息和SIFT特征的多源遥感影像自动匹配方法

基于单一特征的匹配办法在多源遥感影像匹配中往往不适用的问题,提出了一种结合拓扑信息和SIFT特征的自动多源遥感影像匹配方法。该方法首先在两幅影像中使用SIFT算法在尺度空间上提取特征向量,其次对这些特征点使用最近邻提取1：N的多个可能的匹配点对,然后结合位置信息和拓扑信息对这些可能的匹配点对进行剔除,并使用RANSAC方法剔除粗差,最终得到同名匹配点。试验结果表明,相比于计算机视觉领域常用的SIFT算法,本文方法可有效地提高匹配正确率,并获得更多正确的同名点。     

The Remote Sensing Image Matching Algorithm Based on the Normalized Cross-Correlation and SIFT

SIFT (scale invariant feature transform) is one of the most robust and widely used image matching algorithms based on local features. However, its computational complexity is high. In order to reduce the matching time, an improved feature matching algorithm is proposed in this paper under the premise of stable registration accuracy. This paper proposed a normalized cross-correlation with SIFT combination of remote sensing image matching algorithm. The basic idea of the algorithm is performing the space geometry transformation of the input image with reference to the base image. Then the normalized cross-correlation captures the relevant part of the remote sensing images. By this way, we can reduce the matching range. So some unnecessary calculations are properly omitted. By utilizing the SIFT algorithm, we match the preprocessed remote sensing images, and get the registration points. This can shorten the matching time and improve the matching accuracy. Its robustness is increased correspondingly. The experimental results show that the proposed Normalized cross-correlation plus SIFT algorithm is more rapid than the standard SIFT algorithm while the performance is favorably compared to the standard SIFT algorithm when matching among structured scene images. The experiment results confirm the feasibility of our methods.     

适用于遥感分类的多邻域粗糙集加权特征提取方法

邻域粗糙集是一种有效的影像特征提取方法,邻域粗糙集模型存在稳定性不高和邻域半径需要反复调整的不足,难以实现地物特征的自动化提取。提出一种多邻域粗糙集加权特征提取方法用于高分辨率遥感影像特征提取。该方法首先利用不同半径的邻域粗糙集对影像的光谱和纹理特征进行提取,求得不同邻域半径下的有效特征子集;然后统计所有邻域半径下各个特征出现的概率,将概率作为权重与特征进行加权得到最终地物特征。QucikBird影像上分类试验表明本文算法优于传统邻域粗糙集特征提取方法,分类总精度平均提高3.88%,Kappa系数平均提高5.16%。在GeoEye-1影像上的分类试验同样证明了本文方法的有效性。     

面向对象的多尺度加权联合稀疏表示的高空间分辨率遥感影像分类

针对高空间分辨率遥感影像中的地物具有多尺度特性,以及各个尺度的对象特征对地物分类精度的影响具有较强的尺度效性,并结合面向对象影像分析方法和多尺度联合稀疏表示方法在高空间分辨率遥感影像分类中的各自优点,提出了一种面向对象的多尺度加权稀疏表示的高空间分辨率遥感影像分类算法。首先,采用多尺度分割算法获得多尺度分割结果并提取对象的多尺度特征;然后,根据影像对象的多尺度分割质量测度计算各尺度的对象权重,构建面向对象的多尺度加权联合稀疏表示模型;最后,采用2个国产GF-2高空间分辨率遥感数据集和1个高光谱-高空间分辨率航空遥感数据集（WashingtonD.C.数据）验证该算法的有效性。试验结果表明,与SVM、像素级稀疏表示、单尺度和多尺度对象级稀疏表示和深度学习等算法相比较,本文算法获得了较高的OA和Kappa分类精度,提高了各个尺度地物的分类精度,有效抑止了地物分类结果中的椒盐噪声现象,同时保持大尺度地物的区域性和小尺度地物的细节信息。     

A Multi-Feature Fusion-Based Change Detection Method for Remote Sensing Images

An object-oriented change detection method for remote sensing images based on multiple features using a novel weighted fuzzy c-means (WFCM) method is presented. First, Gabor and Markov random field textures are extracted and added to the original images. Second, objects are obtained by using a watershed segmentation algorithm to segment the images. Third, simple threshold technology is applied to produce the initial change detection results. Finally, refining is conducted using WFCM with different feature weights identified by the Relief algorithm. Two satellite images are used to validate the proposed method. Experimental results show that the proposed method can reduce uncertainties involved in using a single feature or using equally weighted features, resulting in higher accuracy.     

GABA算法的遥感图像分类

为了弥补蝙蝠算法后期收敛速度慢、寻优精度不高、易陷入局部最优值的缺点,本文提出了一种新的遥感图像分类算法--GABA算法,该算法将遗传算法中的选择、交叉、变异操作应用到蝙蝠算法中,使蝙蝠算法具有变异机制,避免种群个体陷入局部最优,提高了算法全局寻优能力,增加了蝙蝠算法的多样性。同时,为了突出本文算法的优点,试验将蝙蝠算法、K-means算法、粒子群算法与本文算法结果进行比较,分析评价遥感图像的分类结果。试验表明本文算法在遥感图像分类应用中既提高了分类精度又减少了分类时间,是一种可行、有效的遥感图像分类方法。     

结合灰度和基于动态窗口的纹理特征的遥感影像分类

在基于灰度共生矩阵提取遥感影像纹理特征的基础上,针对固定窗口算法的局限性,提出了动态窗口算法;并将不同滑动窗口算法提取的纹理特征与影像灰度组合进行支持向量机(SVM)分类,对分类结果进行定性和定量比较分析。实验结果表明:影像灰度结合动态窗口算法提取的纹理特征进行SVM分类的分类精度优于灰度结合固定窗口算法提取的纹理特征的分类精度。因此,提出的算法较传统的固定窗口算法更具优势,是一种有效纹理信息提取方法。     

Study on Ensemble Crop Information Extraction of Remote Sensing Images Based on SVM and BPNN

High resolution remote sensing image contains abundant information, but remote sensing classification only based on spectral information is affected in the complex spectrum area. Crop area and other land-cover objects contain different texture features. This paper extracts texture information based on gray-level co-occurrence matrix and Gabor filters group, sets up spectrum-texture joint feature set. To enhance classification efficiency, Ensemble learning strategy is introduced to improve classical support vector machine and back propagation neural network classifiers in training process. To prove the effectiveness of proposed methods, several experiment images are utilized to execute experiments. Results indicate that proposed methods improve classification accuracy compared with classical algorithms significantly, and promote running efficiency compared with the situation of large sample, support corn area statistical process and yield estimation.     

利用视觉注意模型和局部特征的遥感影像检索方法

利用尺度不变特征变换(scale invariant feature transform,SlFT)算子直接提取遥感影像局邵特征进行检索时存在关键点数目多、特征维数高等问题,因此,本文利用视觉注意模型,根据目标显著性的大小从影像上提取显著目标区域,并采用K-means聚类方法对提取的SIF丁局邵特征进行聚类,得到用于检索的特征向量实验结果表明,该方法不仅符合人眼的视觉特性,且在降低SI FT关键点数目和特征维数的同时提高了检索精度和检索效率.