一种大角度亚像素的图像自动配准算法

提出一种基于ASIFT和Harris集成互补不变特征的大角度影像亚像素自动配准算法。算法由中间输入图像获取、像素级配准和亚像素级配准三个主要处理过程。在中间输入图像获取过程中,首先提取ASIFT特征控制点,利用提取的控制点估计图像间的投影变换模型,将输入图像中的重叠区域重采样为与参考图像尺度相同的中间输入图像;在像素级配准过程中,用NCC函数进行配准,用基于投影变换模型的全局一致粗差检测方法删除误配点对;在亚像素级配准过程中,先利用二元二次曲面拟合方法进行亚像素位移测量定位,再进行亚像素配准,错误匹配点对剔除,配准精度计算。实际的大角度图像试验结果表明了算法的有效性和实用性。     

光学卫星影像配准同名点快速提取方法

针对多源高分辨率遥感图像控制点提取时存在错误匹配点多、分布不均匀、大幅面图像特征提取效率低等问题,该文基于传统的尺度不变特征变换(SIFT)算法提出了一种改进的高分辨率遥感图像配准同名点快速提取方法.该方法首先将待配准图像按网格分块为子图像,并基于地理信息约束得到各子图像对应参考子图像;然后将Shi_Tomasi角点和SIFT描述子结合,在每一对子图像上进行特征点的提取与特征匹配;再利用随机采样一致性(RANSAC)算法和最小二乘迭代法剔除错误匹配点,并基于贪心算法剔除冗余的控制点,最终得到分布均匀的配准同名点.利用平原和山区两组典型多源遥感图像进行了实验,并利用提取的同名点进行图像配准,结果表明,跟传统SIFT方法、采用分区策略的SIFT方法相比,该文算法在同名点数量、匹配点对分布的均匀程度、匹配速度以及配准精度上都有较大的提高,能满足大幅面图像配准的需求.     

内点最大化与冗余点控制的无人机遥感图像配准

利用小型无人机进行遥感图像配准在自然灾害损害评估、环境监测和目标检测与追踪等领域发挥着至关重要的作用,但小型无人机的图像采集过程容易受风速/风向、复杂地形、电池容量、飞行姿态、飞行高度等自然或人为因素的影响。这些问题通常会导致捕捉到的场景重叠率低与图像非刚性畸变,在特征点提取过程中产生大量冗余点,增加了图像配准的难度。本文提出一种基于特征点的小型无人机图像配准方法,该方法的核心思想是在配准过程中识别冗余点,同时最大化可用内点数量。所识别的冗余点当作控制点,用于控制网格代图像的运动。最后通过最大化内点和合理移动控制点来恢复图像变换。本文使用50对小型无人机图像进行特征匹配和图像配准的实验,其中平均配准精度可达80.38%,并且本文方法在所有的情况下都优于5种当前流行算法。     

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.     

基于直线特征和谱图理论的光学与SAR图像配准

针对可见光与SAR图像配准问题,提出了基于直线特征和谱图理论的配准方法。通过提取图像的直线特征求交点,再利用特征点集构造Voronoi图,结合谱图理论寻找匹配的Voronoi多边形,从而获得配准参数,最后根据仿射变换模型得到配准结果。实验结果表明,与传统配准算法相比,本文配准方法普适性好、配准效率高。     

基于形状特征的矢量数据与影像数据配准方法研究

本文提出将矢量空间数据与影像数据间配准转换到矢量空间数据间匹配的思路,并开展了相关研究。本文主要思路是通过对影像数据进行基于形状特征的提取及矢量化,然后利用矢量空间数据间匹配方法对矢量化后数据和现有矢量空间数据进行匹配,获取匹配实体对;在获取的匹配实体对中选取控制点对,在矢量化后数据中选取控制点,将所选取的控制点反馈到原始遥感影像上进而获得控制点相应的像元坐标;最后应用矢量化后数据中控制点的像元坐标数据和现有矢量空间数据中对应的同名点坐标数据对原始影像进行几何纠正,从而实现矢量空间数据和影像数据的配准。     

基于最小二乘法的区域整体最优匹配选取控制点的方法

本文在对1∶500地形图与其自身影像图配准误差分析的基础上,提出了一种基于最小二乘法的区域整体最优匹配选取控制点的方法,主要针对在GIS中从地形图上选取控制点来配准影像图。本文在对新方法进行了论述,并通过对浙江温州地区一幅栅格图像与1∶500 GIS数据进行配准控制点选择实验,对比传统方法它能够克服由于影像分辨率和人工对影像刺点所带来的系统误差,大幅度提高配准精度,使得不同空间尺度下的地图数据实现精确配准。     

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。     

基于相关匹配和最大谱图像配准相结合的InSAR复图像配准方法

InSAR复图像配准是合成孔径雷达干涉3维成像技术中的重要步骤之一。为了获得高精确度的测量结果，要求两幅复图像之间配准达到亚像素级配准精确度。提出了一种将相关匹配和最大谱图像配准相结合的配准新方法。在相关匹配进行粗配准的情况下，通过插值所选控制点的值，并采用最大谱图像配准方法以亚像素单元进行精配准，其配准精确度达到亚像素级。实验结果证实了所提出方法的有效性。     

沿海矿山生态环境修复中遥感影像自动配准方法的应用

本文从遥感影像解译角度出发,浅析遥感影像解译在沿海矿山生态修复调查中的作用,概略梳理沿海矿山生态修复遥感解译的基本方法,针对基于光学遥感图像配准技术存在的问题,提出了一种利用对象区域形状特征的配准方法。本文采用分割方法提取基准图像和待配准图像中具有结构性的小区域,按照小区域的属性与几何形状特征进行匹配,利用空间关系做控制约束,查询正确的同名小区域对,提取小区域的中心点作为匹配控制点对,解算仿射变换模型参数,有效解决影像间的自动配准问题。采用该方法对实际光学影像进行试验,取得了良好的试验结果与实用价值,为沿海矿山生态修复调查工作中确定矿山空间位置与设计方案提供了保障。     

基于Ly特征提取算子的高精度配准方法

本文探讨了一种基于Ly特征提取算子的遥感影像的高精度配准方法。该方法利用Ly算子快速提取特征点,同时采用抑制局部非最大的格网技术控制特征点均匀分布,在少量准确控制点的基础上,以相关系数测度及两个影像灰度值差的绝对值和测度相结合的多重判据为匹配准则,采用松弛法匹配策略整体匹配得到同名点。并通过实验证明了该方法特征提取速度快,基于Ly算子得到的配准点可靠,配准精度高。     

基于特征提取的光学影像和SAR影像自动配准

针对现有的配准方法用于多光谱影像与SAR遥感影像配准时,存在受SAR图像斑纹噪声影像大、手工选取配准控制点精度低、利用图像景物特征配准时获取区域和边沿困难等问题,以SPOT5影像与RADARSATSAR影像配准进行实验,提出了一种利用改进的SIFT在提取的特征图像上寻找匹配点进行粗配准,然后利用交叉累积剩余熵作为相似性测度结合原始影像信息寻找光学特征图像的角点在SAR影像上的匹配点并进行精配准的方法,配准精度达到了子像素级水平。实验结果表明该方法对多源遥感影像有很强的适应性,配准精度高。     

点、线相似不变性的城区航空影像与机载激光雷达点云自动配准

提出一种基于点、线相似不变性的城区航空影像与机载LiDAR点云自动配准算法。首先通过SIFT算子提取点特征并进行粗配准,同时分别基于影像和LiDAR点云提取直线特征;然后利用局部区域点特征与线特征的相似不变性,通过匹配点对搜索匹配直线对;最后采用基于扩展共线方程的2D-3D严密配准模型实现航空影像与LiDAR点云的精配准。本方法的特点是:采取了由粗到精的配准策略,通过点、线相似不变性,将基于强度的配准算法和基于线特征的配准算法有机结合,在较高的自动化程度下实现了影像与点云的精确配准。试验证明,与基于点云强度影像的自动配准算法相比,本文的算法在城市地区能够取得较好的配准结果。     

多视激光点云数据融合与三维建模方法研究

基于特征基元的点云数据配准方法,利用控制点对机载与车载点云数据进行概略匹配,构建了顾及梯度与颜色特征及特征组对的特征点匹配算法模型,根据拟合平面特征解算平移和旋转变换参数,实现了机载与车载点云数据的精确配准,并在此基础上建立了多角度点云数据融合的房屋顶部和立面特征提取、点云数据与光学影像纹理信息匹配的技术流程,实现了建（构）筑物三维精细建模,并通过实例验证了本文所提方法的有效性。     

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.     

一种仿射不变量支持的准稠密控制点匹配算法

待配准的两景影像之间存在非均匀形变时,需要采用非刚性模型进行校正,而密集的、均匀分布的控制点是构建非刚性模型的基础,对此提出一种仿射不变量支持的准稠密控制点匹配算法。首先从两景影像提取特征点并进行稀疏匹配,根据稀疏匹配点消除两景影像间的整体偏移;然后以稀疏匹配点作为三角形的顶点,迭代构建特征点间的近邻三角形,并以面积之比作为仿射不变量,据此判断三角形顶点之间是否满足匹配关系,实现匹配点传播,从而获得准稠密的匹配点集;最后采用HJ-Landsat数据与南极地区Landsat 7 ETM+数据进行实验,结果表明,本文方法能够提取均匀分布的准稠密控制点,在提取率等指标方面优于对比方法。     

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。     

基于光照模型的遥感图像与DEM配准方法研究

针对遥感图像与DEM数据之间难以找到精确同名地物点而造成的配准精度较低问题,提出了一种基于光照模型的图像配准方法.该方法首先计算DEM数据中每一个像元的方位和坡度,并结合遥感图像成像时的太阳高度角和方位角,计算图像与DEM的地形光照模型,最后通过光照模型来辅助控制点的选取,从而实现图像精确配准.实验结果表明,该方法稳定...     

基于改进ORB和匹配策略融合的图像配准方法

针对Oriented Fast and Rotated Brief(简称ORB)算法在图像配准中不具有尺度信息、BRIEF算法不具有旋转不变性以及特征匹配精度低等问题,本文提出一种基于改进ORB和匹配策略融合的无人机航拍图像配准方法。首先,通过简化多尺度空间检测特征点,采用稳健的RootSIFT描述符进行特征描述,用来提升特征描述的稳定性。然后,结合距离比值、双向匹配和余弦相似性测度(Cosine Similarity)匹配策略获得初始匹配。最后,利用随机抽样一致性算法(RANSAC)确定最终的特征点匹配关系,计算空间变换参数,实现图像的精确配准。实验结果表明,该方法在图像尺度、旋转和光照变化方面均表现出良好的性能,并提高了图像匹配准确率和配准精度。