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。     

多源遥感影像学习型特征双向一致性配准EI北大核心CSCD

针对多源遥感影像之间非线性辐射和几何畸变的差异严重影响配准质量的问题，本文提出一种具有双向一致性变换适用于多源遥感影像的配准方法。首先，利用微调的ResNet101网络模型提取多源遥感影像学习型特征，在特征匹配阶段，为提高同名特征匹配的可靠性，设计了一种双向一致性特征匹配网络模型；然后，基于小型轻量级网络加权回归变换模型参数，实现多源遥感影像稳健可靠的配准。试验利用Google Earth影像、卫星影像、无人机影像、Google Earth-卫星-无人机混合影像4种不同数据源对本文方法进行测试，并与具有代表性的多种方法进行比较，结果表明本文方法在配准精度、效率、稳健性方面具有优势，基本实现了2像素以内的自动配准精度。     

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。     

多源遥感影像高精度自动配准的方法研究

提出并发展了一套对多源遥感影像(不同传感器、不同分辨率、不同时相的遥感影像)的高精度自动纠正与配准技术与方法。遥感影像首先通过一个多项式模型进行整体粗纠正,然后在待配准影像上提取均匀分布的特征点。以提取的特征点为引导,利用金字塔逐层模板匹配的方法获得配准用同名控制点,基此构建不规则三角网将影像分解为各三角形区域,在每个三角形范围内实现逐三角网的高精度影像纠正与配准。     

宽河道线性基元无人机遥感影像镶嵌配准方法

无人机遥感影像由于数量多、单张覆盖空间范围小、几何变形大以及河道内缺少配准控制点等特点,传统的基于特征点的影像镶嵌配准方法在宽河道无人机遥感影像镶嵌配准应用中受到限制.论文根据河道内线性地物丰富的特点,提出基于线性特征的无人机遥感影像镶嵌配准方法.该方法以线性地物边缘直线段为配准基元,通过MIHT算法估算待配准影像与基准影像的变换模型参数.试验结果表明,该方法很好地满足了宽河道无人机遥感影像镶嵌配准的要求,为沿河地质灾害调查提供了影像质量保证.     

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。     

面向变化检测的遥感影像弹性配准方法

对于遥感载荷技术指标差异、观测角度、时相、地形起伏等内外部因素造成的几何畸变,采用全局配准方法制约着影像配准和变化检测精度的提高。提出一种基于加速抗差特征（speed up robust feature,SURF）算法的全局匹配和像元局部配准模型相结合的弹性配准方法,以不同时相遥感影像的差值特征影像各像元正态分布密度函数构建像元局部参数解算权重,缓减不同时相影像中辐射亮度差异较大的像元对局部配准模型参数解算的影响,采用城市典型区域遥感影像进行实验,结果表明该方法影像配准精度（包括地形起伏区域）优于1个像元,弹性配准算法的适用性和运算速度有一定的提高。     

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。     

基于土地覆盖图斑的多时相遥感影像自动配准方法

针对点、面方法仅利用了遥感影像几何特征和部分波段的灰度特征进行多时相遥感影像配准的不足,本文提出了一种利用稳定土地覆盖图斑的多时相遥感影像自动配准新方法,充分利用遥感影像多光谱信息和大量存在的稳定土地覆盖图斑信息进行图像配准,并且选取了土地覆盖年际变化最为强烈的农业种植区作为实验区,分别利用了同一传感器和不同传感器不同时相的遥感数据开展了实验研究。两次试验中,配准精度分别达到了0.57个像元、0.65个像元。实验结果表明,本文提出的方法能够有效地筛选出满足图像配准的同名图斑,具有较高的配准精度和适用性,提高了遥感影像的配准效率。     

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.     

遥感图像数据复合方法

遥感图像数据复合是将多种遥感图像数据融合成一种新的图像数据的技术 ,是目前遥感应用分析的前沿 ,它主要包括几何配准和彩色变换两个方面的内容。几何配准采用相对配准和绝对配准两种方法 ;彩色变换采用 RGB彩色系统和 IHS彩色系统之间的变换。对SPOT和 TM图像数据进行复合实验 ,获得了一种新的复合图像。     

Automatic registration of optical imagery with 3D LiDAR data using statistical similarity

The development of robust and accurate methods for automatic registration of optical imagery and 3D LiDAR data continues to be a challenge for a variety of applications in photogrammetry, computer vision and remote sensing. This paper proposes a new approach for the registration of optical imagery with LiDAR data based on the theory of Mutual Information (MI), which exploits the statistical dependency between same- and multi-modal datasets to achieve accurate registration. The MI-based similarity measures quantify dependencies between aerial imagery, and both LiDAR intensity data and 3D point cloud data. The needs for specific physical feature correspondences, which are not always attainable in the registration of imagery with 3D point clouds, are avoided. Current methods for registering 2D imagery to 3D point clouds are first reviewed, after which the mutual MI approach is presented. Particular attention is given to adoption of the Normalised Combined Mutual Information (NCMI) approach as a means to produce a similarity measure that exploits the inherently registered LiDAR intensity and point cloud data so as to improve the robustness of registration between optical imagery and LiDAR data. The effectiveness of local versus global similarity measures is also investigated, as are the transformation models involved in the registration process. An experimental program conducted to evaluate MI-based methods for registering aerial imagery to LiDAR data is reported and the results obtained in two areas with differing terrain and land cover, and with aerial imagery of different resolution and LiDAR data with different point density are discussed. These results demonstrate the potential of the MI and especially the CMI methods for registration of imagery and 3D point clouds, and they highlight the feasibility and robustness of the presented MI-based approach to automated registration of multi-sensor, multi-temporal and multi-resolution remote sensing data for a wide range of applications.     

多传感器影像配准中基于虚拟匹配窗口的SIFT算法

提出了一种基于虚拟匹配窗口的SIFT算法,通过构建虚拟匹配窗口,增大SIFT特征点之间的尺度相似性,提高了匹配的几率;并通过与最小二乘法和双线性内插法的结合完成自动配准。文中选取角度和尺度偏差较大的SPOT-5(P)与TM影像进行实验,结果表明,配准精度小于一个像素。     

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。     

面向海洋应用的无人机遥感图像配准研究

在海洋应用中,大面积水体的同名点匹配相比陆地更加困难,制约了无人机遥感图像的配准精度和收敛速度。本文提出了一种改进算法适用于海洋无人机遥感应用,采用主成分分析（PCA）和水体阈值方法去除水体,获得图像中非水体区域的分块图像,然后利用仿射-尺度不变特征变换算法（ASIFT）进行图像的特征点提取和重叠图像非水体区域的同名点匹配。通过海岛、海岸线的无人机遥感试验结果表明,基于改进算法,在不增加时间开销的情况下,可以增加30%~50%的同名点数量,精度提高约5%~10%。文中方法适应用于海洋无人机遥感的序列图像配准,为海岛、海岸线的遥感监测提供了有效的技术支持。     

高分辨率遥感影像波段配准误差试验分析

高分辨率遥感影像波段间配准误差是影响影像质量及其应用精度的重要因素之一。配准误差指标要求是影像传感器研发中 的一项重要参数。为准确分析配准误差对遥感应用的影响程度，在试验研究中利用多项式模型模拟各种配准误差的图像，并从几何 精校正、目视解译、非监督分类实验及数据融合等角度分析了不同波段配准误差情况下对遥感应用的影响，提出了遥感应用中对高 空间分辨率卫星影像的波段配准指标要求。     

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。     

A FRAMEWORK FOR AUTOMATED CHANGE DETECTION SYSTEM

1Ｃｕｒｒｅｎｔｃｈａｎｇｅｄｅｔｅｃｔｉｏｎｔｅｃｈ ｎｉｑｕｅｓＡｕｔｏｍａｔｉｃｃｈａｎｇｅｄｅｔｅｃｔｉｏｎｉｎｉｍａｇｅｓｏｆａｇｉｖｅｎｓｃｅｎｅａｃｑｕｉｒｅｄａｔｄｉｆｆｅｒｅｎｔｔｉｍｅｓｉｓｏｎｅｏｆｔｈｅｍｏｓｔｉｎｔｅｒｅｓｔｉｎｇｔｏｐｉｃｓｏｆｉｍａｇｅｐｒｏｃｅｓｓｉｎｇ .Ｉｔｆｉｎｄｓｉｍ ｐｏｒｔａｎｔａｐｐｌｉｃａｔｉｏｎｓｗｉｔｈｉｎｄｉｆｆｅｒｅｎｔｃｏｎｔｅｘｔｓ,ｒａｎｇ ｉｎｇｆｒｏｍｖｉｓｕａｌｓｕｒｖｅｉｌｌａｎｃｅａｎｄｖｉｄｅｏｃｏｄｉｎｇｔｏｔ…     

A framework for automated change detection system

To enhance the ability of remote sensing system to provide accurate, timely, and complete geo-spatial information at regional or global scale, an automated change detection system has been and will continue to be one of the important and challenging problems in remote sensing. In this paper, the authors propose a framework for automated change detection system at landscape level using various geo-spatial data sources including multi-sensor remotely sensed imagery and ancillary data layers. In this framework, database is the central part and some associated techniques are discussed. These techniques includes five subsystems: automated feature-based image registration, automated change finding, automated change feature extraction and identification, intelligent change recognition, change accuracy assessment and database updating and visualization.     

广义立体像对匹配方法研究

遥感影像匹配是遥感技术中的热点和难点问题,是三维重建、导航、模式识别、DEM自动提取等工作的基础.传统的匹配方法通常是针对同源数据的,文中研究基于广义立体像对的匹配方法,设计并实现了基于小波变换的特征匹配和灰度匹配相结合的匹配方法,并结合现有的遥感数据,人工选取40对同名控制点对匹配点的精度进行检验,实验结果表明该算法...