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。     

基于SIFT特征的遥感影像自动配准

遥感影像的自动配准是长期以来一直未能很好解决的一个重要问题。本文将视频图像匹配中获得巨大成功的SIFT（Scale Invariant Feature Transform）特征应用于遥感影像的自动配准问题中，并且针对遥感影像的成像特点，给出了一种具体的特征匹配方法。对航空和航天遥感影像在不同的变形、不同的光照变化和不同的分辨率下进行的大量实验表明，该方法具有稳定、可靠、快速等特点。     

SIFT遥感影像快速配准方法

针对SIFT算法存在内存消耗多、运算速度慢的问题,采用金字塔和分块策略,首先对原始影像进行粗配准,然后再作分块影像匹配,在匹配过程中根据局部熵过滤掉冗余特征点,并使其均匀分布于影像,以实现精确配准。对错误匹配点先利用相关系数初步剔除错误点,再利用极线约束对错误匹配点进行精细剔除,最后将RANSAC算法应用于剩下的匹配点,进一步提高匹配精确度。     

SIFT算法优化及其用于遥感影像自动配准

对传统SIFT算法从特征点提取时间和匹配精度上进行了优化,基于优化算法提取的特征点对构建三角网进行小面元微分纠正配准。试验结果表明,该方法是一种有效的遥感影像自动配准方法。     

基于SIFT算法的无人机高分影像几何配准研究

本文基于SIFT算法进行无人机高分影像自动特征点匹配,在实现影像特征点自动匹配的基础上采用二次多项式模型进行影像几何配准,并且重点考察影像配准过程中匹配特征点数目对几何配准精度的影响,最后进行精度评价。结果表明:在影像特征点匹配结果正确、匹配点分布合理的情况下,匹配点数目越多,利用二次多项式进行影像几何配准的精度越高;无人机航向方向影像配准残差大于旁向残差。     

一种基于改进SIFT算法的遥感影像配准方法

本文首先分析了传统SIFT算法在遥感影像配准应用中存在的不足,从特征点匹配精度上进行了改进。通过分析SIFT特征点匹配的主要误差来源,逐步消除可能误差,提取尽可能多且精准的匹配点对。接下来利用该匹配点对作为配准用控制点对,分别对不同时相、不同分辨率遥感影像进行仿射变换和小面元微分纠正配准。最后与传统SIFT算法进行比较,试验结果表明本文算法具有更高的匹配精度。     

最小二乘多项式地图影像配准精度

本文报道了地图影像纠正精度模拟研究结果。为了评估这种方法的灵敏性，采用了不同的采样量、空间分布状况、地面控制点测量误差以及为了推导最小二乘双变量地图影像变换函数参数估计值时所使用的不同计算算法。对于７２种情况的每一种，推导了标准差与置信度，它表明所有四个因素的影响都是显著的。标准差随采样量增加而迅速减小，并且随着控制点分布形式更为线性时而增大。量测误差对准确性与精度都有显著影响。在所有情况下，Ｇｒ     

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。     

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。     

基于线特征的改进MIHT遥感影像配准算法

MIHT(Modified Iterated Hough Transform)方法用于影像配准时,具有以直线段作为配准基元、线段之间不需同名关系等优点,同时亦存在着收敛速度慢、计算费时等不足。针对MIHT算法的缺点,提出将选权迭代最小二乘法引入到计算过程中,并且文中给出改进算法的具体实施流程。实验证明,与原算法相比较,改进算法的收敛速度和可靠性都有了明显的提高。     

利用SIFT和静态小波变换的遥感影像配准方法

本文首先利用静态小波变换对影像进行多层分解,在其低频子影像上利用SIFT提取特征点集;之后,通过统计不同阀值下的匹配点集精度和数量信息,利用多项式拟合的方法自动建立约束条件,并以此约束条件自动校正控制点集以得到数量可观且高精度的控制点集.试验结果表明,该方法是一种有效的遥感影像配准控制点自动提取方法.     

改进SIFT点特征的并行遥感影像配准

本文针对SIFT(尺度不变特征变换)算法存在的内存消耗多、运算速度慢的问题,采用金字塔和分块策略,首先对原始影像进行粗配准,然后进行分块影像匹配以实现精确配准。在匹配过程中,根据影像分辨率限制高斯金字塔影像的阶数,对特征点进行过滤;同时对匹配过程进行并行化,以提高算法效率。实验表明,改进算法在保证配准精度稳定的前提下,解决了原算法对内存要求高的问题,效率比原算法显著提高,适用于大范围遥感影像之间的配准。     

基于改进SIFT算法的视频图像序列自动拼接

本文提出了一种自适应帧采样和限定特征提取区域的拼接方法,根据帧间重叠率和帧间隔建立线性模型,并把各帧图像对准到其前后的关键帧上。在特征点提取方面,提出了一种改进的SIFT算法进行特征点提取,并采用随机采用一致性(RANSAC)方法来更新匹配点,在图像融合中采用线性加权渐入渐出的自然融合算法。实验结果表明:该方法对一般场景能稳定的抽取到关键帧,并进行拼接,取得了较好的拼接效果。     

基于SIFT算法的无人机航空遥感影像匹配

当无人机低空飞行获取高分辨率遥感影像时,由于不同摄站点拍摄角度不同,使得建筑物等凸出地面的物体在立体像对上成像时产生投影差,导致物体成像几何形状发生畸变并且出现地面高层建筑物之间遮挡现象严重的问题,从而导致匹配困难,成为影响无人机航空遥感影像匹配质量的主要因素.本文采用对旋转、遮挡、缩放、图像局部灰度变化等都具有较强的稳定性的SIFT算法来进行匹配,并取得了很好的效果.     

基于GCP库的星载SAR图像自动精校正

近年来,合成孔径雷达(SAR)技术已取得巨大进步,人们也越来越重视其潜在的应用前景。但是,雷达侧视成像性质和地形起伏的影响导致SAR图像的几何畸变非常复杂,大大影响了SAR图像的应用。几何精校正是SAR图像广泛应用的前提,但是校正过程中需要大量地面控制点(GCPs),以往的人工选点方法费时费力。本文提出了一种基于控制点自动匹配的控制点选点方法,用以提高点位精度和工作效率。该方法包括纠正区域GCP库的建立和GCP图像片的自动匹配。试验结果表明,该方法具有较好的应用价值。     

航空影像自动化镶嵌及几何纠正

针对传统空三与正射纠正对航空摄影要求高,侧重于精度与质量,自动化程度低、处理速度慢,无法满足(无人机)航空影像应急、救灾应用问题,该文提出了一套基于尺度不变特征转换的航空影像镶嵌和纠正的自动化解决方案。应用尺度不变特征转换算法实现航空影像的特征自动提取,并通过K-D树最近邻搜索算法进行尺度不变特征转换特征的自动匹配,根据匹配的尺度不变特征转换计算出变换矩阵,通过矩阵变换和融合算法将相邻影像进行镶嵌,再用多项式模型对得到的镶嵌影像进行整体几何纠正,最终获取摄区正射影像。在Opencv和ArcGIS平台的基础上将整个正射影像制作过程开发成了一个正射影像制作系统,并且采用实际的航拍数据对算法实现效果进行了验证。实验表明,该方法可行,可提高航空正射影像的生产效率,具有生产实际意义。     

无人机影像匹配中尺度不变特征应用改进

针对尺度不变特征变换算法用于无人机影像匹配中存在匹配效率低下,误匹配较多等问题,该文提出一种特征点提取优化算法,并改进了特征点匹配策略。通过将原始影像划分格网,依据每个格网影像信息熵的大小来合理分配各格网中特征点数量,实现了基于纹理信息丰富程度的特征点均匀分布;基于Harris兴趣值进行筛选,保留了适合于摄影测量的特征点;采用一种多层次自适应的匹配策略,在尽可能保留正确匹配的同时提高了匹配正确率。基于一对由小型无人机拍摄影像的实验结果表明,所提方法在大量减少SIFT特征点的同时,保证较高的正确率,增加了匹配点的精度,且提高了算法效率。     

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。