多源遥感影像深度特征融合匹配算法

针对多源遥感影像之间成像机理不同、非线性光谱辐射畸变大以及灰度梯度差异明显等所导致的匹配困难问题,提出深度特征融合匹配算法(Feature Fusion Matching Algorithm, FFM)。(1)通过构建特征图金字塔网络提取影像深度特征,使用特征连接结构将语义丰富的高层特征与定位精确的低层特征互补融合,解决多源影像同名特征难以表征的问题并提高特征向量的定位精度;(2)对原始维度1/8的特征图进行交叉变换来融合自身邻域信息与待匹配影像特征信息,通过计算特征向量间的相似性得分得到初次匹配结果,针对特征稀疏区域,提出滑动窗口自适应得分阈值检测算法来提升匹配效果;(3)将匹配结果映射至亚像素级特征图,在小窗口内计算像素间的匹配概率分布期望值来检校优化匹配结果,提高匹配点对的准确性;(4)使用PROSAC算法对匹配结果进行提纯,有效剔除误匹配的同时最大限度保留正确匹配点。试验选取6对多源遥感影像,将FFM同SuperPoint、SIFT、ContextDesc以及LoFTR算法进行对比,结果表明FFM算法在匹配点正确率、匹配点均方根误差以及分布均匀度等方面远优于其他算法。将FFM匹...     

基于最大公约数的遥感影像空间尺度转换算法

多源、多尺度遥感影像为研究不同尺度的地表变化提供了丰富的数据。但其在作比较研究时,通常会涉及空间尺度统一问题,当多源遥感影像之间的空间分辨率为非整倍数关系时,其空间尺度统一相对困难。为此,本文针对多源、多尺度遥感影像间尺度比较时所涉及的空间尺度转换问题,提出了最大公约数的空间尺度转换算法,并以IKONOS多光谱影像为数据源,采用若干商业软件和本文所提算法进行空间尺度转换比较实验;同时,利用均值、标准差和相关系数等6个评价指标对空间尺度变换后的影像进行定量评价。结果表明,本文提出的空间尺度转换方法对原始影像的光谱信息等特征具有很好的保真性,简单易行,可实现遥感影像任意空间尺度的转换,解决了多源遥感影像之间的空间分辨率为非整倍数关系时的空间尺度转换问题。     

一种基于学习型特征的多模态影像匹配方法

多模态影像在辐射特征和几何特征方面存在的显著差异,会造成高精度匹配困难。因此,本文提出了一种融合多尺度深度学习特征的多模态影像匹配方法,主要利用深度残差神经网络结构自主训练学习影像的学习型特征,得到多模态图像之间更为丰富和更为准确的同名特征点对,实现了对多尺度、多时相影像的协同稳健匹配。结果表明,本文方法对于多组实验均能够得到数量丰富且分布相对均匀的同名特征点对,并具有高效、稳健的匹配性能。     

基于动态极坐标参数化的遥感影像匹配方法

图像匹配作为三维重建至关重要的环节,其精度直接影响了平差优化、正射校正等模块的精度。对于城镇、农场等特征密集型区域,特征距离小,相似性强,易于匹配图像;而针对草地、沙漠等特征不明显区域,特征距离大,如果使用特征点匹配的方法,严格阈值下难以获得足够数量的匹配对,放宽阈值又将引入较多误匹配对,这也是导致稀疏点云不够均匀的原因之一。在此场景下,本文提出了基于动态极坐标参数化的无人机正视影像匹配算法,首先对图像做极坐标参数变化,采用动态策略解决极轴方向采样不均匀的问题,使用最小二乘法对得到的极坐标影像对做位移方向上的匹配,匹配后得到的旋转量和平移量,将该结果和SIFT算法的结果做比较。本文设计了2组实验,即参数已知的解算实验和参数未知的解算实验,且每组实验进行3次。在同等配置的计算机上,对两张7360像素×5400像素,32位的影像,本文方法的位姿解算时间相比SIFT的时间减少约57%,二者求得的位姿差通常小于1%。结论表明二者的结果在精度上表现相当,在时间上明显优于SIFT算法,具有实际的应用价值。     

多源遥感影像数据融合方法在地学中的应用

应用遥感影像数据融合理论，研究了光学遥感、热红外遥感、微波遥感卫星在地质学中的应用，论述了不同类型的遥感数据及其他地学数据在不同层次上的同一传感器多波段数据融合、不同SAR图像数据融合、HIS变换、遥感影像与地球物理、地质和航磁等数据的融合。结果表明，数据融合技术在突出地质特征信息方面具有能突出线性构造、断裂构造、地形地貌的优势。     

一种星载平台轻量化快速影像匹配方法

针对现有传统影像匹配在星载平台有限的存储及算力条件下难以快速计算的问题,本文提出一种适用于星载平台的、基于哈希学习的轻量化快速影像匹配方法。该方法以同源卫星影像的特征描述符作为训练集计算哈希函数,并利用训练好的哈希函数将特征点的浮点型特征描述符映射至汉明空间,实现特征点对间相似度的快速计算,进一步通过剔除误匹配点获得精确匹配结果。同时,训练集中的特征描述符的种类可根据星载平台载荷的传感器类型、影像分辨率及目标区域影像的地貌类型进行灵活选择,使得本文方法具备良好的可重构性;计算汉明距离衡量特征点对间的相似度,提高本文方法在星载平台轻量化处理的应用能力。选取不同时刻资源三号卫星影像及高分七号卫星影像进行匹配对比实验,本文方法轻量化处理后的LW-SIFT方法相较于经典SIFT方法,在耗时方面减少50.12%,且增加正确匹配点数达20.28%。实验结果表明,本文方法能够显著提升影像匹配的精确度及时效性,有较大的应用潜力,能够为星载平台应用提供有力支撑。     

基于可靠匹配点约束的遥感影像密集匹配

针对现有由稀到密的加密匹配算法中,初始匹配点可靠性低将导致迭代匹配拓展过程存在较多误匹配的问题,提出一种基于可靠匹配点约束的遥感影像密集匹配算法.首先,利用SIFT匹配点约束直线匹配获得的同名直线构建虚拟匹配点集,结合虚拟匹配点集和SIFT匹配点集建立初始匹配点集;然后,依次采用局部影像信息和局部几何约束对初始匹配点集...     

多特征结合的倾斜无人机影像匹配方法

针对无人机倾斜影像存在匹配困难问题,提出融合多种特征优势的无人机影像匹配算法。首先,提取MSER(Maximally Stable Extremal Regions)局部特征稳定区域,并用SIFT(Scale Invariant Feature Transform)描述子对特征进行描述;其次,利用K-D树的搜索策略进行特征点的快速检索,采用NND算法获取初始的粗匹配点对,根据结果计算影像间的仿射变换关系;最后,对SIFT特征点进行约束NCC匹配,利用RANSAC算法剔除外点,完成最终的影像匹配。实验结果表明,该算法对存在较大倾斜角度的无人机影像效果较好,在匹配正确率和仿射不变性两方面都优于SIFT算法。     

改进的分水岭变换算法在高分辨率遥感影像多尺度分割中的应用

由于高空间分辨率遥感影像自身的复杂性,传统的分水岭分割方法难以取得令人满意的效果。本文提出一种改进分水岭变换的高分辨率遥感影像多尺度分割方法,在抑制分水岭过分割现象的同时,还能实现对遥感影像的多尺度分割。该方法充分考虑了高分辨率遥感影像的多光谱和多尺度特性,首先,利用各向异性扩散滤波技术对影像进行平滑滤波,目的是在滤除各种噪声的同时还能保持影像的边缘特征和重要的细节信息;然后,提取影像的多尺度形态学梯度,并从梯度图像中提取标记;接着进行基于标记的分水岭变换;最后,利用改进的快速区域合并算法实现对影像的多尺度分割。实验表明,改进的算法能有效地抑制分水岭的过分割现象,对高分辨率遥感影像有较好的分割性能。     

遥感影像像元级融合方法与试验评价分析

不同遥感影像有着各自的优点和局限,遥感影像融合就是为了充分利用它们的优点进行互补得到新的影像。采用PCA、Brovey和小波变换三种方法对SPOT多光谱影像和全色影像进行了像元级的影像融合,小波变换采用的Mallat算法和双正交小波函数,双正交小波函数的优点是小波逆变换时不会导致相位失真,论文对融合结果进行了光谱质量和空间质量两方面的定性和定量的评价。结果表明,小波变换融合影像是三种变换中最优的,同时在小波变换中采用不同的小波基函数的融合结果在光谱质量和空间质量方面也有很大的差异,可根据实际需要选用合适的小波基函数。     

基于等角边界距离相似性的遥感影像面状图斑匹配研究

基于形态特征的目标匹配是地图空间认知、地表位置自动感知等领域的重要方法。然而,由于不同数据源的遥感影像提取的同一个空间目标在空间尺度和局部形态上存在一定的差异,现有形态匹配算法难以获得较高的匹配精度。本文以等角边界距离编码及相似性算法为核心,提出了面向遥感影像的面状图斑匹配方法。(1)从面目标的质心以10°为间隔,顺时针方向从质心向外引36条射线,获取面目标的边缘点,形成等角边界距离编码;(2)提出了与该编码相适应的几个综合形态指标,包括自相似度、圆形度、形态复杂度和质心偏移度,并建立了面状图斑相似度算法;在此基础上,结合近邻目标的形态相似度,构建了遥感影像面状图斑匹配算法;(3)从不同数据源的在线遥感影像上提取中国西部湖泊与全球湖泊,开展面状图斑匹配实验。通过实验,发现本文的面状图斑相似度算法相对于按距离采样的相似度算法,召回率提升了13.8%;在添加近邻目标相似度约束的基础上,面状图斑匹配精度达到90%以上。通过算法适应性分析,发现该算法在一定的投影变形下仍能保持一定的匹配精度;如果空间目标及其邻域目标的总体形态和分布接近,不同空间尺度的匹配精度保持在80%以上。本文的研究为地图空...     

一种由粗到精的光学与SAR遥感图像配准算法

由于光学遥感图像和SAR图像具有明显的非线性强度差异,且SAR图像存在斑点噪声,使得其配准存在较大难度。为此,本文结合基于特征和基于区域图像配准方法的优点,并组合为混合模型,提出一种由粗到精的自动配准算法。以光学遥感图像和SAR图像分别为参考图像和待配准图像,先以基于特征点的SAR-SIFT完成粗配准,再以基于区域的ROEWA-HOG完成精配准。① 采用SAR-SIFT算法进行特征点检测和特征匹配来计算图像的仿射变换模型,以消除参考图像和待配准图像之间明显的旋转、尺度和平移差异,至此完成图像粗配准;② 在此基础上利用分块Harris角点检测在参考图像上获得特征点,并根据特征点确定待配准图像上的同名点搜索区域;③ 计算图像的ROEWA梯度,构造以特征点为中心的模板区域内的HOG特征向量,以SSD作为相似性测度搜索待配准图像上的同名点,完成高精度的图像配准;④ 进行图像配准实验,对配准结果进行目视检查和精度评估。经过多组光学与SAR图像配准实验,验证本文算法能够结合基于特征和基于区域的图像配准方法的优点,较好地抵抗光学与SAR图像之间的非线性强度、旋转、尺度、平移差异和SAR图像的噪声影响,并逐步提高配准精度,最终配准精度达到1个像素左右,实现了光学与SAR图像的高精度自动配准,能够满足光学与SAR图像后续综合应用。     

一种基于面阵摆扫式航空影像的特征匹配方法

特征匹配是面阵摆扫式航空影像处理的关键步骤,针对传统特征匹配方法在面阵摆扫式航空影像匹配时存在匹配点数量少,分布不匀均的问题,本文提出一种基于自适应亮度空间的特征匹配方法。首先根据影像POS（Postion Oriental System）信息求解待匹配影像间变换关系进行影像校正,在校正后的影像上构建自适应亮度空间,使用ORB算子和BEBLID算法在亮度空间上获取特征点和二进制特征描述符,然后基于汉明距离获取初始匹配点,使用RANSAC算法剔除粗差,最后将匹配点变换到原始影像上得到最终匹配结果。本文选取6组具有视角差异及亮度变化的面阵摆扫式航空影像进行实验,将本文算法与SIFT、SURF、ORB、ORB+BEBLID、ASIFT等匹配方法进行比较,结果表明：本文算法通过建立影像间变换关系,构建自适应亮度空间,使得算法提取的特征点数量增加1.5倍,获取匹配点数量是其他算法的3倍以上,且匹配点分布更加均匀,匹配效率高于其他算法,验证了本文算法在具有亮度变化及视角差异的面阵摆扫式航空影像上匹配的有效性。     

基于MATLAB的HIS变换与小波变换影像融合与应用

为了提高Landsat系列卫星多光谱影像的目视解译效果,提出了一种基于IHS变换和小波变换相结合的影像融合方法.在Matlab开发环境下,将多光谱影像的亮度分量Ⅰ与全色影像先进行直方图匹配,以加大两者的相关性,减小融合影像的光谱偏差,然后分别进行小波分解,最后按照一定融合规则进行影像融合.融合规则中最重要的是小波基、小波分解层数和小波系数的选择.通过比较不同的小波基函数,在不同分解层数下的统计参数值及目视融合效果,最终确定选择coit5作为小波基函数,进行三层小波分解.小波高频系数的选择采用区域的标准差法,选取以当前处理像元为中心的局部区域标准差最大的影像小波系数作为融合影像对应的小波系数.从融合后影像看,本文提出的方法要优于单一的IHS或小波变换融合方法,道路、河流、农田及林地等纹理及细节信息都较融合前明显提高,同时,较高的相关系数和较低的光谱扭曲度,表明光谱信息也保留很好.实验表明,将ETM 多光谱影像和全色影像融合的方法是可行的,融合后影像不仅空间分辨率明显提高,而且又较好地保留了多光谱影像的光谱信息特征.     

基于MATLAB的IHS变换与小波变换影像融合与应用

为了提高Landsat系列卫星多光谱影像的目视解译效果,提出了一种基于IHS变换和小波变换相结合的影像融合方法。在Matlab开发环境下,将多光谱影像的亮度分量I与全色影像先进行直方图匹配,以加大两者的相关性,减小融合影像的光谱偏差,然后分别进行小波分解,最后按照一定融合规则进行影像融合。融合规则中最重要的是小波基、小波分解层数和小波系数的选择。通过比较不同的小波基函数,在不同分解层数下的统计参数值及目视融合效果,最终确定选择coif5作为小波基函数,进行三层小波分解。小波高频系数的选择采用区域的标准差法,选取以当前处理像元为中心的局部区域标准差最大的影像小波系数作为融合影像对应的小波系数。从融合后影像看,本文提出的方法要优于单一的IHS或小波变换融合方法,道路、河流、农田及林地等纹理及细节信息都较融合前明显提高,同时,较高的相关系数和较低的光谱扭曲度,表明光谱信息也保留很好。实验表明,将ETM+多光谱影像和全色影像融合的方法是可行的,融合后影像不仅空间分辨率明显提高,而且又较好地保留了多光谱影像的光谱信息特征。     

结合ASIFT和归一化的抗仿射变换遥感影像盲水印算法

针对遥感影像使用过程中,含水印影像经过仿射变换后水印与影像的同步性被破坏,导致水印无法正常检测的问题,本文提出了一种适用于遥感影像的抗仿射变换盲水印算法。首先通过ASIFT算法提取影像具有仿射不变性的特征点,根据特征尺度的大小与特征点间的欧式距离筛选适量特征点,构造对应的正方形特征区域;然后通过计算特征区域的仿射不变矩得出归一化变换函数的参数,对特征区域进行归一化处理,并以归一化特征区域的不变质心为中心提取子区域作为水印嵌入区域,对该区域进行二级离散小波变换,得到水印嵌入区域的低频信息;运用量化嵌入规则将水印嵌入到低频信息中,依次进行低频信息逆小波变换,水印嵌入前后特征区域差值图像反归一化,最后将反归一化差值图像叠加在原始影像特征区域上,完成水印的嵌入。实验选用了3000像素×3000像素的高分二号遥感影像作为载体影像,含版权信息的二值图像作为水印,实验表明：含水印的遥感影像经过旋转、平移、缩放在内的仿射变换后,仍能准确提取水印信息;算法可有效抵抗加噪、滤波、裁剪等常规水印攻击,攻击后影像提取的水印与原水印相关系数均高于0.9;水印具有良好不可感知性;在水印提取时无需原始遥感影像,属于盲水印算法。