基于几何配准的多模式SAR影像配准及其误差分析

星载合成孔径雷达影像干涉处理时所需方位向配准精度因成像模式的差异而有所不同,目前在精密轨道条件下以几何配准为基础辅以影像信息的配准方案因其严格的理论模型和较高的精度成为干涉处理的首选。本文以TerraSAR-X影像为例,论证了不同成像模式影像所需的配准精度和卫星轨道精度,并通过理论分析和试验证明了精密轨道条件下,利用几何配准即可满足TerraSAR-X等卫星的条带模式影像干涉处理的需要;聚束模式影像需要在几何配准的基础上利用影像相干性或谱分集进一步优化配准结果。鉴于增强谱分集偏移量估计精度最高,本文进一步利用增强谱分集对比分析了不同轨道不同DEM条件下的几何配准误差。研究结果表明:卫星轨道切向误差是几何配准的主要误差源,目前常用3种DEM几何配准差异远小于0.001个像素,均可满足Sentinel-1影像干涉配准的需要。     

线状特征约束下基于四元数描述的LiDAR点云配准方法

针对经典的基于同名点状特征匹配的LiDAR点云配准算法存在计算量大,点状特征提取精度低,以及基于七参数转换模型的LiDAR点云配准算法中方程线性化过程对配准精度影响较大的特点,提出了以线状特征作为LiDAR点云配准的基元,利用四元数法来表达旋转矩阵,进而形成线状特征约束下基于四元数描述的LiDAR点云配准方法,给出了线状特征约束下三维相似变换的相似性测度表达方法,推导并论证了以线状特征作为配准基元时同名线状特征需要满足的条件。根据四元数与旋转变换矩阵之间的对应关系,求解了基于四元数法的旋转矩阵,并根据旋转矩阵求解了平移及缩放系数。     

基于空间约束和结构特征的光学与SAR影像配准

针对光学和合成孔径雷达(synthetic aperture radar,SAR)影像间的几何形变和辐射差异造成的配准困难问题,提出一种基于空间几何约束和结构特征的光学影像与SAR影像自动配准方法.首先,利用分块的Harris算子在输入影像上提取分布均匀的特征点,根据有理函数模型对输入影像进行局部几何纠正,实现输入影像...     

最邻近曲面约束的近景光学影像与地面激光点云几何配准

提出一种以最邻近曲面为约束的近景光学影像与地面激光点云高精度配准方法。根据光学影像生成三维稀疏点云,以影像三维稀疏点邻近的激光点拟合的曲面为约束,结合共线条件方程建立影像三维稀疏点云与三维激光点云间变换模型,通过平差迭代解算实现光学影像与激光点云的高精度几何配准。该方法只需提供初始配准参数,无需对激光点云数据进行特征提取和分割,并且基于曲面约束有效地解决了两个点集之间难以精确确定同名点的问题。通过实际数据试验表明该方法能获得很好的配准精度。     

共享内存环境下的干涉合成孔径声呐复图像配准及优化方法

提出了一种共享内存环境下的干涉合成孔径声呐（interferometric synthetic aperture sonar,InSAS）复图像配准优化方法。首先在分析复图像配准算法各处理步骤计算特点和并行性的基础上,针对粗配准和精配准计算中大量的滑动窗口计算操作,根据相邻窗口数据之间的关系进行了计算方法优化设计;然后采用OpenMP指令对粗配准、精配准、复图像插值和干涉相位提取计算步骤进行了并行化设计和计算任务分配,以充分利用多核计算资源加速复图像配准过程;最后通过InSAS复图像的并行配准试验验证了所提方法的正确性和高效性。     

基于深度学习的遥感图像匹配方法

目前,图像自动配准技术已成为图像配准领域中的研究热点之一。如何提高匹配精度是图像配准的关键步骤,基于此本文提出基于深度学习的匹配方法。首先,描述了卷积神经网络模型的网络结构,通过改善经典模型的网络结构,将其应用到影像匹配任务当中;其次,利用训练好的自适应网络模型来获取控制点的特征表达;最后,将控制点的特征表达通过欧式距离算法进行相似度匹配。实验结果表明,本文方法大幅降低了图像匹配粗匹配的错误率,为后续配准建立了良好基础,且对数据源具有良好的稳健性。     

改进的自适应遗传算法支持下点云与BIM模型配准

在钢结构数字化检测中,点云与设计模型的配准是进行数字化检测的关键步骤,配准的精确度决定了检测分析的准确度。传统配准方法一般先进行粗配准再进行精确配准,计算量大且收敛速度缓慢。针对精确配准存在的问题,本文提出了基于改进的自适应遗传算法用于点云与设计模型的配准方法,自适应地调整交叉概率与变异概率的执行顺序及概率值的大小,提高了种群的多样性及收敛速度。试验证明,改进后的自适应遗传算法极大地提高了点云与模型配准精度和收敛速度。     

无人机影像特征联合提取与双向匹配研究

针对无人机影像数据量大、存在旋转和尺度变化的问题,提出了基于特征联合提取与双向匹配的影像配准方法。分析了SURF算法和BRISK算法的特点,研究了融合SURF特征点检测和BRISK特征点描述的影像特征联合提取和PROSAC双向匹配的算法和步骤,并结合试验分析验证了该方法的有效性。     

结合SIFT和RANSAC算法的InSAR影像配准

配准是合成孔径雷达干涉测量(InSAR)得到干涉图前的关键步骤。本文提出了基于SIFT和RANSAC的InSAR影像配准。尺度不变特征变换(SIFT)和随机采样一致性(RANSAC)相结合,得到特征稳定、匹配点对可靠的InSAR影像配准。利用PALSAR数据及TerraSAR-X数据,进行不同分辨率、不同波段的SAR影像配准试验,结合生成的干涉图条纹的清晰程度,评价其精度。并与目前主流的交叉互相关方法得到的相干系数进行了对比,证明了该方法在InSAR影像配准应用中是一种简单、有效的方法。     

喀斯特地貌SAR影像多级配准方法

文章针对现有SAR影像配准方法对喀斯特地貌低相干区域配准的局限性,在阴影区域提取的基础上提出一种SAR影像多级配准方法。通过对喀斯特地貌阴影区域的分析,逐级提取阴影区域质点和位于山峰位置的高相干点作为特征点。在进行像元级和亚像元级的配准时分别采用几何特征参数和相干系数作为自动配准的测度。实验验证了喀斯特地貌SAR影像采用此方法进行配准的可行性,配准精度有所提高。