初-精结合和多特征融合的多源遥感图像配准

针对多源遥感图像纹理、灰度差异大、数据量大的特点,以及传统配准方法易出现误匹配和低效率问题,提出一种初-精结合的多源遥感图像自动配准方法。首先用最大极值区域检测图像的有效特征区域,再依据区域灰度均方差确定每块区域特征点数量,采用Harris提取区域特征角点。MSER-Harris方法保证了角点分布的均匀和非冗余性。其次对图像作Contourlet变换,在分解的低频子带上构造多尺度高斯组合矩对图像进行初匹配,在高频子带上构造表征图像纹理特征的多方向灰度共生矩完成精匹配,实现同名特征点的配准。对多源遥感图像进行配准实验的结果表明,该方法在特征点数量、分布均匀度及配准精度等方面具有显著的优势,可为后期研究提供参考。     

基于区域生长的多源遥感图像配准

多源遥感图像由于成像设备、所用光谱、拍摄时间等因素的不同,给配准带来极大的困难.尽管已经提出了多种匹配方法,但已有方法一般只能适用于特定的应用环境,开发出更加稳定和适用的配准算法仍然是一个极具挑战性的研究课题.提出一种基于区域生长的配准方法,首先,提取改进后的尺度不变特征,通过全局匹配确定种子点和种子区域并完成变换模型的初始化;然后,运用迭代区域生长和双向匹配策略,得到整个图像的可靠匹配点,从而实现多源遥感图像之间的配准.实验表明,该方法提取的匹配点的数量和正确率均远高于已有方法,能够对存在严重灰度差异的多源遥感图像实现高精度的配准,充分证明了该方法的鲁棒性和适用性.     

高分辨率遥感图像配准控制点均匀化算法

针对多源遥感图像普遍具有数据量大、辐射差异大等特征,而现有的图像配准算法无法直接应用于遥感图像自动配准处理中的问题,综合考虑控制点的密度和分布,提出了一种高分辨率遥感图像自动配准算法。首先,将待配准图像和参考图像降采样到单机可以处理的大小,利用尺度不变特征变换(SIFT)算法建立降采样图像间的初始匹配;其次,将原始待配准图像按照网格分割为子图像,并利用初始匹配找到每幅子图像在参考图像上的对应子图像;再次,利用SIFT和极大稳定区域(MSER)特征点的空间互补性,在每一对子图像上提取大量特征点;最后,利用随机采样一致性(RANSAC)算法剔除误配后,采用基于最大团问题的贪心法进行控制点均匀化处理,进一步剔除冗余的控制点。与现有的基于SIFT特征和基于灰度的遥感图像配准算法相比,本算法在配准精度和控制点的分布均匀度等方面具有优越性。     

一种可靠的多光谱CCD遥感图像配准方法

多源遥感图像数据的融合和后继应用必须先实现严格的配准。针对CBERS-02B遥感卫星多光谱CCD相机的成像尺寸大、像质差异性小及不同波段图像间的误差范围较固定等特点,提出一种基于小窗口多次匹配的图像配准方法。即在整幅大图像上均匀获取多个小窗口图像与基准图像进行灰度NCC匹配,将多个匹配结果通过剔除误匹配点后求平均的方法来获得具有子像素级精度的配准结果,从而保证配准的可靠性和精度。将该方法用于对多光谱CCD图像的配准实验中,结果表明本文提出的配准方法具有可行性和实用性。     

大幅面多光谱遥感图像快速自动配准

针对大幅面多光谱遥感图像的配准需求,提出一种基于特征点的快速全自动配准方法。由于多光谱遥感图像的尺寸较大,计算量大,因此提出特征网格理论,即根据图像灰度值、信息熵值及特征分布均匀性准则,在二级规则网格中选取特征网格参与后续运算,以减小计算量。同时,该理论为SIFT(Scale Invariant Feature Transform)特征点提取算法的并行运行及特征点初匹配方法的改进提供了条件,提高了算法的效率及配准精度。利用本算法对CBERS-02B拍摄的遥感图像进行了实验。结果表明,该方法能够达到亚像素级配准精度,且计算速度快,能够满足大幅面遥感图像处理的要求。     

基于异常区域感知的多时相高分辨率遥感图像配准

在对多时相高分辨遥感图像进行配准时,由于成像条件差异,图像间存在的地物变化与相对视差偏移两类典型异常区域会影响配准精度。针对上述配准中存在的问题,提出一种基于异常区域感知的多时相高分辨率遥感图像配准方法,包括粗匹配和精配准两个阶段。尺度不变特征变换（SIFT）算法考虑到尺度空间属性,不同尺度空间提取的特征点在图像中对应不同大小的斑块,高尺度空间提取的特征点对应图像中的大斑点,其对应地物相对稳定、不易发生变化。首先,利用SIFT算法提取高尺度空间特征点完成图像快速粗匹配;其次,利用灰度相关性度量对图像块进行相对偏移量统计分类以感知视差偏移区域,同时结合空间约束条件,确定低尺度空间特征点的有效提取区域以及匹配点搜索范围,完成图像精配准。实验结果表明,将该方法用于多时相高分辨遥感图像配准,可有效抑制异常区域对特征点提取的影响进而提高配准精度。     

一种基于结构特征边缘的多传感器图像配准方法

图像配准是多传感器图像融合等处理的前提. 本文以包含人造目标的合成孔径雷达(Synthetic aperture radar, SAR)图像和可见光图像为处理对象, 提出了一种基于结构特征边缘的多传感器图像配准方法. 该方法提取人造目标在两类图像中表现的共性特征---结构特征边缘, 并基于边缘匹配构造虚拟角点, 采用基于特征一致的粗配准方法和基于虚拟角点的精配准方法, 对待配准图像实现由粗到精的自动配准. 实验结果表明, 本文方法能够取得较高的配准精度.     

基于SIFT与Contourlet变换的高分辨遥感图像配准

针对高分辨遥感图像特征量较多的情况,提出一种基于SIFT与Contourlet变换相结合的图像配准算法。首先将图像进行Contourlet变换分解成低频和高频子带,对高频子带通过设定合适的阈值来提取图像边缘特征点,对低频子带进行SIFT特征点提取。将两者提取到的特征点分别匹配后得到粗匹配点对,利用随机抽样一致性(RANSAC)选择出精匹配点对,实现图像配准。实验表明:在多源遥感图像配准过程中,与基于非采样Contourlet变换(NSCT)和基于SIFT特征提取相比,该算法能够更准确地提取到特征点,具有更高的运算效率以及匹配率。     

基于自适应尺度的遥感影像渐进配准

图像配准是遥感图像处理中的基本问题.本文针对多源多时相遥感影像的特点,提出了一种基于自适应尺度的渐进配准方法,在从粗到细的迭代配准过程中,可以通过上一次配准结果的几何定位误差来确定本次匹配的尺度,并按该尺度提取特征角点和特征邻域进行匹配,与常规金字塔渐进配准方法相比,减少了匹配次数,提高了配准效率.另外,特征提取和匹配过程中提出一种基于Harris-Laplace算法和相位相关算法的遥感影像配准算法,利用Harris-Laplace角点代替原始图像,能够综合区域和特征的优点,对亚像元偏移、旋转、尺度变化具有不变性,同时对对比度和灰度的变化不敏感,具有很强的抗噪性.在特征检测和匹配的过程中采用限定搜索区域、抽稀角点等多种优化策略来提高算法的性能.实验证明,算法具有很好的精度,对几何攻击具有很好的鲁棒性,该算法已经应用于CBERS-02B星3级数据的批量自动化生产,具有很好的应用效果.     

结合SIFT和Delaunay三角网的遥感图像配准算法

针对高分辨率遥感图像中提取的特征点数目过大且易存在误匹配点的问题,提出了一种粗配准和精配准相结合的高分辨率遥感图像配准算法.首先对图像降采样处理后,提取大尺度空间下的SIFT特征点,求得仿射变换模型完成图像粗配准;然后对图像进行分块,利用SIFT方法对每幅子块图像提取特征点,并找到对应子块图像之间的匹配点对;之后利用特征点构建Delaunay三角网,计算每对子块图像之间的三角形相似度,构成相似矩阵,从中挑选相似度大的三角形对以构成精确匹配点对;最后利用得到的精确匹配点对实现最终的图像配准.该算法能够减少提取的特征点数且剔除更多的错误匹配点,从而进一步提高精确匹配点率.实验结果表明了算法的有效性.     

基于特征点的多光谱遥感图像配准

提出一种基于特征点的多光谱遥感图像配准算法。首先在图像上建立二级规则网格,根据信息嫡值及特征分布均匀性准则选取特征网格;然后利用Forstner算子在特征网格中提取特征点,针对多光谱图像的特点,利用基于相关性原理的粗匹配和改进的基于空间距离约束的精匹配确立特征点的对应关系;最后通过仿射变换得到配准后的图像,并用均方根误差评价配准效果。实验结果表明,该方法计算速度快,且能够达到亚像素级配准精度。     

多源遥感图像配准技术综述

从成像光谱特性、成像分辨率和成像模式等方面对可见光、红外、高光谱和合成孔径雷达传感器的成像特点进行分析,根据一致性特征描述方法对多源遥感图像配准算法进行分类,指出多源遥感图像具有成像特性变化大、相关度小、匹配特征的空间分布不均匀等特点,其配准技术的关键在于提取不变的图像特征以及得到有效的匹配特征。     

基于残差密集网络的多源遥感图像自动配准

文章设计了基于残差密集网络的多源遥感图像自动配准方法。通过计算遥感图像的像素值,完成对遥感图像的采集与转换,利用残差密集网络采集遥感图像的局部特征,并结合遥感图像的全局特征,实现遥感图像的特征匹配,从而计算出遥感图像的阈值,实现多源遥感图像的自动配准。在仿真实验,与以往的多源遥感图像自动配准方法相比,基于残差密集网络的多源遥感图像自动配准方法图像配准的结构相似性为0.967,具有更高的配准精度。     

基于高通能量变换的多传感器图像配准

针对多源传感器图像的特点,提出了一种结合高通能量变换与角点匹配的图像配准方法。该方法首先利用SUSAN 算法进行角点检测,然后将角点匹配分为粗匹配和精匹配两个阶段实现：粗匹配时,对图像进行高通能量变换,有效减少多传感器图像间的差异,并利用高通能量图上角点邻域间的归一化互相关度量,来建立角点初始对应关系;精匹配时,通过RANSAC算法,进一步筛选出正确的匹配点对,并获取匹配参数。实验证明该方法能快速、准确地配准红外与可见光图像。     

基于改进SIFT的SAR图像配准方法

针对尺度不变特征变换(SIFT)配准方法在处理SAR图像时精度不高的问题,提出一种基于改进SIFT的精确配准方法。在提取关键点SIFT描述子及其邻域多尺度自卷积矩不变特征的基础上,利用基于典型相关分析的融合算法对SIFT与矩不变特征进行融合,形成新的关键点描述子,使用阈值实现粗匹配,并结合关键点的距离与邻域灰度相关性构建相似矩阵,采用奇异值分解方法精确确定匹配点对,求出仿射变换模型参数,从而完成图像配准。实验结果表明,该方法的配准结果优于SIFT方法,且配准精度达到亚像素级。     

基于点特征的多源遥感影像高精度自动配准方法

提出了一种基于点特征的多源遥感影像高精度自动配准方法。该方法采用了由粗到精的配准策略。首先利用SIFT算子和一次多项式实现影像的粗配准,粗配准后的影像和参考影像将处于同一尺度（像素采样间隔）和参考坐标系下。其次在粗配准后的影像上提取分布均匀的特征点,根据前一步得到的影像间的坐标关系,在参考影像上确定一个较小的搜索范围,使用相关系数匹配出同名点,同时用Baarda数据探测法剔除粗差。最后根据同名点构建三角网对影像进行精配准。实验结果表明:该方法能够实现多源遥感影像的高精度配准。     

基于SIFT和NCC的多源遥感影像配准方法

针对多源遥感影像的配准,提出了一种结合SIFT算法和归一化互相关（NCC）匹配算法的配准方法。该方法采用SIFT算法提取特征点并进行匹配得到一定数量的特征点对后,利用SIFT特征点的尺度和方向信息对NCC进行改进,进一步从未能匹配的特征点中获取匹配点对,经粗差滤除后得到有效的匹配特征点对,随之进行影像配准。方法结合了SIFT算法和NCC算法的优点,解决了多源遥感影像因辐射差异和几何差异造成的难以正确配准的问题。实验结果表明,算法具有较强的鲁棒性,并取得了较好的配准精度。     

条件数和Zernike矩在图像配准中的应用

提出了一种基于条件数和泽尼克矩的图像配准算法。首先用Harris角点检测器提取特征点并通过条件数去掉一些伪特征点;用改进的Zernike矩作为特征点的描述子,通过比较各个特征点圆形邻域泽尼克矩的欧式距离得到初始匹配点对;用RANSAC估计待配准图像和基准图像之间的变换参数,实验表明,该算法在图像存在比例缩放、旋转等情况下有很好的配准效果。     

基于图像块SIFT特征学习的多源遥感图像匹配方法北大核心CSCD

对于多源遥感图像因成像原理、时相差异以及分辨率等因素导致的匹配困难问题,提出了一种基于图像块SIFT特征学习的多源遥感图像匹配方法。首先,通过尺度不变特征变化(scale-invariant feature transform,SIFT)提取图像特征点并截取对应的图像块对;其次,利用多源遥感图像匹配网络(matching nerul network,MNN)学习图像块特征并输出匹配点对,结合快速样本一致性(fast sample consensus,FSC)方法优化匹配结果;最后,计算图像变换矩阵实现多源遥感图像配准。为验证本文方法的有效性,制作了8000对多源遥感图像数据集对MNN进行网络训练,并与FSC-SIFT(fast sample consensus-scale-invariant feature transform)、PSO-SIFT(position scale orientation-scale-invariant feature transform)以及跨模态图像匹配网络Contextdesc进行对比实验,结果表明本文方法在正确匹配点数量、匹配精度等方面具有一定优越性。     

基于Marr小波改进的SIFT算法的遥感影像配准

针对遥感图像配准方法中错误匹配点对过多、配准效率低和其他性能,提出了一种基于小波的遥感图像配准方法。首先,利用尺度空间理论下的Marr小波对参考图像和待配准图像进行特征提取,然后利用欧氏距离对参考图像和待配准图像的特征点进行初配准,再根据随机采样一致法,对初配准结果进行精配准。为了验证方法的有效性,选择无人机实时航拍图像、不同时相变化遥感图像以及遥感不同高度的遥感图像。实验结果表明:该方法与SIFT(Scale Invariant Feature Transform)算法以及其他改进SIFT算法相比可以有效剔除错误匹配点对,提高了配准精度,同时提高配准效率两倍以上。该方法可以应用于不同遥感数据源,能够有效地提高配准精度,降低配准时间。