基于SIFT特征的异源遥感影像匹配方法研究

由于不同传感器、多时相、多分辨率、多波段的遥感图像的光谱特征、空间特征、纹理特征等存在较大差异,为影像匹配带来了困难。针对异源遥感影像成像机理的不同特点,从影像特征角度,引入尺度不变特征变换(Scale-Invariant-Feature-Transform,SIFT)方法,实现光学影像、SAR影像和多光谱影像间的匹配;针对SIFT单向匹配算法的不足,引入匹配约束,采用双向匹配策略对其优化,提高了匹配的可靠性。实验表明,该算法具有稳定、可靠、快速等特点,适用于存在光谱特征、空间特征、纹理特征等差异的异源遥感影像的高精度匹配。     

基于结构特征的遥感影像匹配

影像数据的获取受到传感器、大气、光照等多种因素影响,影像数据本身即存在成像的不确定性,且用于匹配的影像数据间常存在较大的尺度、旋转差异,因此利用传统的基于区域灰度的匹配方法很难实现遥感影像的自动匹配.针对遥感影像数据的复杂性,结合不变矩的优良性质,提出一种基于地物结构特征的影像自动匹配方法.首先基于RANSAC(random sample consensus)算法提取影像直线特征,并进一步根据地物构造特征,在直线特征的基础上,设计并实现结构特征提取方法;然后利用结构特征的不变矩及空间相似性测度自动检测最优匹配特征对,实现影像的初始匹配;最后采用松弛匹配等方法,并对松弛匹配结果进行优化,实现影像全局匹配.为了验证算法性能,采用仿真数据和实地遥感影像进行测试,实验结果表明,本文方法不受旋转、缩放等因素影响,能实现遥感影像的自动快速匹配.     

遥感影像空间分治快速匹配

目的 图像匹配是遥感图像镶嵌拼接的重要环节,图像匹配技术通常采用两步法,首先利用高维描述子的最近和次近距离比建立初始匹配,然后通过迭代拟合几何模型消除错误匹配。尽管外点过滤算法大幅提高了时间效率,但其采用传统的两步法,构建初始匹配的方法仍然非常耗时,导致整个遥感图像拼接的速度提升仍然有限。为了提高遥感图像匹配的效率,本文提出了一种基于空间分治思想的快速匹配方法。方法 首先,通过提取图像的大尺度特征生成少量的初始匹配,并基于初始匹配在两幅图像之间构建成对的分治空间中心点;然后,基于范围树搜索分治空间中心点一定范围内的相邻特征点,构造成对分治空间点集;最后,在各个分治空间点集内分别进行遥感图像特征的匹配。结果 通过大量不同图像尺寸和相对旋转的遥感图像的实验表明,与传统的和其他先进方法相比,本文方法在保证较高精度的同时将匹配时间缩短到1/1001/10。结论 利用初始种子匹配构建分治匹配中心以将图像匹配分解在多个子区间进行的方法有助于提高遥感影像匹配的效率,该算法良好的时间性能对实时遥感应用具有实际价值。     

特征权重优化高分辨率遥感影像模糊分类研究

在针对SPOT5等高分辨率遥感影像的面向对象模糊分类过程中,一般对影像对象的特征赋予相同的权重。为了体现不同特征对分类作用的差异,本文在分类时根据特征的重要与否,对参与分类的特征赋予不同的权重,提高重要的、区分度好的特征的权重,降低次要特征的权重。以北京市昌平区的SPOT5影像为例,利用多特征模糊分类和经过权重优化的多特征模糊分类进行分类对比实验。实验结果表明,经过特征权重优化的分类与权重相同的分类结果相比,分类总精度由原来的86.3%提高到了92.6%,Kappa系数由原来的0.8096提高到了0.8947。结果表明,经过权重优化的多特征模糊分类有助于提高模糊分类法的分类精度和适用性。     

NMI特征优化边界敏感的LSC遥感影像分割算法

针对线性谱聚类方法处理复杂场景的高分辨率遥感影像时存在地物边界丢失、过分割问题,提出基于归一化转动惯量特征优化边界敏感的线性谱聚类方法。首先,利用LOG算法提取影像边缘信息,将边缘信息与LSC算法融合,并将存在边缘信息的超像素块的区域质心替代原始聚类中心,改善地物边界信息丢失问题;然后,通过边缘敏感的LSC分割方法,对高分辨率影像进行分割,获取地物完整的初始超像素,并确定微小的超像素;最后,计算微小超像素与相邻超像素相似性度量值,并将其合并到相似性度量值最小的超像素,优化过分割结果。实验结果表明,该方法可以有效地解决地物边界丢失、过分割问题,获取较好的分割结果。     

基于特征优化的高光谱遥感影像降维算法

高光谱影像数据量大、波段间相关性强、信息冗余度高等特点为地物高效识别与分类带来挑战。鉴于降低维度在有效利用高光谱数据方面的重要性,文章提出高光谱影像特征优化降维算法。相关系数矩阵用以确定初始子空间,以此作为先验确定聚类个数及初始聚类中心。依据相似性度量准则,应用K-means算法进行波段聚类,取不同准则下聚类结果交集,实现子空间的自动划分,并利用PCA变换提取第一主成分作为子空间降维结果。对于未被子空间覆盖的剩余波段,采用BSMM算法进行降维处理。叠加2次降维结果,实现最终降维。通过对华盛顿哥伦比亚特区和帕维亚大学2幅影像降维结果的定性定量评价,验证本文算法的可行性与有效性。实验表明,该算法能够在更好实现影像降维的同时极大限度地保留原始影像信息,为后续高光谱影像快速解译提供可能。     

基于SIFT点特征和Canny边缘特征匹配的多源遥感影像配准研究

针对多源遥感影像的配准,提出了一种结合SIFT点特征和Canny边缘特征匹配的配准算法。该算法首先采用SIF7算法提取点特征并进行影像粗配准,在获得初始仿射变换参数后,采用Canny算法提取边缘特征,并采用成本函数法进行边缘点匹配,经粗差滤除后得到有效的匹配特征点对,随之进行影像精配准。该算法结合了SIFT、算法和Canny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。     

基于U-Net特征融合优化策略的遥感影像语义分割方法

高分辨率遥感影像的空间分辨率高、地物信息丰富、复杂程度高、各类地物的大小尺寸不一,这为分割精度的提高带来了一定的难度.为提高遥感影像语义分割精度,解决U-Net模型在结合深层语义信息与浅层位置信息时受限的问题,文中提出了一种基于U-Net特征融合优化策略的遥感影像语义分割方法.该方法采用基于U-Net模型的编码器-译码...     

一种基于特征角点和动态模板的遥感影像控制点匹配算法

提出了特征提取和灰度相关相结合的控制点匹配算法：应用新算法提取特征角点作为控制点，在模板匹配计算中，采用动态模板进行不等距搜索。试验结果证明，该算法能准确提取特征角点，具有较高的控制点匹配精度和运算效率，有较强的适应性和应用价值。     

获取均匀控制点的遥感影像自动空间匹配方法

提出了两种可以获取均匀分布的控制点的遥感高分辨率影像空间域匹配方法。常规的灰度模板匹配方法为先进行手工选点粗匹配,然后用特征提取算子在原始图像中提取控制点,最后根据控制点提取灰度模板进行精匹配。基于上述方法,提出了两种控制点均匀化方法,分别为在控制点提取时和模板匹配后对控制点进行均匀化,并用实验证明匹配精度因均匀化的控制点分布得到有效提高。     

多时相遥感影像的深度卷积匹配算法研究

针对传统人工设计的特征描述符在面对几何差异和辐射差异较大、地物变化明显的多时相遥感影像时,容易造成大量误匹配问题,提出一种适用于遥感影像的双筛选双约束的卷积神经网络匹配算法,通过CNN提取影像深层语义特征图,在特征图中筛选同时满足优先最大原则和精确极值原则的关键点,并在对应位置提取512维描述符。在特征匹配阶段,通过由粗到精的反向匹配约束和RANSAC约束相结合的策略,保证了误匹配点有效剔除的同时保留一定数量的正确匹配点对,提高了匹配的精度。实验结果表明：该方法的匹配数量适中,正确匹配率较实验选取的其他算法相比有所提高,影像配准误差减小2个像素左右,匹配运行时间提升明显,匹配效果良好并且具有一定的适应性和鲁棒性。     

直线对几何特征约束的近景影像特征匹配

针对直线匹配过程中线特征提取不完整以及缺乏考虑邻近直线相关性,提出一种直线对几何特征约束的近景影像特征匹配方法:首先,利用直线检测算法(line segment detector,LSD)对参考影像和搜索影像进行直线提取,并对提取的直线进行特征编组获得特征直线对;然后,将特征直线对作为匹配基元,依次运用双重核线约束、仿射变换约束、最优相似性原则确定同名直线对;最后,根据同名直线对中2条直线端点与其邻域内同名点的距离关系拆分同名直线对,利用仿射变换约束整合拆分过程中对应不一致的单直线,得到最终匹配的同名单直线。为了验证该算法的有效性与可靠性,选取4组人工建筑物特征变换近景影像进行实验,验证了该算法在直线匹配过程中具有一定的稳健性和普适性。     

面向遥感影像的JPEG2000优化压缩算法

在常规的JPEG2000压缩框架下,提出一种面向遥感影像的JPEG2000优化压缩算法,对遥感图像整体处理传输耗时进行分段处理,在EBCOT编码中合并编码通道扫描过程及编码过程,实现对遥感图像编/解码过程用时的优化,在小波变换后清除高频子带小波系数中非重要的背景信息,并缩减相对重要信息的处理过程,从而缩短了与压缩比和图像大小密切相关的传输时间。实验结果表明,该算法在几乎不影响遥感图像质量的情况下可以显著提高遥感图像整体压缩、传输和重构的效率,缩短其处理耗时。     

基于优化Faster-RCNN的遥感影像飞机检测

针对传统飞机检测算法特征学习能力较弱,在背景复杂、目标密集、成像质量较差的遥感影像上检测精度较低的问题,提出了 一种基于Faster-RCNN(Faster-Regions with Convolutional Neural Network)框架的遥感影像飞机检测优化算法.以ResNet50为基础特征提取网络,引入空洞...     

一种可靠的高分辨率光学卫星遥感影像匹配方法

提出一种基于虚拟交点的高分辨率光学卫星遥感影像自动匹配方法。具体流程包括：（1）初始获取同名点,建立影像局部粗匹配模型;（2）利用同名点构建同名虚拟直线,通过同名虚拟直线形成同名虚拟交点集,并采用局部粗匹配模型进行约束;（3）对候选点集进行特征描述;（4）对特征点利用最小欧式距离准则提取初始同名点;（5）采用RANSAC算法和多项式拟合迭代法剔除误匹配点以获取最终的匹配结果。实验结果表明了本文通过虚拟交点提取同名点的算法,获取了更好的匹配效率和精度。     

一种可靠的高分辨率光学卫星遥感影像匹配方法

提出一种基于虚拟交点的高分辨率光学卫星遥感影像自动匹配方法。具体流程包括:(1)初始获取同名点,建立影像局部粗匹配模型;(2)利用同名点构建同名虚拟直线,通过同名虚拟直线形成同名虚拟交点集,并采用局部粗匹配模型进行约束;(3)对候选点集进行特征描述;(4)对特征点利用最小欧式距离准则提取初始同名点;(5)采用RANSAC算法和多项式拟合迭代法剔除误匹配点以获取最终的匹配结果。实验结果表明了本文通过虚拟交点提取同名点的算法,获取了更好的匹配效率和精度。     

阈值优化的遥感影像小波去噪

针对传统的小波阈值在去除遥感影像噪声时存在噪声残留和噪声误判的问题,提出了针对遥感影像的小波阈值函数优化算法。该算法利用小波边缘检测算法确定遥感影像边缘特征的小波系数,然后根据噪声的方差设置优化的阈值函数去噪,即在以往的统一阈值基础上加以修改,使阈值能随着分解尺度的变化而改变,对传统的软阈值和硬阈值的优点予以保留,改进它们的缺点,生成一种新的阈值函数,使它在处理小波系数时更加灵活。经过优化的小波阈值去噪后得到平滑遥感影像,之后把小波边缘检测遥感影像镶嵌入平滑遥感影像中。实验表明,与传统的小波阈值去噪方法相比,该算法解决了传统阈值函数在去噪过程中出现的问题,进行有效去噪的同时保留遥感影像的细节,使影像更加清晰,提高了信噪比。     

基于特征的遥感影像数据融合方法

基于小波的多分辨率分析理论提出了一种新的遥感影像数据融合方法。它利用区域方差最大和一致性准 则对不同尺度下的子带数据进行融合，采用加权运算对相应基带数据进行复合E文中给出了黑白航空影像与TM 影像、SAR影像的融合结果E通过与基于像素平均的融合方法比较，证明了本方法具有良好的鲁棒性和自适应能 力E     

城市住宅区遥感影像的分形特征研究

本文以分形理论和方法为基础，首先运用图像处理技术，对一幅上海城区彩红外航片扫描成像，并对住宅区分三类和８个区域进行了光谱数据采样。进而设计了粗视化求分维的算法和程序，分别从两个波段、两种采样方式计算获得了每一样区的４个分维数据。分析表明：住宅区影像的光谱曲线是一种典型的分形曲线，它们的分维值有效地反映了各类住宅区的图像结构特征。本研究揭示了城市住宅区遥感影像的分形特征提取可以进一步应用于住宅区的建设、规划和管理等定量指标估算。