基于改进傅里叶梅林变换的遥感图像配准算法

针对基于频率域遥感图像配准算法中傅里叶梅林变换存在高频信息边缘假象和幅度谱混叠的误差,本文重点探讨了传统FMT配准算法的改进算法。改进算法主要是对图像进行加窗和高通滤波处理。特别的是,图像进行Bartlett三角窗函数处理,其配准效果最稳定。且对图像频率域内的幅度谱高通滤波处理。大量实验表明,改进后的配准算法适应于平移、旋转和缩放等综合变换以及噪声干扰的遥感图像,具有计算速度快、鲁棒性强等优点。另外,对比分析了其他两种传统配准算法,即SSDA序贯相似性检测算法以及基于SIFT特征点的配准算法。实验表明,处理存在噪声干扰的同等变换的遥感图像,本文改进的傅里叶梅林变换算法同样能够满足较高的鲁棒性,计算速度相对较高。