基于SIFT/ORB几何约束的红外与可见光图像特征点匹配

红外图像与可见光图像记录着地物的不同属性信息,两者融合能够优势互补,弥补单一数据源信息的不足。然而由于两者成像原理不同,热红外传感器与可见光传感器对同一场景获取的图像灰度差异较大,二者图像误匹配多,融合难度大。本文在分析红外与可见光图像共有特征的基础上,提出了一种基于SIFT与ORB特征检测的匹配方法,利用SIFT算子与ORB算子同时进行特征点检测,先基于RANSAC对SIFT匹配得到的同名点进行筛选,同时结合最近邻比次近邻算法获取ORB匹配点,再利用SIFT匹配点对ORB匹配点进行距离和角度的几何约束进一步剔除误匹配,最终得到特征点分布均匀、可靠度更高的匹配结果,解决因灰度差异较大产生的匹配效果不佳的问题。利用4组红外与可见光图像进行实验,结果表明,本文算法特征点正确匹配数量相较于SIFT分别提高了约3.7倍、3.2倍、3.6倍、3倍,大幅地提高了红外与可见光图像的匹配数量,为两者间的匹配提供了一种有效的方法。

玉龙雪山地区地表三维温度场时空变化分析

玉龙雪山属于海洋型冰川,对全球气候变化敏感,具有重要的生态研究价值。为了获取玉龙雪山地区的地表温度变化情况,提出了一种基于地表三维温度场的定量分析方法。首先,采用高分辨率立体测绘卫星影像构建数字表面模型,作为三维底图参考,并利用多时序热红外卫星影像数据反演地表温度场模型,提供地表温度变化依据;然后,在统一参考坐标系下将数字表面模型和多时序地表温度场模型套合,准确地分析地表温度时空变化情况。试验利用1987年至2018年间同一季节的Landsat卫星遥感影像反演地表温度,结合资源三号卫星立体影像构建的数字表面模型,并采用四阶温度区间分析多时序范围内玉龙雪山地区的地表温度变化情况。试验结果表明玉龙雪山低温区和次低温区面积逐渐减小,减小速度分别为2.096 km^(2)/a和2.662 km^(2)/a,中温区和暖温区面积逐渐增大,增大速度分别为2.902 km^(2)/a和1.703km^(2)/a,玉龙雪山地区的地表温度呈现整体上升的趋势,为全球生态环境变化提供参考。