多尺度、多角度异源遥感影像配准方法研究

针对具有显著尺度和角度差异的异源遥感影像配准中存在的问题,引入具有角度不变性和同一尺度的空间辅助圆,克服角度和尺度偏差;选取对异源影像的光谱差异具有高鲁棒性的归一化互信息测度,基于空间辅助圆提取统计特征进行区域配准。该方法还将同名特征点的搜索范围限制在辅助圆内,在保证算法搜索效率的同时提高了配准的精度。选取具有较大尺度和角度偏差的异源遥感影像进行实验,通过与基于空间辅助面的配准方法相比较,证明基于空间辅助圆的归一化互信息配准方法对角度和光谱偏差具有较高的鲁棒性,配准模型的精度小于一个像素。

异源高分辨率卫星遥感影像配准新方法

首先建立了粗配准模型。然后对影像进行边缘提取,采用Hough变换提取同名直线。利用同名直线交点构建虚拟点集并进行特征描述,通过几何约束和互信息方法提取初始同名点。最后采用RANSAC算法获取最终的匹配结果,并利用获取的同名点对构建三角网进行小面元纠正。实验结果表明:相对于传统的SIFT匹配算法,本文方法可提取更多的同名点,均方根误差(RMSE)可以控制在1个像素以内。

采用非线性尺度空间滤波和SIFT的遥感影像配准方法

针对传统点特征匹配算法存在运算时间长和配准精度低的问题,提出一种基于非线性尺度空间滤波和尺度不变特征转换(SIFT)点特征配准算法.首先,通过非线性尺度空间滤波对基准影像和待配准影像分别进行预处理,保留其边缘信息并去除噪声.其次,采用SIFT算法对预处理后的两幅影像进行特征点提取,通过最近邻和次近邻的欧式距离比值法进行双向匹配,得到匹配特征点.最后,对待配准影像进行仿射变换.结果表明:该方法的总体运行时间比传统SIFT点特征配准算法降低63.2%,且配准精度大幅提高.

基于VoxelMorph的可见光和红外遥感影像配准

由于可见光和红外的成像机理、成像波段不同,获取的遥感影像之间存在复杂的非线性辐射畸变,传统的配准方法难以实现两者的高精度配准.本文提出一种基于VoxelMorph的可见光和红外遥感影像配准方法,利用卷积神经网络对可见光和红外异源图像进行分步的精细化形变场计算,从而实现快速高精度配准.将可见光图像作为参考图像,利用U-Net网络计算待配准红外图像和参考(可见光)图像的形变场,实现全局对齐的仿射变换,然后通过空间转换网络进一步实现更高自由度变形.采用WHU-OPT-SAR数据集的实验结果表明,与基于尺度不变特征变换(SIFT)算法的传统配准方法相比,本文提出的基于VoxelMorph配准方法可以获得更好的配准效果,验证了基于VoxelMorph的配准方法在多源遥感影像领域的有效性.

一种基于组合特征的异源遥感影像配准方法

为实现大差异光学影像的高精度配准,充分利用各类特征检测算法的优势,提出一种基于多类型特征组合的异源遥感影像配准方法。在对获取的影像特征进行描述的基础上,通过影像分块均匀性分析和RANSAC整体一致性分析筛选高精度可靠的组合特征,构建和解算综合参数模型以实现影像的预配准和重采样。再利用最小二乘方法优化特征点匹配结果,使用小面元的方法进行影像的精配准和重采样。实验结果表明在异源光学遥感影像的亮度、分辨率差异较大时,可得到高精度的配准结果。

面向高层地物的异源高分遥感影像配准方法

由于传感器成像通常存在较大差异,异源高分辨率遥感影像配准面临着更加突出的局部变形问题。特别是城市中高层地物的相对视差偏移更加显著,从而在空间变换中产生严重的非线性误差。为此,提出了一种面向高层地物的异源高分遥感影像配准方法。首先,通过开展阴影检测并结合影像分割,实现对高层地物的筛选。在此基础之上,提出了一种基于相位一致性的阈值自适应特征点提取策略,以提升高层地物中特征点数量与特征点整体分布均匀性。其次,通过引入阴影面积加权特征向量距离,以排除阴影对同名点对匹配干扰。最后,针对同名点对设计了一种变换误差自适应惩罚因子,以降低高层地物上空间变化差异对映射方程的影响权重。通过对多组异源高分遥感影像的配准实验表明,所提出方法的总体配准精度和均方根误差分别可达88.9%和1.481。

多角度影像配准研究

本文论述了多角度影像匹配的一般过程，并应用POLDER影像作了多角度影像匹配实验，实验结果表明，方法可行，精度较高。

基于直线特征的遥感影像自动绝对定向

主要研究了道路自动提取和直线空间后方交会在遥感影像自动绝对定向中的应用,分析了用控制线代替控制点在后方交会中的优点,详细阐述了直线空间后交的几何关系并扩展了基于“共线方程”形式的误差方程式,实现了在已有矢量道路网基础上的道路自动提取。通过单幅航空影像绝对定向和高分辨率卫星影像外参数解算试验及精度分析,证明了本文算法和策略的正确性,为航空影像自动空中三角测量、多尺度遥感影像的配准提供了一个可行的方向。

改进尺度不变特征变换的遥感影像配准

当遥感影像强度映射差异较大或发生非刚性变换时,该类方法会导致不理想的配准效果。针对此问题,该文提出了一种结合改进的SIFT和LPM算法的遥感影像配准方法。在SIFT算法的基础上引入Scharr滤波器进行空间极值检测并计算高斯尺度空间的梯度幅值;在构建特征描述符时使用梯度位置方向直方图算子提取特征向量;在特征匹配阶段通过设定阈值进行初始匹配并生成预设匹配集,利用LPM算法剔除预设匹配关系集中的错误匹配关系。实验结果表明,较之已有的遥感影像配准方法,本算法可以得到更高的匹配精度和更理想的配准效果。

多源遥感影像配准中的SIFT特征匹配改进

针对尺度不变特征变换算法应用于多源遥感影像配准时面临的低效率和误匹配问题,从特征点提取和特征点匹配两个方面对其进行改进。在特征点提取阶段,通过控制特征点数量和分布情况获取均匀分布的特征点;在特征点匹配阶段,采用特征点仿射变换粗匹配、精匹配和误匹配点剔除策略,由粗到精地获取准确的同名点。对多源遥感影像进行配准实验,结果表明,此方法在匹配效率及匹配性能上均优于原始SIFT算法,且配准精度更高。