基于局部不变特征点的高分辨率遥感影像配准

为了解决传统的点特征匹配算法存在配准精度低的问题,本文提出一种基于局部不变特征点的高分辨率遥感影像配准算法。首先,利用双边滤波器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,对预处理后的两幅影像进行局部不变特征点提取;然后,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。为了验证方法的有效性,提出一种仿射变换均方根误差AT-RMSE对精度进行评价,选取深圳市两个时相的PLEIADES影像,结果表明双边滤波器虽然增加了算法的运行时间,但能够降低55%以上的AT-RMSE;另外,基于SURF特征的配准方法比基于SIFT的性能更优,精度有大幅度提升。

高分辨率遥感影像配准中的图像信息精减方法研究

高分辨率遥感图像的特点之一就是数据信息量巨大。特征提取结果具有多量性,严重影响到配准效率。常规的方法主要针对算法进行改进,或者进入尺度空间进行配准运算。本文主要介绍一种图像信息精简的思想,从高分辨率遥感图像的海量信息中精减出主要信息用于运算,降低计算量从而提高配准效率。

基于快速异源配准的高分辨率SAR影像海岛区域正射校正

随着高分辨率合成孔径雷达(SAR)卫星的陆续发射,对天气条件多变的海岛区域进行全天候、全时段的高精度观测已变得可行。作为多种遥感应用的关键前置步骤正射校正,依赖于高精度控制点来纠正SAR影像的几何定位误差。然而,在海岛区域获取符合SAR校正要求的人工控制点不仅成本高,且风险大。为了应对这一挑战,该文首先提出了一种光学与SAR异源影像的快速配准算法,然后基于光学参考底图自动提取控制点,实现了海岛区域SAR影像的正射校正。所提出的配准算法分为两个阶段:首先构建异源影像的共性密集特征,然后在降采样后的特征上进行逐像素匹配,避免了异源影像特征点重复性低的问题。为了降低匹配复杂度,引入了海陆分割掩模以限定搜索范围。接着,对初步匹配点进行局部精细匹配,以减少降采样带来的不准确性。同时,引入海岸线均匀采样点以提升匹配结果的均匀性,并通过分段线性变换模型生成正射影像,确保了稀疏岛屿区域的整体校正精度。该算法在多景海岛区域的高分辨率SAR影像上表现出色,平均定位误差为3.2 m,整景校正时间仅需17.3 s,均优于现有多种先进的异源配准与校正算法,显示出其在工程应用中的巨大潜力。

基于机载LiDAR和高分辨率遥感影像融合的农村地籍测绘方法

农村地籍测绘是农村土地规划的重要依据,本文提出了基于机载激光雷达(LiDAR)和高分辨率遥感影像融合的农村地籍测绘方法。首先,对农村地籍进行机载LiDAR测绘,采集机载LiDAR点云数据并对其进行分块;其次,对农村地籍高分辨率遥感影像进行分割处理,并将机载LiDAR点云与遥感影像进行配准融合,生成农村地籍测绘图,实现基于机载LiDAR和高分辨率遥感影像融合的农村地籍测绘。经实验证明,使用本文设计的方法开展地籍测绘的面积误差不超过1%,测绘结果与实际结果的余弦相似度符合精度要求,可以精准地反映农村地籍形状、面积和轮廓等特征,具有较高的测绘精度。

高分辨率遥感影像在地理信息提取中的应用研究

本文重点研究高分辨率遥感影像在地理信息提取中的应用,展示高分辨率遥感影像的定义、分类、获取和处理。分析提取地理信息的重要性和过程,在此基础上重点讨论了地物分类和识别技术、影像配准和融合技术、信息提取和验证技术的关键技术,通过应用案例展示了高分辨率遥感影像在城市规划与管理、自然资源调查与评估、环境监测与保护方面的应用。

高分辨率遥感影像波段配准误差试验分析

高分辨率遥感影像波段间配准误差是影响影像质量及其应用精度的重要因素之一。配准误差指标要求是影像传感器研发中的一项重要参数。为准确分析配准误差对遥感应用的影响程度,在试验研究中利用多项式模型模拟各种配准误差的图像,并从几何精校正、目视解译、非监督分类实验及数据融合等角度分析了不同波段配准误差情况下对遥感应用的影响,提出了遥感应用中对高空间分辨率卫星影像的波段配准指标要求。

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。

高分辨率遥感影像配准与变化检测一体化处理

为了克服高分辨率遥感影像配准与变化检测作为单独环节处理的局限,该文提出了一种基于变分理论的配准与变化检测一体化处理方法。该方法将配准误差作为一种光谱变化决策因子,变化信息以权值的方式迭代反馈给变分配准模型的解算过程。为了更准确地检测建筑物这个特定目标的真实变化,该文采用多尺度最大形态学轮廓建筑物检测指数的差异作为另外一个决策因子。最后将配准误差反映的变化和建筑物检测指数的差异这两个决策因子在D-S证据理论框架下建立概率模型进行融合处理,进而得到建筑物的变化检测结果。该文选取WorldView-2数据进行实验,实验结果表明,一体化处理思路可以有效地解决单独处理的局限,从根本上解决配准误差对变化检测结果的影响以及由于变化而使配准精度降低的问题,进而提高配准和变化检测的质量。

影像配准误差对高分辨率遥感影像变化检测精度影响的研究

以多时相遥感影像几何配准模型为理论基础,研究相对配准误差对高分辨率遥感影像变化检测精度的影响。首先,分析了配准误差和影像波段、地类复杂度之间的关系;其次,研究了相同配准误差条件下,每个不同波段的敏感程度以及不同地类复杂度区域的差异性。实验选取地类复杂度不同的QuickBird真彩色影像区域为实验数据,结果表明配准误差对每个波段影响不一致性,并且,配准误差对高地类复杂度区域检测精度的影响更为明显,易产生更多的虚假变化信息。

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。

基于特征点的高分辨率卫星遥感影像自动配准方法

在高分辨率卫星遥感影像配准中,由于数据量的迅猛增长以及分辨率的提升,使配准精度逐渐下降,配置工作越堆越多。为此,文中设计一种基于特征点的高分辨率卫星遥感影像自动配准方法。对高分辨率卫星遥感影像数据实施云层二值化、灰度拉伸这两种预处理。云层二值化的处理主要通过OSTU算法实现,灰度拉伸处理使用的方法是直方图均衡。基于影像特征点,通过SURF算法实施高分辨率卫星遥感影像的特征点提取。通过提取的特征点在遥感影像上构建多个小面元区域,利用小面元微分纠正的方式对2幅影像实施精确配准。为实验配置硬件环境与软件环境,使用2种影像数据测试设计方法的配准性能。测试结果表明:所设计方法对于白天非雪天拍摄的图像与白天雪天拍摄的图像的配准精度都很高,二者差异较小;对于相同场景、不同传感器拍摄的影像以及不同场景、同一传感器拍摄的影像,设计方法的配准精度均较高。说明设计方法能够克服不同因素的影响,实现较为精准的自动配准。

基于SIFT算法的高分辨率遥感影像配准问题分析

传统的图像配准算法能够实现精确度较高的高分辨率遥感影像配准,但提取的特征点具有多量性,无法轻易实现全图配准。本位提出基于几何粗校正的高分辨率遥感影像配准方法,通过几何结构粗校正,使相同内容出现在了同一空间区域内,把特征点匹配过程中的搜索空间,有全局缩小到局部范围,成百倍的化简了计算量。

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。

结合特征信息聚类分区的遥感影像配准方法

针对由于地形起伏、地物类型丰富等因素导致一般配准方法无法正确拟合遥感影像局部区域的问题,提出一种基于特征信息层次聚类对影像区域快速划分实现精细拟合的方法。该方法利用差分空间尺度约束提取更高精度的SIFT的特征点,并结合Hellinger变换优化匹配效率,完成特征粗匹配。根据点邻域信息完成初始聚类,得到变换模型;计算匹配点对不同变换模型的符合程度构建倾向集,根据距离合并集合得到聚类中心,使用泰森多边形法生成子区域。求解每个子区域的变换模型并插值拼接,得到配准结果。使用农田、山地、沿海城镇地形的遥感影像进行实验,将SIFT+ST、FSC-SIFT、PSO-SIFT方法的配准效果与该方法进行对比,结果表明该方法的精度与目视配准效果均更优。

高分辨率卫星立体影像对的图割匹配算法

针对高分辨率卫星立体像对自动匹配中同名特征点难以选取,导致视差图较低的问题,引入在计算机领域取得成功应用的图割匹配算法,将立体匹配问题转换为全局能量函数的最小化问题,并进行改进,构建简化的网络求解最小割,实现能量函数的最小化,得到较为准确的视差图,实现卫星立体像对的匹配。该文选取EROS-B卫星立体像对进行试验,结果证明改进的图割立体匹配算法生成视差图的均方根误差是传统基于相关系数的区域匹配算法生成视差图的均方根误差的1/3,且算法运行时间比传统的图割立体匹配算法的运行时间缩短了85.2%。该研究可为基于卫星立体像对构建高精度数字高程模型提供前提条件。

高分辨率遥感卫星影像的处理技术与解决方案

文中介绍了就当前遥感领域的研究热点之一,遥感影像定量化处理中高分辨率遥感卫星影像的处理技术,并结合现有的实用系统,讨论可提供的成果和应用解决方案。

融合无人机LiDAR和高分辨率光学影像的点云分类方法

点云分类是激光点云数据处理的重要环节,探索自动、高效、高精度的点云分类方法具有重要意义.通过分析同机获取的LiDAR点云与高分辨率光学影像的特点,提出了融合无人机LiDAR与高分辨率光学影像的点云分类方法.首先将LiDAR点云投影到二维平面并构建不规则三角网模型,然后寻找同名点对完成与光学影像的配准与融合,进而将光学影像的光谱信息赋予无人机LiDAR点云,接着从光学影像上提取光谱特征、从LiDAR点云上提取多尺度几何特征构建分类特征集,进一步通过CFS特征选择算法实现特征集的降维,最后运用随机森林分类算法实现点云分类.实验结果表明,本文分类方法的总体精度可达89.5%,Kappa系数为0.844,与未经特征选择的分类结果相比精度提高了1.1个百分点,与单纯依靠LiDAR或者光学影像的分类相比,精度分别提高了5.4和14.9个百分点.本文方法不仅有效避免了基于点云属性内插构建新的图像融合方式带来的计算误差,同时解决了单尺度下构建几何特征时难以确定最优空间分析尺度的问题,并且对特征集进行优化选择从而有效提高了数据处理的效率.

多场景高分辨率遥感图像快速拼接技术

在拍摄过程中,光学遥感卫星大视场与高分辨率间的相互矛盾,引起了国内外研究人员的广泛关注。提出了一种基于相机参数保持的快速拼接算法。该方法对高分辨率图像进行了降采样处理,利用降分辨率图像的配准信息恢复了相机参数,能够改进拼接过程,提高拼接效率。实验结果表明,相对于传统的拼接方法,该算法能够将配准时间缩短超过50%,将遥感图像的拼接质量提升5%~35%,适用于建筑、森林、农田、湖泊四类应用场景。通过对存在噪声、亮度差异及不同模糊程度的遥感图像进行拼接实验,验证了该方法的鲁棒性和可行性。

多源遥感影像学习型特征双向一致性配准

针对多源遥感影像之间非线性辐射和几何畸变的差异严重影响配准质量的问题,本文提出一种具有双向一致性变换适用于多源遥感影像的配准方法。首先,利用微调的ResNet101网络模型提取多源遥感影像学习型特征,在特征匹配阶段,为提高同名特征匹配的可靠性,设计了一种双向一致性特征匹配网络模型;然后,基于小型轻量级网络加权回归变换模型参数,实现多源遥感影像稳健可靠的配准。试验利用Google Earth影像、卫星影像、无人机影像、Google Earth-卫星-无人机混合影像4种不同数据源对本文方法进行测试,并与具有代表性的多种方法进行比较,结果表明本文方法在配准精度、效率、稳健性方面具有优势,基本实现了2像素以内的自动配准精度。

基于控制点配准算法的无人机遥感影像自动无缝拼接技术探讨

无人机技术不断升级,在诸多领域中得到了广泛应用,尤其是在地质、地形勘测等领域,和遥感技术相结合,不仅保证了作业质量,也降低了作业成本,提高了作业效率。但在实际应用过程中,自动无缝拼接技术需要展开分析。基于此,从无人机遥感影像自动无缝拼接技术入手,结合控制点配准算法这一内容,对无人机遥感影像自动无缝拼接技术的应用进行探讨,以求让数据处理工作得到更好落实,最大限度满足实际发展的需求。