多源高分辨率遥感影像自动配准方法研究

摘要

随着遥感技术的发展进步，遥感影像在社会经济、国家战略与安全等各方面发挥着越来越重要的作用。遥感大数据是当前大数据时代的典型代表，除了一般数据的特点外，遥感数据还具有海量、多源、异构的特点。特别是高分辨率遥感影像的出现和实际使用，使得人们可以在更小尺度观察分析目标对象，但这也极大地倍增了所需处理的影像数据量。影像遥感大数据的这些特点对于影像的实时、快速处理提出了新的、更高的要求。
　　影像配准是遥感影像处理技术中的重要研究课题，以往的遥感影像配准方法，主要由人工通过目视解译影像对比来交互式选择地面控制点（GCP）及其在影像中的对应点。通过人工进行影像配准，任务量大，又受到人员的经验及主观因素的影响，受视觉分辨率的限制难以确定像元级别的控制点，因而效率低下，匹配精度有限。遥感大数据处理中目前亟待解决的一个问题是发展一种能够实现自动提取控制点的方法来代替原有的人工配准选点。影像自动配准的关键所在就是实现Base影像与Warp影像之间特征点自动化搜索和匹配。影像配准的方法可以从灰度、特征、频域三个方面进行分类，每种方法各有其特点。基于特征点的影像配准方法相比较其他方法具有计算量小，稳定性好，易于快速实现匹配，所以得到了愈来愈广泛的研究和使用。
　　本文在研究分析遥感影像自动配准的方法的基础上，主要从以下几个方面对多源高分辨率遥感影像进行的自动配准进行了分析：
　　（1）研究分析了遥感影像配准的原理和方法，对基于灰度的方法从互相关，互信息两个方面进行了对比分析；而对基于特征的方法主要对Moravec，Harris。Forstner三种算子原理进行比较分析。通过比较和分析，为后期的影像配准奠定理论基础和进行框架的构设。
　　（2）本文以日本ALOS影像，美国Worldview-2影像和我国高分一号卫星影像三种高分辨率遥感影像为研究目标，进行特征点的提取和配准，最终实现自动配准。
　　（3）利用有理多项式系数模型（RPC）和数字高程模型（DEM）对三种高分辨率遥感影像进行正射校正，消除地形等产生的误差，从而提高了影像的几何精度
　　（4）利用 MATLAB平台实现利用尺度不变特征转换（SIFT）算法进行以Worldview-2影像为基准影像，以ALOS影像和高分一号为待配准影像，进行特征点的提取和匹配，获得满足几何精度要求的结果。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 选题背景及研究意义

1.2 国内外研究现状

1.3 研究目标、内容及特色

1.4 论文结构安排

第二章 原理和方法

2.1 影像配准概念

2.2 基于灰度的配准方法

2.3 基于特征的配准方法

2.4 尺度不变特征转换算法

2.5 SIFT算法在MATLAB的实现

2.6 正射校正

第三章 数据准备

3.1 数据来源

3.2 数据预处理

第四章 实验及结果分析

4.1 特征点提取匹配实验

4.2 多源高分辨率遥感影像的配准实验

4.3 影像配准及结果分析

第五章 结论和展望

5.1结论

5.2展望

参考文献

在学期间的研究成果

致谢