基于多层小波分解的角点检测算法研究及应用

摘要

遥感数据预处理是后续产品生产的必经环节，其处理精度及速度会有累积效应作用到后续环节，因此必须保证预处理的高速有效。图像配准作为预处理的基础性环节之一，对特征点的精度有着更高的要求。国内外在遥感图像特征提取中取得了一定的成果，但是在多源遥感图像处理过程中，由于图像受噪声、特征匮乏等因素的制约，特征点提取的准确性仍没有得到很好的解决。同时，图像配准后会根据五层十五级数据组织结构生成标准化的瓦片数据快视图，瓦块数据的处理方式导致其快视图存在颜色不均衡，以及切分后的瓦片数量较多的问题生产效率低也有待进一步改善。
　　针对以上问题本文提出一种基于小波分解的角点检测算法，通过对高频分量的提取方式进行改进，提高了控制点的准确性；同时运用 Web Service、多线程等技术提高了遥感数据的生产效果。本文研究内容及研究重点如下：
　　1.针对Harris角点检测算法提取的角点中存在较多伪角点的问题，提出了基于多层小波分解的角点检测算法。
　　2.针对图像配准过程中提取控制点所需基准影像库过大，从而造成处理系统可移植性差、影像库不易管理的问题，提出基准影像的按需动态获取的策略。
　　3.针对不同瓦片数据快视图中存在色差的问题，提出利用图像直方图信息生成快视图的方法。此方法可实现快视图颜色均衡、地物清晰的效果，同时也提高了快视图生产效率。
　　实验验证数据表明，本文所提出的改进后的角点检测算法使控制点的平均误差降低了21.8％；按需动态获取策略使得系统基准影像库可以节约高达95%的存储容量，引入多线程的处理机制使数据预处理的效率平均提升了18.6%。以上研究算法及内容已运用到国家重大高分专项“高分对地观测系统”中的遥感数据预处理原型系统中。

目录

声明

1 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.3 论文的主要工作

1.4 论文组织结构

2 相关理论基础

2.1 遥感数据图像配准

2.2 角点检测算法

2.3 小波变换

2.4 小结

3 基于多层小波分解的角点检测算法

3.1 Harris角点检测算法

3.2 改进多层小波的角点检测

3.3 数据获取及实验验证

3.4 小结

4 基于线性拉伸的色差调整

4.1 线性拉伸

4.2 色差调整

4.3 效率提升策略分析

4.4 小结

5 总结与展望

参考文献

致谢

攻读学位期间的科研成果