遥感图像几何定位精度评价方法研究

摘要

近年来由于遥感技术的不断成熟和发展，通过遥感图像可以获得越来越多的信息。通过遥感图像，可以测制地形图，为国土资源、农业、林业等领域提供服务。但由于各种因素，如卫星下传原始数据与时间码错位、卫星姿态、轨道、相机安装等造成的误差影响图像的几何定位精度，造成图像几何质量的下降，因此对遥感图像几何定位精度的评价成为遥感领域的重要研究课题之一。
　　 以往对遥感图像几何定位精度的评价所采用的同名控制点，都是通过人工或者半自动方法选取出来，这种方法费时费力。因此，对控制点的自动选取方法研究具有重要的理论与现实意义。本文的主要工作及成果如下:
　　 (1)实现了几种典型的特征点检测算法，包括Harris特征点检测算法、SUSAN特征点检测算法、SIFT特征点检测算法及其改进的SURF特征点检测算法。通过实验比较分析了它们在遥感图像中提取匹配点的稳定性和速度。结果表明，SIFT算法和SURF算法是较优选择。虽然SIFT算法在抗噪性、亮度变化、几何形变等方面较SURF算法略有优势，但考虑到SURF算法的速度比SIFT算法快数十倍，本文后续的研究最终选择SURF算法。
　　 (2)由于SURF算法提取的特征点在利用欧式距离进行匹配后仍存在很多错误匹配和误差匹配，这些错误和误差对遥感图像的几何定位精度有很大影响。因此，本文提出了一种SURF算法和RANSAC算法相结合的方法，在原始匹配的基础上剔除误匹配。实验结果表明，该方法可以有效剔除误匹配，获得较理想的匹配效果，但对于质量相差较大的待评和参考图像，匹配率相对较低。
　　 (3)针对以上存在的匹配率较低的问题，本文继续对SURF算法进行了深入研究，把特征点邻域内的边缘信息和细节信息加入到SURF特征点描述子中，利用更多的信息识别、标识特征点。实验结果表明，该方法能够在一定程度上提高匹配率。
　　 (4)在确定同名控制点的基础上，将其应用于资源1号和环境星的几何定位精度评价。本文给出的实验结果与资源卫星应用中心的评价结果较为相近，表明了该方法具有一定的可行性。

目录

声明

摘要

1 绪论

1．1 研究背景及意义

1．2 遥感图像质量评价方法概述

1．2．1 遥感图像辐射质量的评价方法

1．2．2 遥感图像几何质量评价方法介绍

1．3 国内外研究现状

1．3．1 对地观测卫星遥感图像质量评价研究现状

1．3．2 遥感图像质量评价中控制点提取与匹配研究现状

1．4 本文的研究内容

1．5 本文的组织结构

2 几种特征点提取算法

2．1 Harris角点检测算法

2．1．1 Harris角点原理

2．1．2 Harris角点检测

2．2 SUSAN角点检测算法

2．2．1 SUSAN特征检测原理

2．2．2 SUSAN算法角点检测步骤

2．3 SIFT特征点检测算法

2．3．1 尺度空间极值点检测

2．3．2 特征点的精确定位

2．3．3 主方向的确定

2．3．4 局部图像描述符的生成和匹配

2．4 实验及其分析

2．4．1 抗噪性测试实验

2．4．2 光照变化测试实验

2．4．3 旋转变化测试实验

2．4．4 提取特征点速度实验

2．4．5 综合分析

2．5 本章小结

3 SURF算法和RANSAC算法相结合的遥感图像匹配方法

3．1 SURF算法

3．1．1 积分图像

3．1．2 快速Hessian检测器

3．1．3 特征点描述符

3．2 RANSAC算法

3．2．1 RANSAC基本思想

3．3 SURF算法与RANSAC算法相结合

3．4 实验结果及其分析

3．4．1 差异程度不同的图像的实验结果

3．4．2 实验结果分析

3．5 本章小结

4 改进的SURF特征点提取方法

4．1 图像客观评价指标

4．2 改进的SURF算子

4．2．1 边缘能量

4．2．2 细节信号能量

4．2．3 边缘信号能量和细节信号能量

4．3 实验结果与分析

4．3．1 待评图像和参考图像是同一传感器不同时相的遥感图像

4．3．2 待评图像和参考图像是不同传感器的遥感图像

4．3．3 待评图像和参考图像分别是资一02C和google earth图像库遥感图像

4．3．4 实验分析

4．4 本章小结

5 控制点的选择与匹配在几何定位精度评价中的应用

5．1 几何定位精度评价方法

5．1．1 垂轨、沿轨和对角线方向内部几何精度评价

5．1．2 景中心内部几何定位精度评价

5．1．3 外部几何定位精度评价

5．2 实验结果及分析

5．2．1 内部几何定位精度结果

5．2．2 景中心内部几何定位精度结果

5．2．3 外部几何定位精度结果

5．3 本章小结

6 总结与展望

6．1 总结

6．2 展望

致谢

参考文献

附录