基于局部特征的遥感图像配准

摘要

随着遥感技术的进步和发展，能够获取的图像类型也越来越多，对遥感图像之间融合和变化检测的需求也日益增加，对图像配准的要求也进一步提高。本文针对具体的应用来设计配准算法，平衡配准算法在精度、效率、可靠性等方面的需求；针对遥感图像的畸变特征，结合不同的业务需求，提出了两种遥感图像配准算法。基于SIFT的遥感图像配准算法注重配准的精度，而基于多尺度Harris的遥感图像配准算法注重配准的实时性能。本文的主要工作： 1.对基于局部特征的各种特征检测器和特征描述符的原理、性能进行了深入分析和性能对比，总结出其在性能、稳定性和结合性等方面的性能表现。为配准算法的设计过程中，选择适当的检测器和描述符提供了理论基础和技术支撑。 2.针对遥感图像配准的高精度需求，提出了一种基于SIFT的遥感图像配准算法。该算法的特征检测器和描述符均采用SIFT算子，使用稳定性好和准确率高的对极几何约束去除误匹配点对，利用相关系数微调匹配点对。该算法具有较高的精度和自适应性。 3.针对遥感图像配准的实时性需求，提出了一种基于多尺度Harris的遥感图像配准算法。该配准算法使用算法复杂度较低的多尺度Harris特征检测器，维度较低的PCA-SIFT特征描述符，使用双向匹配算法匹配特征点对。该算法既具有较高的实时性，又保证了一定的精度和可靠性。 4.对比分析了两种配准算法的结果。算法的精确度用RMSE(均方根误差)进行定量描述，分析对比了两种算法的复杂度，比较了两种算法对常见的图像变换模型的适应度。最后得出结论：基于SIFT的遥感图像配准算法，基于多尺度Harris的遥感图像配准算法是两种互补的遥感图像配准算法。

目录

文摘

英文文摘

论文说明：图表目录

声明

1绪论

1.1图像配准方法

1.2遥感图像配准

1.2.1遥感图像的特点

1.2.2遥感图像配准的现状

1.2.3遥感图像配准的意义

1.3本文的工作和内容安排

2局部特征

2.1概述

2.2特征检测器

2.2.1定义

2.2.2基于角点的检测器

2.2.3基于区域的检测器

2.3特征描述符

2.3.1基于滤波器的描述符(Filter-based descriptors)

2.3.2基于分布的描述符(Distribution-based descriptors)

2.3.3基于纹理基元的描述符(Textons)

2.3.4基于微分的描述符(Derivative-based descriptors)

2.4小结

3基于多尺度Harris的遥感图像配准

3.1多尺度Harris提取特征点

3.1.1图像预处理

3.1.2多尺度Harris算子

3.1.3多尺度Harris角点检测

3.2 PCA-SIFT描述符生成

3.3双向匹配

3.4仿射变换参数估计及插值变换

3.4.1仿射变换参数估计

3.4.2二次线性插值

3.5试验结果

3.5.1试验图像

3.5.2试验结果图像

3.5.3配准精度

3.6小结

4基于SIFT的遥感图像配准

4.1 SIFT特征点提取及描述符生成

4.1.1特征点提取算法

4.1.2描述符生成算法

4.2建立初步匹配和删除误匹配点对

4.2.1最近邻算法

4.2.2相关系数

4.2.3对极几何约束

4.2.4坐标微调

4.3试验结果

4.3.1试验结果图像

4.3.2配准精度

4.4小结

5总结与展望

5.1两种配准算法分析对比

5.2总结

5.3展望

致 谢

参考文献